基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法。根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征。同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别。以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%。该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考。

基于协整与卡尔曼滤波方法的悬索桥船撞事故识别

针对传统协整方法难以对桥梁进行结构健康在线监测的情况,提出一种基于协整与卡尔曼滤波的改进方法。该方法以协整系数作为状态向量,以协整方程作为观测方程,结合卡尔曼滤波递推算法,可实现对协整系数的在线估计;根据协整系数的动态变化,判断结构的异常状况。以武汉阳逻长江公路大桥一次船撞事故为背景,基于协整与卡尔曼滤波方法分析该桥的实测挠度数据,对事故发生时刻及船撞位置进行识别。结果表明:采用协整与卡尔曼滤波方法可准确识别出船撞时刻,并根据不同测点高程协整后的统计结果可进一步识别船撞位置。

基于时间序列聚类的交通事故黑点识别与分析

【目的】鉴别道路交通事故黑点以及探究事故高发区域的致因。【方法】结合地理信息软件与可解释性机器学习算法,提出一种考虑交通事故时空属性的事故黑点识别及致因分析的方法。【结果】事故高发区域主要聚集在大型商业圈、客运车站与工业区附近,其事故密度为事故低发区域的6.61倍。在事故高发区域,起决定性影响的因素是碰撞形态、天气、能见度、车道类型及两轮车类型。而在事故低发区域,碰撞形态、道路等级、能见度、路面材料以及两轮车类型为主要影响因素。此外,路口路段类型、车道类型、两轮车类型以及肇事逃逸等因素在不同事故区域的影响不同。【结论】交通事故在城市内存在事故黑点,且部分道路环境因素在不同事故区域的影响不一致。研究成果可为交管部门针对事故黑点区域制定防范措施提供指导。

基于改进聚类算法的交通事故多发点识别方法

道路交通事故多发点事故发生频率高且严重性突出,为提高道路通行的安全与效率,需要找到事故多发点所在位置。针对现有密度聚类算法对交通事故多发点识别时需要设置中心点个数以及容易扩大聚类范围等问题,提出一种限制簇扩展的自适应搜索密度峰值聚类算法(limit cluster expansion and adaptive search clustering by fast search and find of density peaks,LA-CFDP)。LA-CFDP算法通过增加中心点限制条件自动确定中心点个数,引入参数扩展因子限制簇扩展范围,从而提高算法对事故多发点识别的适应性和准确性。在英国四个城市2019年交通事故数据集上的实例分析表明,LA-CFDP算法对四个城市聚类结果的轮廓系数值达到0.72~0.92,DBI值均降低到0.37以下。聚类结果符合事故多发点的定义及特征,能够为交通事故多发点治理提供可靠依据。

基于网络核密度估计的交通事故黑点识别

为了对交通事故多发点进行分析,识别事故黑点并进行针对性治理,以深圳市龙华区2018—2020年3年间的1 105起道路交通事故数据及道路网络数据作为研究对象,采用高斯函数作为内核函数的道路网络核密度估计,通过K-means聚类进行路段密度等级划分。为进一步考虑路段之间的相关性,提高事故多发点识别精度,采用Local Moran′s I对事故多发点进行识别。对比平面核密度估计结果表明,所采用的基于网络核密度的Local Moran′s I的方法体现了事故多发点在路段及交叉口的分布特征。研究结论对识别事故黑点、进一步提高交通安全水平具有现实意义。

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系,本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori,XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构,通过机器学习库scikit-learn中XGBoost(Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而,对Apriori算法设置有序定向约束,得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项,选取频繁项集,总结高置信度、高提升度的关联规则。关联因素模型评估结果表明,本文采用的SFM功能准确度可达78.31%,关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示,驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中,男性驾驶员造成的行人死亡事故频次较高,女性驾驶员造成的受伤事故频次较高;大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高;位于匝道等道路线型弯曲的坡道中,老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法,为有效保护道路弱势群体提供必要的理论支持。

川西深井漏涌卡钻井事故风险识别分析

针对川西海相雷口坡气藏开发钻井周期长、钻井成本高等技术难题,提出了川西深井漏涌卡钻井事故风险识别方法,建立了基于神经网络的钻井风险识别模型,研制了一套"川西深井钻井风险识别系统",将其应用于川西深井DS1井的钻井风险识别实例中,从DS1井井漏事故的识别来看,DS1井钻遇3 000~6 000 m区域井段,为漏失事故高发井段,在5 500 m漏失概率达到了98%,与DS1井钻进中发生钻井事故统计对比,识别漏失井段区域与现场统计的结果基本吻合,覆盖了整个钻井漏失区间,预测卡钻与溢流基本吻合,这为钻井风险事故的预防提供一定依据。

新建高速公路潜在事故风险点(段)识别方法

针对处于运营初期的新建高速公路缺乏历史事故资料,难以从统计学的角度分析事故分布规律的问题,以道路线形等设计资料为基础,利用模糊综合评判法进行潜在事故风险点(段)识别.根据线形特征划分道路单元,选取能反映线形特征的潜在事故风险点(段)识别指标,提出了疲劳驾驶和超速行驶的量化方法,并考虑每个道路单元自身的特点,用超标率法对确定指标权重的过程做了改进.利用MATLAB模糊逻辑工具箱和Simulink组件构建模型,实现模糊综合评判的全过程.最后,根据识别结果,对照设计资料,对识别出的潜在事故风险点(段)成因做出了分析.

基于WOMDI-Apriori算法的高速公路交通事故风险识别

为揭示高速公路交通事故发生内在机理、提升高速公路行车安全;首先,基于UW-DriveNet交通大数据平台,提取了2016年美国华盛顿州3万余条交通事故数据,从人、车、路、环境、事故、时间6个维度对数据集进行了样本结构设计;进而,提出了一种考虑定向约束和指标赋权的多维度交互改进Apriori关联规则挖掘算法,以基于区间层次分析法和灰色关联度的主客观联合赋权模型对数据字段进行权重优化;最后,应用该改进算法,对选定的高速公路路段进行了全映射事故致因角度和事故维度自相关角度的多维度交互的关联规则挖掘计算.结果显示,改进的WODMI-Apriori算法能更好地揭示高速公路的事故致因、更精确地识别事故风险因子,其算法精确度较传统Apriori算法提升了82.7%.结果表明,本文提出的WODMI-Apriori算法可作为高速公路交通事故风险识别工作中的一种行之有效的方法,并可为高速公路行车安全水平的提升提供理论指导.

大数据背景下交通事故多发路段识别与改造研究

随着近年来汽车保有量的持续增加,道路交通安全形势显得尤为严峻,交通事故发生率居高不下、交通管制能力不足的现状,已经严重危害到人们的生命财产安全。如何通过对大数据的分析,有效地识别出事故多发路段,并通过对零伤亡愿景的解读提出道路改造措施,为相关政府提出政策建议,从而为降低交通事故发生率发挥积极作用。

电网连锁性故障识别和风险评估基本框架与模型

电网连锁性故障常为稀有事件,传统随机评估法用概率测度刻画其不确定性,存在仿真精度与抽样次数间的矛盾。基于模糊性与随机性的统一性原则,用模糊性刻画连锁性故障的不确定性,并依据可信性理论,建立包含可信性测度、总负荷损失和风险测度的连锁性故障风险评价测度体系。用保护装置隐性故障模型刻画连锁性故障诱发机制,基于历史统计信息或人工预想事故集,提出电网连锁性故障识别和风险评估基本框架与数学模型。对WSCC 9节点和IEEE 30节点测试系统进行仿真,并与随机评估法比较,结果证明,所提方法准确、有效,样本依赖性小,有较好的鲁棒性,适合于工程应用。

基于改进事故频数法的山区高速公路交通事故多发点鉴别

为提升山区高速公路交通事故多发点鉴别水平,本文以滇东北某典型山区高速公路为研究对象,采集道路条件数据和2020-2021年的交通事故数据,分析交通事故分布情况及成因,针对性提出了基于改进事故频数法的山区高速公路交通事故多发点鉴别方法,并将其与交通事故实际分布情况对比以验证模型准确性。研究结果表明:①山区高速公路的交通事故多发路段主要分布在一般弯陡坡、急弯陡坡组合等先行不良路段;②以500m作为基于改进事故频数法的路段划分依据,交通事故多发点的鉴别结果的空间粒度更为精细;③后续研究将加强针对驾驶人的交通安全教育与宣传,提升交通执法力度,进一步提升山区高速公路的交通安全水平。

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下,可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。

基于监控视频的交通事故自动识别算法

为了充分发挥现有交通监控网络提供的有效信息,提高交通事故发生后的救援、责任认定和交通疏导效率,以交通监控视频网络为数据源,采用了精简的YOLOv3目标检测网络实现监控视频中车辆与行人的实时多目标检测。在多目标跟踪方面,为了提高deepSORT算法实时性和稳定性,提出了基于无向图的特征描述矩阵,通过对车辆类目标的二次特征提取进行deepSORT级联匹配。基于交通时空冲突判定设计了事故自动识别算法,对各交通参与者运动特征进行了甄别处理,实现了交通事故的自动识别和事故特征的自动化提取。通过对不同角度的监控视频进行了数据提取,人工标注了13000多张训练数据,完成了对精简YOLOv3网络的训练。采用50个典型交通事故案例对事故自动识别算法进行了测试。结果表明:精简YOLOv3网络能够实现对包括轿车、客车、行人等8种常见交通元素的识别平均精度超过80%;事故自动识别算法达到了80%的识别成功率和8%的虚警率。提取的事故信息不仅包含事故的时间和地点等简单信息,而且包含事故各方的速度、轨迹等高维运动特征和视频片段,对实现交通事故的远程快速处理和救援、缓解由于交通事故引起的拥堵压力等方面具有重要的意义。

刍议石油钻井工程项目风险识别及应对措施

在石油天然气工业勘探开发过程中,从油气的勘探到开采,每个环节都离不开钻井作业,钻井作业因为其高风险高投入越来越受到钻井工作者的重视。笔者从钻井的工程的各个环节入手,分析了钻井事故产生的原因以便于对风险进行识别,然后分别从技术层面和管理层面提出了相应的应对措施!

一种基于移动终端交通事故检测方法的研究

通过传统交通可测参数和移动终端采集到的交通数据,分析交通事故发生前后交通流的变化,根据移动终端采集道路上下游检测的数据,将实时采集的交通数据与正常交通情况下交通时间进行比对,超过交通时间未被下游检测点检测到的车辆数超过设定的阀值,则推算出上下游间发生交通事故,再根据通过上游的车辆序列、上下游间原本的车辆序列及未过下游的车辆序列,计算出事故造成的车辆堵塞数;最后设计检测算法。实验结果证明,本方法具有一定的可行性,能够适应道路交通状况。

基于驾驶行为和交通运行状态的事故风险研究

准确识别交通事故风险和及时掌握交通事故风险的变化对于交通事故的主动防控和减少交通事故的发生具有重要意义。现有的交通事故风险识别研究大多基于交通流、交通冲突等实时、动态参数,同时受以往数据采集技术的制约,风险驾驶行为在交通事故风险识别研究中的应用受到限制。为了更加准确的识别道路交通事故风险,本研究引入风险驾驶行为和交通流等大数据,提取急加速、急减速、急转弯、急并道以及交通流量、平均速度、拥堵指数等变量,结合事故数据构建交通事故风险识别模型。基于逻辑回归算法计算交通事故发生概率,对交通事故识别模型进行评价,一方面量化风险驾驶行为在交通事故风险识别中的贡献,另一方面分析事故发生前后,交通事故发生概率的变化趋势。研究结果表明,同时考虑交通运行状态和风险驾驶行为的交通事故风险识别模型的敏感度和AUC值分别提高5.00%和0.03,误报率和漏报率分别降低1.78%和5.00%,模型的拟合效果更好。此外,在交通事故发生前后,交通事故风险概率呈现明显上升趋势,是交通事故防控的重点时段,应在相应的路段及时采取防控措施降低交通事故风险的概率,避免发生交通事故。本研究可为交通事故的预防预警以及主动防控提供直观的依据。

痕迹检验技术在道路交通事故鉴定中的应用研究

近年来,随着我国车辆数量的逐渐增加,道路交通事故的数量逐年增加。涉及的道路交通事故的形式也复杂多样。当前,在司法鉴定的发展中,道路交通事故鉴定是一个新的方向和重要的发展内容,为道路交通事故的处理和审判提供了重要的技术参考。跟踪标识的使用与跟踪材料证据的比较和验证相结合,可为交警处理案件和深入调查后续事故提供有力的帮助。本文简要讨论了痕迹检验技术在道路交通事故识别中的应用。

“东方之星”号客轮翻沉事件遇难者个体识别

近年来,随着我国社会的不断发展,造成群死群伤的交通事故、重大火灾、安全生产事故等群体性灾难性事件在我国时有发生。如何科学规范、高效有序地处置此类事件,成为当前公安机关刑事技术部门及刑事技术人员面临的重要挑战之一。本文以2015年6月1日发生于湖北监利的"东方之星"客轮沉船事件个体识别工作为主线,回顾分析事件发生以后公安机关个体识别工作的处置经验,以期为各类群体性灾难事件的个体识别以及处置提供重要参考。研究认为,快速反应形成工作专班、科学高效指挥机制是群体性灾难事件个体识别的组织保障;科学规范的尸体检验方案,全面系统样本采集和个体识别手段是强有力的技术支撑。本文对群体性灾难性事件个体识别工作具有重要的参考价值。

基于STM32和MPU6050的AACN系统模拟与触发算法验证

车辆事故紧急呼叫装置(Advanced Automated Crash Notification,AACN)有助于实施事故后紧急救援,对减轻交通事故造成的人身伤害具有重要作用。文中使用STM32单片机和MPU6050模块搭建低成本车辆AACN模拟系统,配合电动试验小车构建AACN触发算法模拟验证系统,研究车辆AACN系统的事故识别触发算法。以正面碰撞和侧翻为研究对象,以采集的车辆关键参数为基础,采用长短期记忆(Long Short-Term Memory,LSTM)和双向长短期记忆(Bi-LSTM)神经网络辨识事故类型,结果显示,LSTM和Bi-LSTM神经网络对正面碰撞的识别率分别为96.41%、99.28%,对侧翻的识别率均在99.00%以上;使用基于速度变化原理的移动窗口算法进行实时事故检测对比验证,正面碰撞条件下触发正确率为93.3%。综合表明,利用MPU6050采集的车辆姿态参数类型和精度对AACN系统计算与识别是足够的,神经网络算法识别精度较高,神经网络算法和移动窗口算法均能满足AACN模拟系统的事故识别要求。