论文部分内容阅读
随着我国经济及道路运输业的迅速发展,客货物运输作为实现社会生产、分配、交换、消费等各个环节得以正常进行的重要手段,运输需求与运输量在近几年持续上涨,但随着车辆数量的增加,道路网日趋复杂,交通事故率也在逐年增长。其中营运车辆作为客、货运输的重要媒介,在实现高效便捷的客、货运输的同时,也随之引发了一系列日益突出的交通安全问题。营运客车虽保有量在所有车型中所占比例较小,但却因运量大、运行距离远、运行时间长,驾驶人在驾驶过程中易出现疲劳、超速驾驶等违法行为,存在较大的安全风险隐患。虽然由于车联网技术在道路运输安全管理中的广泛应用,目前大部分地域已实现了对营运客车的实时监控,可识别驾驶人超速、打电话等不良驾驶行为,但其只能实现对不良驾驶行为发生后的被动管理,同时无法对驾驶人做出因车辆性能、道路条件、天气等因素变化产生的行车风险进行“提前”预警,因此通过识别营运客车运行风险,制定风险防范对策,对提高营运客车运行安全水平具有重要意义。本文以识别营运客车运行风险要素,评价其运行风险并相应的制定其风险防范对策为研究目标。首先基于营运客车交通事故发生规律,分析其时空分布、事故形态等特征,根据行车的安全性,从人、车、路、环境及管理方面对营运客车运行风险源进行识别。进一步通过构建风险指数评价模型,对营运客车运行的多维风险源进行筛选,识别其风险要素,进而构建营运客车运行风险评价模型,分析营运客车行车过程的风险大小、分布。最后通过实例应用对风险模型的准确性进行了验证,并根据风险分析结果提出了相应的风险防范对策。本文主要做了以下四方面工作:(1)基于云南省2010~2017年营运客车交通事故数据,分析营运客车交通事故分布特征,研究营运客车运行风险特征,并从人为因素、车辆因素、道路环境因素、管理因素四类风险分类识别营运客车运行风险的风险源。(2)基于识别出的营运客车运行风险源,通过构建风险指数评价模型筛选出行车风险要素,并进一步结合营运客车交通事故分布特征,对营运客车运行风险要素评价指标体系进行建立。(3)基于营运客车运行风险系统存在复杂性、随机性和模糊性,结合模糊理论和神经网络技术,构建了包含输入层、模糊化层、隐含层、输出层及去模糊化层的FNN风险评价模型,评估其车辆运行期间的风险大小,进一步引入小波分析理论,通过改进BP神经网络隐含层激励函数对FNN风险评价模型进行了优化,结果表明优化后的风险评价模型可以有效的提高风险分析速率和风险计算结果精度。(4)本文以动态监控平台采集得到的云南省某运输集团营运客车运行监测数据和调查数据,通过将采集的风险要素指标数据输入构建的营运客车风险评价模型,对其行车风险大小、分布及重点风险源进行了识别,并提出了相应的防范对策。