论文部分内容阅读
随着我国国民经济的快速增长,道路交通运输业也进入加速发展的成长期。但是由于相关部门监管能力的匮乏以及运输行业的发展不足,近几年道路运输群死群伤的重特大恶性事故频繁发生。据统计,我国道路交通事故由于运输车辆导致的伤亡比例较高,且运输车辆易造成重特大交通事故,造成严重的生命及财产损失,因此货物运输车辆的运输安全问题已成为道路交通运输亟待解决的关键问题之一。车辆在途状态的监控和危险状态预警在车辆安全方面已经受到了全球很多国家的重视。作为造成重特大交通事故比例较高的货物运输车辆,对其在途状态的监测预警更成为重中之重,货运车辆危险状态的监测和评价是监控预警技术的基础,也成为车辆安全研究的前沿技术和热点。本文从人、车、路(环境)和货物四个方面进行研究,对风险源进行实时监测并构建了货运安全评价模型。首先,分析货物运输的共性特征,并对运输作业情况下的货运车辆进行风险评价;结合货运事故数据,采用风险评价指数法从人、车、路(环境)和货物四个方面总结子风险源,根据风险指数的大小筛选风险源并构建了货运风险指标体系。其次,对影响货运安全的四大要素人、车、路(环境)和货的12个风险源的现有监测方法进行详细的分析,并构建人、车、路(环境)和货物的货运风险监测系统。最后,基于BP神经网络和人、车、路(环境)和货物四大要素,提出了一种货运安全BP神经网络评价模型。对于风险源进行量化分成五个等级,采用Matlab软件随机函数并结合模糊层次分析法构建训练和测试数据库;采用训练数据库训练神经网络,确定网络结构。随机选取8组测试数据进行评价模型的测试,测试结果分别为93.3%、90.0%、90.0%、83.3%、90.0%、86.7%、86.7%和 90.0%,实验结果证明了构建模型的有效性。