交通事故因素分析与预防

城市的不断发展已经导致城市交通事故的频繁发生,能否对已发生事故做出正确的分析将直接影响到能否对未来类似事故的成功避免.本文提出了一种新的数据分析方法,其结合了数据挖掘领域中的多维关联规则技术和概率统计学中的多元线性回归模型,充分发挥两者的优点.在对大量交通事故记录的方法进行分析中,不仅找出交通事故的发生规律,并通过影响算子对其进行二次加工,从中得出直观的参数函数,使得交通管理人员或城市规划者能在交通管理中方便地运用这些函数,不但可以对交通事故的产生做定量的分析,还可以直观地获得改进建议.     

审计数据多维关联规则挖掘算法

现代信息技术在审计中的广泛应用导致审计数据量的快速增长,能否对这些审计数据作出正确的分析将直接影响到能否对可能出现的问题进行及时预测和调整.提出一个基于多维关联规则分析审计数据的挖掘算法,通过找出可能出现问题的频繁因素组合来发现这些问题发生的规律,并将此规律作为现实中预防举措的依据.     

基于关联规则的交通事故影响因素的挖掘

道路交通安全是一个公共的安全问题,每年因交通事故死亡的人数在所有安全事故导致的总死亡人数中占比最高。随着大数据智能分析技术的发展,广泛利用交通数据朔源事故原因,有利于提出针对性措施,预防交通事故的发生。文中针对导致交通事故的原因具有多样性的特点,提出利用交通事故的相关新闻数据,广泛结合新闻报道具有的 真实性和时效性特点来进行交通事故因素及责任的分析。以新浪网站交通事故新闻为数据源,从新闻事件中提取引发交通事故的相关因素。针对经典Apriori只适用于单一维度的关联挖掘以及需要频繁扫描数据库的缺点,提出了改进的多值属性Apriori算法。以省市为关注点,挖掘出导致事故发生的多种组合因素,由此总结出省市多发交通事故的规律,并提供给有关部门作为采取预防和监管措施的依据。     

道路交通事故中关联规则挖掘研究

为了有效地对交通事故进行预测,发现交通事故中的潜在规律,本文通过多维关联规则挖掘方法在Clemetine 11.0中建立Apriori关联规则挖掘模型,挖掘导致交通事故发生的频繁因素组合,从中找到规律,从而为交通管理部门采取相应的预防措施提供决策支持。     

空间语义增强下的城市交通事故数据可视分析

目的 海量城市交通事故数据可能蕴含有交通事故的空间模式，挖掘出交通事故的空间模式有助于开展交通事故的防治工作。目前交通管理部门虽然记录了交通事故发生地的空间位置信息，但没有对事故发生地进行空间语义描述，从而影响对交通事故空间模式的深入分析。因此，提出一种交通事故数据空间语义增强方法，并设计了一套可视分析系统。方法 基于城市兴趣点来增强交通事故数据的空间语义。以事故发生点为中心获取周围城市兴趣点，使用特征向量刻画兴趣点的数量、类别及其与事故发生点的距离，并称此向量为空间语义特征向量。将空间语义特征向量和相应的交通事故关联，以达到增强其空间语义的目的。然后，基于空间语义特征向量，使用自组织映射聚类算法对交通事故进行聚类分析，根据其空间语义特征将交通事故分为若干类别。最后，通过使用地图视图展示事故点数据、聚类视图和平行坐标视图展示聚类分析的结果及其空间语义特征的可视化方法，对交通事故的空间模式进行分析。结果 针对空间语义增强的交通事故数据以及相关分析任务，有效地使用上述数据分析方法与可视化技术，设计并实现了一套多视图关联的可视分析系统，提供了便捷的交互方式辅助用户分析。通过研发人员和交通警察共同对安徽省合肥市2018年的交通事故数据进行分析，将交通事故发生地划分9类并指出每类地点的空间语义特点，进一步分析出了事故高发区域的空间语义特性。结论 本文提出的交通事故数据空间语义增强方法和可视分析方法可以帮助用户揭示交通事故的空间语义模式，有助于深入分析和认识交通事故的成因，能为交通事故防治相关的城市建设工作提供建议。     

你是我的眼 威仕特R1测试报告

正经济建设的快速发展,间接带动了城市路面交通的快速变革,新的道路规划让城市变的不在熟悉,猛增的汽车保有量也让路面交通如履薄冰,这也导致城市道路交通事故概率在不断增加,而当事故发生后往往会在认定责任上出现较大的意见分歧,这也促使行车记录仪成为行车中必不可少的产品之一。本期我将为大家全面评测威仕特推出的首款行车记录产品R1,让我们共同来看看这款"生力军"能否胜任新环境下的行车记录。     

你是我的眼——威仕特R1测试报告

经济建设的快速发展,间接带动了城市路面交通的快速变革,新的道路规划让城市变的不在熟悉,猛增的汽车保有量也让路面交通如履薄冰,这也导致城市道路交通事故概率在不断增加,而当事故发生后往往会在认定责任上出现较大的意见分歧,这也促使行车记录仪成为行车中必不可少的产品之一。本期我将为大家全面评测威仕特推出的首款行车记录产品R1,让我们共同来看看这款“生力军”能否胜任新环境下的行车记录。     

基于残差网络的智能轻微交通事故处理系统设计

伴随经济的飞速发展,人们生活水平的提高,私家车数量与日俱增,轻微交通事故频繁发生。文中针对无人员伤亡的轻微交通事故,通过对图像采用空间域锐化滤波处理;使用残差网络构建事故损伤鉴定模型;借助迁移学习提取多车事故多角度图像的特征并融合,构建事故责任鉴定模型;构建一个能够自动处理并有效提高轻微交通事故处理效率的系统。该系统旨在缓解交通事故发生造成的交通堵塞现象,更好的为广大车主提供快捷的服务。     

车辆碰撞事故再现技术的发展

事故再现技术是鉴定事故责任和分析事故原因的方法之一。通过对国内外车辆碰撞事故再现技术的回顾,总结了车辆碰撞交通事故再现技术的一般仿真算法计算流程,探讨了事故再现技术中影响仿真速度和精度的主要原因,其中估计车辆的初始碰撞位置参数进行迭代计算将导致较长的计算时间,忽略车辆的塑性变形和驾驶员的操纵行为将导致模型的不精确。展望了事故再现技术的发展趋势,未来的交通事故再现技术将能够推断驾驶员的操纵行为,模拟出驾驶员的生理心理变化,并能进行事故预防分析。     

交通事故等级与事故时间关联性的粗集分析

利用粗集理论,以事故等级为指标,分别以月、周、日和小时为时间粒度,以吉林省某高速公路1999 年～2004年发生的交通事故统计数据为例,对道路交通事故等级的时间分布规律进行分析。结果表明,道路交通事故等级与时间有密切的关系,并且不同时间粒度对交通事故等级影响的重要程度又存在显著差别。     

自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

城市交通事故的局部相关性可视分析方法

交通事故数据蕴含有交通事故规律,如交通事故与天气、时间、道路等因素的关 联规律,值得深入挖掘。虽然天气、时间、道路等因素对交通事故均有影响,但对不同区域交 通事故的影响不尽相同,即具有局部相关性。挖掘局部相关性能更好地揭示这些因素与交通事 故之间的相关性。为此提出一套分析挖掘交通事故数据中所蕴含的局部相关性的方法。首先基 于交通事故数据提取事故多发路段,每个事故多发路段包含有位置、时间以及相关的交通事故 信息;然后提出一套聚类支持的局部相关性可视分析方法分析事故多发路段：①以待分析因素 直方图(如天气直方图、时间直方图)刻画事故多发路段;②基于直方图相似性对事故多发路段 进行聚类分析;③在多关联视图支持的交互环境中进一步观察、分析聚类结果以挖掘待分析因 素与交通事故之间的局部相关性。通过分析安徽省合肥市 2015-2018 年交通事故接警数据,取 得了一些有意义的分析结果,验证了该方法的有效性。     

Traffic lights detection and recognition based on multi-feature fusion

Many traffic accidents occurred at intersections are caused by drivers who miss or ignore the traffic signals. In this paper, we present a method dealing with automatic detection of traffic lights that integrates both image processing and support vector machine techniques. Firstly, based on the color characteristics of traffic lights, the paper proposes a method of traffic light segmentation in RGB and HSV color space. And then, according to the geometric features and backplane color information of traffic lights, we design an algorithm to remove false targets in images. Moreover, in order to solve traffic lights diffusion problem, we apply a strategy that we first map the candidate regions onto the original image, then using Otsu algorithm re-extract the target region. Finally, HOG features are extracted from the target regions, and recognized by the trained SVM classifier. Experimental results show that the proposed method has relatively high detection rate and recognition accuracy in different natural scenarios, and is able to meet real-time requirements.     

基于AHP和混合Apriori-Genetic算法的交通事故成因分析模型

针对交通事故数据多维多层的特点,对交通事故的主要成因与潜在规律进行了研究。从驾驶员、车辆、时间—地点、环境四个维度出发,提出了基于层次分析法（AHP）和混合Apriori-Genetic的模型挖掘事故成因。首先,引入AHP对事故诱发因素进行重要度排序,在客观分析的基础上将事故因素量化,筛选出引发交通事故的主要因素;其次,结合混合的Apriori和遗传算法对主要因素进行定向分析,找出关联规则,提高挖掘的准确性。相关对比实验的结果表明该模型可以减少无用规则的产生并提高挖掘的准确性,具有一定的科学意义和应用价值。     

基于关联规则理论的道路交通事故数据挖掘模型

根据数据挖掘技术中的关联规则理论,提出"道路交通事故属性"的定义,并建立一种新的道路交通事故数据挖掘模型,利用改进的多维多数据类型的Apriori算法,从记录交通事故的数据库中发现潜在的、有价值、有联系的规律,用以指导交通管理部门找出道路黑点,并做出决策,杜绝事故隐患、减少事故发生,保障人们的生命和财产的安全。     

VEACON: A Vehicular Accident Ontology designed to improve safety on the roads

Vehicles are nowadays provided with a variety of new sensors capable of gathering information about themselves and from their surroundings. In a near future, these vehicles will also be capable of sharing all the harvested information, with the surrounding environment and among nearby vehicles over smart wireless links. They will also be able to connect with emergency services in case of accidents. Hence, distributed applications based on Vehicular Networks (VNs) will need to agree on a ‘common understanding’ of context for interoperability, and, therefore, it is necessary to create a standard structure which enables data interoperability among all the different entities involved in transportation systems. In this paper, we focus on traffic safety applications; specifically, we present the VEhicular ACcident ONtology (VEACON) designed to improve traffic safety. Our ontology combines the information collected when an accident occurs, and the data available in the General Estimates System (GES) accidents database. We assess the reliability of our proposal using both realistic crash tests, held in the facilities of Applus+ IDIADA in Tarragona, Spain, and Vehicular Network simulations, based on the ns-2 simulation tool. Experimental results highlight that both nearby vehicles and infrastructure elements (RSUs) are correctly notified about an accident in just a few seconds, increasing the emergency services notification effectiveness.     

A Multiobjective Particle Swarm Optimization-Based Partial Classification for Accident Severity Analysis

Reducing accident severity is an effective way to improve road safety. In this article, a novel multiobjective particle swarm optimization (MOPSO)-based partial classification method is employed to identify the contributing factors that impact accident severity. The accident dataset contains only a few fatal accidents but the patterns of fatal accidents are of great interest to traffic agencies. Partial classification can deal with the unbalanced dataset by producing rules for each class. The rules can be evaluated by several conflicting criteria such as accuracy and comprehensibility. A MOPSO is applied to discover a set of Pareto optimal rules. The accident data of Beijing between 2008 and 2010 are used to build the model. The proposed approach is compared with several rule-learning algorithms. The results show that the proposed approach can generate a set of accurate and comprehensible rules, which can indicate the relationship between risk factors and accident severity.     

基于电涡流传感器的车辆超速检测研究

车辆超速行驶是引发交通事故的重要因素。本文以单车道为例,在公路上相距一段距离埋设两个电涡流传感器,当汽车通过电涡流传感器时,产生脉冲信号,通过单片机编程对信号进行实时处理,最终得到汽车的行驶速度。实验表明,此方法可有效检测和记录各路段超速行驶的车辆,最终达到让驾驶员自觉遵纪守法、遵章驾驶和降低交通事故发生率,提高安全和畅通行车能力的目的。