铁路交通事故中的人因分析

铁路交通事故不但会损耗大量的人力、物力,甚至会造成人员的伤亡,人为因素是导致交通事故的重要成因。本文利用灰色关联分析对2004-2009年的铁路事故案例分析进行运算,从而识别出导致事故的关键因素,同时量化这些因素与事故之间的关联度,从而有针对性的做好事前控制。     

灰色优化模型在交通量预测中的应用

交通量预测是道路交通规划与路面设计的基础,由于影响交通量生成和增长的因素有层次复杂性、关系模糊性、动态变化随机性和指标数据不确定性等,从来导致交通量的预测结果与路面实际运营数量之间有较大差异。利用灰色GM（1,1）模型理论,在公路交通量预测中,通过实例计算分析表明,灰色优化模型GOM比单一灰色模型具有更高的预测精度。     

基于BP神经网络的道路交通事故预测研究

随着我国机动化进程的加快,道路交通安全问题越来越受到人们的关注。对道路交通事故进行了机理分析,采用BP神经网络,建立可靠性较高的事故预测模型,提出了可预测事故发生因素导致事故发生概率值的研究方法。     

我国交通事故的现状分析

本文以1996～2005国家统计局公布的道路交通事故统计和社会经济发展统计数据为基础,做出时间序列分析,分析交通事故数、交通事故的受伤死亡数及主要构成。机动车事故是交通事故数的主要构成,摩托车事故的增长速度最快。平均每起交通事故受伤的人数一直是增长的趋势。从全国城市的交通状况数据分析出影响交通事故的最大因素的是汽车的拥有量。分析现状为防止交通事故的伤害提供基本的信息。     

智能交通技术在改善道路交通安全中的潜在优势分析

本文主要论述了智能交通技术在改善道路交通安全过程中,存在的优势,对当前道路安全形势和应对措施的变化进行有效的关注,对交通事故的影响因素进行分析,阐述智能交通系统的技术特点和独特作用,减少事故发生的风险。     

基于灰色扩维识别的农业面源污染驱动因素分析——以江苏省为例

针对农业面源污染的驱动因素分析中存在"少数据"和双向作用机制的问题,采用灰色扩维识别模型构建农业面源污染驱动因素识别方法。首先,阐述经济发展对农业面源污染的影响方式;然后,确定农业面源污染的主要测量指标——总氮排放量(TN),以及影响因素测量指标,建立基于灰色扩维识别的灰色关联度模型。通过分析各影响因素子序列与系统行为序列的灰色关联度,识别农业面源污染的驱动因素,为深入分析、有效治理和评价农业面源污染提供思路。     

澳大利亚开发出新型的道路安全系统

据澳大利亚统计,全国大货车占全部注册登记车辆的3％,但其造成的事故占全部交通事故的10％,占道路死亡交通事故的20％以上。美国国家道路交通安全局估计,有30％～40％的事故都是因为司机在昏昏欲睡的状态下造成的。因此,大货车司机的安全驾驶是保证道路交通安全的一个重要因素。     

道路交通安全的影响因素与综合评价

全世界每天都有3000多人死于道路交通安全事故之中,年死亡人数高达120万,还有5000万人在交通安全事故中受到不同程度的伤害,预计等到2020年,每年死于道路交通安全事故的人数将达到234万。我国道路交通事故的发生率也一直呈上升趋势,严重危害了我国民众的生命财产安全。频繁发生的道路交通安全事故使得人们越来越关注这个问题,为了寻找提升道路交通安全性的有效办法,对能够对道路交通安全造成影响的因素及道路交通安全的综合评价方法展开了探讨和研究。     

基于主客观偏差的灰色多属性决策方法

本文探讨了决策者有偏好、方案的属性值为区间灰数及属性权重完全未知的灰色多属性决策问题,提出了解决这种灰色决策问题的方法与算法.对于属性权重完全未知,提出了确定属性权重的基于主观与客观偏差的最小化优化模型.该决策方法既利用了客观信息,又尽可能地满足决策者的主观愿望.文中实例分析说明了所提出的灰色关联决策方法的合理性及其算法的有效性.     

川藏公路交通事故与天气条件的关系

公路交通事故的发生由各种主、客观的因素造成。本文利用2006年1月1日-2008年12月31日的气象资料与相对应的川藏公路发生的道路交通死亡事故进行统计分析,由于道路交通死亡事故是道路交通事故中有人员死亡的交通事故,它出现的概率、季节规律、与天气条件之间的关系应该能较为准确地反映出各种道路交通事故的出现概率、季节规律和与天气条件之间的关系。我们的研究结果表明,在排除人、车、路的原因外,在导致交通事故频繁发生的因素中,天气条件是一个不可忽视的重要原因。