一、如何进行事故严重程度分类（论文文献综述）
孙轶轩[1]（2014）在《基于数据挖掘的道路交通事故分析研究》文中研究指明“十二五”时期,随着我国经济社会发展保持较高增长速度,城镇化深入发展,道路交通基础设施日益完善,机动车保有量、驾驶人数量和道路交通流量持续增长,道路交通在支撑和引导经济社会发展方面的作用越来越明显。随之而来,道路交通安全问题已日益发展成为事关人民生命财产安全、影响和制约经济社会发展质量效益的关键性问题,在国家安全战略高度得到了关注和重视。道路交通事故是人、车、道路、环境等动静态因素耦合失调而导致的人或物同时受损的过程。道路交通事故历史数据可直接反映事故发生时人、车、道路、环境等因素间的作用关系。鉴于道路交通事故发生的多因素性、偶然性和模糊性等特征,对其进行分析研究一般以道路交通事故历史数据为研究对象,相关理论和方法的提出,旨在多角度、多层次的分析道路交通事故的影响因素,揭示出各类事故历史数据间相互关联作用的潜在规律与特征,有效辅助交通安全管理及事故防治。数据挖掘技术是从大量数据中挖掘隐含的、未知的、对决策具有潜在价值的概念、规则、规律、模式的数据分析方法。把道路交通事故历史数据作为数据挖掘对象,对道路交通事故进行分析研究,重点和难点在于：一方面,事故历史数据多用于对“事故起数”、“受伤人数”、“死亡人数”和“财产损失”四项指标的描述性统计,其潜在信息价值未得到充分挖掘和反映；另一方面,事故历史数据的离散性、多维度和模糊因素集合等特征,以及信息采集过程中存在的完整性、客观性以及标准化等方面的问题,导致事故历史数据挖掘存在各种应用局限,进而直接影响传统数据分析理论与方法的应用效果。本论文针对我国道路交通事故信息采集数据的特点及数据分析应用中的关键问题,从事故严重程度分析、事故预测和事故致因分析三个方面,运用分类、回归、聚类分析、关联规则挖掘等数据挖掘相关理论与方法,构建基于数据挖掘的道路交通事故分析体系,深入探究道路交通事故与人、车、道路、环境等要素的作用关系。取得如下主要研究成果：（1）以道路交通事故信息采集数据为研究对象,采用数据挖掘相关理论和方法,构建道路交通事故分析体系,为揭示交通事故影响因素及作用规律、预测事故发展趋势、改善事故预防机制和提高道路交通系统安全水平提供数据基础和理论依据。（2）在对道路交通事故的人、车、道路、环境等背景因素分布特征与影响机理充分认识的基础上,比较研究各国道路交通事故信息采集技术和数据特征的异同,重点分析我国现行道路交通事故信息采集领域,特别是事故信息数据结构的现状和特点,为执行数据挖掘准备奠定了基础。（3）引入数据挖掘理论的分类思想进行事故严重程度分析研究,按照二分类和多分类方法分别构建线性和非线性事故严重程度TPMSVM分类模型。同时,建立基于特征选择的事故严重程度背景因素分析方法,依据各特征变量对模型分类效果贡献程度的重要性排序,挖掘得到影响事故严重程度的核心特征变量。在实证研究环节,通过特征选择、参数寻优算法,分别获得交叉验证条件下的线性和非线性分类最优精度和特征变量重要度排序。（4）提出基于ARIMA和SVR的时间序列组合预测模型,实现对事故四项指标的时点预测。同时,为获取道路交通事故的总体变化趋势和变化空间的预测信息,进一步研究基于信息粒化SVR的趋势预测模型,通过构造三角模糊粒子并通过SVR模型实现了对事故四项指标序列的趋势和范围预测,并进行实证研究。（5）基于道路交通事故的微观特征分布进行事故致因分析,分别构建基于两步BIRCH算法的严重事故特征聚类分析模型和基于决策树的事故原因识别模型,实现对道路交通事故致因分析的微观挖掘。
《中国公路学报》编辑部[2]（2016）在《中国交通工程学术研究综述·2016》文中提出为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
张丽丽[3]（2017）在《水上交通事故致因问题研究》文中研究指明随着我国对外贸易的持续稳定增长、码头泊位等水运基础设施的日益完善、船舶保有量的不断增加,水上交通在引导和支撑经济社会发展方面的作用越来越明显。随之而来,水上交通安全隐患增加,水上交通事故尤其是重特大事故时有发生,严重威胁着人民生命财产安全、影响和制约着社会经济发展效益。因此,对水上交通事故致因问题进行深入研究,对预防事故发生、提高水运安全性具有重要的理论价值和实践指导意义。水上交通系统是由人、船、环境、管理等多种要素构成的复杂动态系统,而水上交通事故是由人、船、环境、管理等方面影响因素耦合失调引发的对人和物的损伤过程。事故影响因素与事故间的作用关系反应了事故发生时的潜在特征和规律,对事故影响因素进行研究有利于挖掘事故发生的深层次致因。水上交通事故按照后果严重程度分为不同等级,其中,重特大事故比一般事故造成的经济损失和人员伤亡更严重,但现有相关研究大多将所有严重程度事故一概而论,难以确定重特大事故是否只是一般事故的简单扩大化,它们是否具有相同的影响因素、作用机理和发生规律。因此,本文在考虑水上交通事故不同严重程度的基础上,从事故与人、船、环境、管理等因素间的作用关系角度出发,运用分类、决策树、博弈等理论方法,对事故致因进行深入探究。具体内容如下:首先,以我国水上交通历史事故调查报告为基础,归纳总结事故影响因素并进行量化处理,利用数据挖掘理论中的分类思想,构建事故严重程度影响因素识别模型,通过实证分析,识别出影响事故严重程度分类的核心因素,并验证结果的准确性;然后,在识别得到的事故严重程度影响因素基础上,构建水上交通事故影响因素组合决策树模型,利用对比分析法优化模型关键参数,根据得到最优决策树和生成的推理规则集,提取易引发重特大水上交通事故的影响因素组合模式,并进行分析;最后,分析水上交通安全监管系统中政府部门、航运企业、船员间的博弈关系,构建三者间的两两非合作博弈模型,通过求解和分析纳什均衡,探讨政府部门监督管理不足、航运企业安全管理不充分、船员操作违规引发事故的深层机理和规律,并提出相应的对策建议。
《中国公路学报》编辑部[4]（2017）在《中国汽车工程学术研究综述·2017》文中研究说明为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度（Noise,Vibration,Harshness,NVH）控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统（ADAS）、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
吴芮[5]（2020）在《基于BP神经网络的道路交通事故严重程度分析预测》文中研究表明由于我国在经济方面发展十分迅速,随之机动化水平也越来越高,伴随着事故发生也越来越频繁,使我们的生命安全和财产安全都受到了极大的影响。因此,众多学者长期以来一直在研究道路交通事故,探究各方面的因素对交通事故的影响,以研究内在规律来提供行之有效的方法来预防交通事故。对交通事故预测的研究,除了数理统计的方法,最常用的就是数学建模。而如何选择适合交通事故这种呈现不确定性和非线性的复杂问题的建模方法,是国内外研究人员一直以来探究的方向。本文采用基于BP神经网络的方法建立数学模型,考虑到BP神经网络自身的优点,并且可以和其他方法有效结合,共同建立一个适用性良好的预测模型。本文提出基于BP神经网络不同算法的预测模型来预测事故严重程度,并验证了基于遗传算法的BP神经网络模型更适用于分析交通事故的致因与严重程度的复杂关系。首先,本文学习了BP神经网络基本原理以及学习过程等,了解了遗传算法是如何结合BP神经网络进行建模的;其次,选取了8个省从2011年至2019年共4958例有效道路交通事故案例,研究并建立道路交通事故的严重程度预测模型;在分析了交通事故与人、车、路、环境等因素关系的基础上,基于数据综合考虑了影响道路交通事故的19个因素,并通过one-hot将编码后的逻辑变量作为输入变量,基于所给数据将轻微事故、一般事故、重大事故和特大事故这四类道路交通事故等级作为输出变量,并利用SPSSAU软件对各因素变量与严重程度类型之间进行了相关关系的分析;然后,基于MATLAB编程用2011年至2018年4182个的道路交通事故数据来训练建立没有遗传算法优化的BP神经网络预测模型和遗传算法优化的BP神经网络预测模型;最后,利用2019年776个道路交通的事故数据进行预测,对比两种模型的预测结果。结果证明,两种预测模型能够进行准确有效的预测,且遗传算法优化的BP网络,它的预测更精确。运用模型对事故严重程度进行预测,可以提前对事故进行预防,或者事故发生后降低伤害。
刘华荣[6]（2017）在《我国高校户外运动风险管理研究》文中提出户外运动深受大学生青睐,从21世纪伊始在高校得到快速普及,但相关风险因素复杂特殊,其安全问题未得到充分认识,学生发展、人才培养、学校声誉等因此受到潜在威胁,学界理应给予应有观照。本文以“理论构建与实证研究结合、调查研究与理论分析结合、定性分析与定量论证结合”三原则为指导,审视高校户外运动风险及其管理问题,旨在尝试构建相关理论体系,探索一般范式和防控模式。研究遵循如下思路:从内涵、目标、特性、原则等方面构建高校户外运动风险管理的理论体系;对风险源、风险因素识别归纳,并分类阐述;对风险因素进行帕累托分析排序,以层次分析、列表排序和风险矩阵评估的结果作为验证和补充,完成风险评估;以风险应对基本策略为指导,阐述高校应对户外运动风险的基本措施;依据量化结果,从框架、要素、功能等维度探讨高校户外运动风险防控体系的构建问题。研究认为:（1）高校户外运动风险管理,是针对高校户外运动发生人身损害和不利后果程度的不确定性实施识别、评估和应对,以最小成本尽力降低风险发生概率和减少损失的动态过程;具有力求规避人身安全风险、目标多元化、贯穿全过程、坚持系统观点和存在内在规律等特征;应遵循全面周详、预防为主、量力而行、及时反馈、弹性调整、成本效益对比、整分合等原则。（2）高校户外运动风险因素包括人、物、环境及其他等4大类16小类173条。学生、器材装备、气象条件分别为前三大类的关键因素。150个案例中,由人员、环境、物质直接引发的事故分别占59.33%、25.33%、14.00%。（3）学生、教师、气象条件、社团负责人是高校户外运动的主要风险源,各类风险源主要因素条目数分别为8、7、2、5条,次要因素2、3、1、2条。（4）高校户外运动可采取回避、承担、转移和减缓等四种风险应对策略,分别适用于发生可能性大且后果严重、后果损失小频率低或频率高损失较小、后果非常严重且损失巨大、必须面对的等各类风险。（5）高校户外运动风险防控体系由五个系统构成,识别评估系统依靠定性定量分析实现辨识分类;事前预防系统通过回避（10类风险）和预防（53类风险）实现防患于未然;现场监控系统依靠四级联动立体监控模式实现监督、预警和控制（47类风险）;事后减损系统通过应急救援减轻伤害和损失;责任转移系统通过保险、免责协议或打包销售等向第三方转移损失。
索晓[7]（2018）在《煤矿瓦斯爆炸事故致因分析方法与应用研究》文中进行了进一步梳理瓦斯爆炸事故作为五大煤矿井下灾害之一,严重影响我国煤矿安全生产的状况,对其致因进行全面分析,为预防该类事故提供参考依据显得尤为必要。综述发现对瓦斯爆炸事故的致因分析研究中,研究方法缺乏系统性,绝大多数研究中采用经验归纳、单个事故案例总结、观察、文献梳理、访谈等方法,表现出主观性较强或以一概全的情况。其次,对导致瓦斯爆炸事故的致因因素分析不全面,在不安全动作致因和物态致因层面分析较多。因此,本文建立系统性的瓦斯爆炸事故致因分析方法,对导致瓦斯爆炸事故的人因、物因、组织因素和外部因素进行全面分析,为瓦斯爆炸事故的风险评价和事故预防提供更全面的参考。本文使用文献综述法和对比分析法,确定了进行事故案例研究的理论基础,并在此基础上建立煤矿瓦斯爆炸事故致因分类系统。随后选取可公开获取的具有详细事故案例描述的瓦斯爆炸事故案例54起（2013年后各地煤监部门网站开始向社会公布全年发生的较大及以上瓦斯爆炸事故详细事故案例报告,至2016年,共54起）,进行了致因因素的统计分析。最后基于统计分析结果对瓦斯爆炸事故的致因因素的相关性进行分析。主要研究工作和结论如下:（1）对比分析了十种事故致因模型的优缺点和适用范围。事故致因模型趋于全面包含人因、物因、组织因素和组织外部因素;所描述事故的发生路径由简单链式向系统网状发展;在选用系统性事故致因模型时,重视充分性,可选用如STAMP（Systems Theoretic Accident Model and Processes）和FRAM（Functional Resonance Analysis Method）此类无致因分类的模型,以保证分析的深度和广度,但此类方法学习成本较高且在大量事故的统计分析上存在障碍;重视效率,可选用如CREAM（Cognitive Reliability and Error Analysis Method）和24Model此类事故致因分类的模型,且此类方法可进行大量事故的统计分析。为满足系统的事故致因分析和统计分析的需求,本文选用了24Model作为研究的理论基础。（2）建立了基于24Model的煤矿瓦斯爆炸事故致因分类系统（24Model-Mine Gas Explosion,24Model-MGE）并阐述了事故分析原则和方法。阐述了事故致因、事故的影响对象、事故、事故的后果之间的关系,并将本研究分析的对象界定为事故。确定了事故分析方法步骤为:（1）提取近因致因因素;（2）按照24Model-MGE的分类模块提取导致近因致因因素的致因因素,逐层迭代,至全部致因因素确定完毕;（3）利用反事实检验（counterfactual test,CT）和因果充分性检验（causal sufficiency test,CST）对提取的致因因素进行充分性和必要性检验。通过对瓦斯爆炸事故的致因因素的分析,证实了24Model-MGE的可行性和合理性。通过单起事故的分析验证了24Model-MGE进行瓦斯爆炸事故分析的可行性;通过54起事故的统计分析验证了24Model-MGE进行大量瓦斯爆炸事故统计的可行性。（3）利用24Model-MGE对54起瓦斯爆炸事故的不安全动作致因、个体因素致因、不安全物态致因、安全管理体系致因、安全文化致因和外部因素致因进行了统计分析。a)探究了导致瓦斯爆炸事故的不安全动作致因,并分别给出了各功能部门的不安全动作致因因素列表。结果表明管理层发出不安全动作对全部不安全动作的比（以下简称占比）最高,为54.20%,是不安全动作致因中改进的重点。主要生产部门,采煤队、掘进队、通风队和安全科发出不安全动作占比分别为8.29%、3.52%、16.58%、8.60%,合计占比36.99%。其他部门发出的不安全动作占比较低,机电队为1.55%,运输队为0.31%,生产技术科为4.97%,生产调度中心为1.35%,设备中心为0.41%,财务科为0.21%。b)探究了导致瓦斯爆炸事故的个体因素致因。结果表明管理层的个体因素纠正重点在安全意识、安全习惯和安全心理上。主要生产部门中采煤队、掘进队、通风队的个体因素纠正重点在安全知识、安全习惯和安全心理上;安全科的个体因素纠正重点在安全习惯和安全心理上。其他部门中机电队的个体因素纠正重点在中安全知识、安全习惯、安全心理上;运输队的个体因素纠正重点在安全意识、安全心理;生产技术科的个体因素纠正重点在安全心理。生产调度中心、设备中心、财务科的个体因素体总体出现频次较低,不具有规律性。c)探究了导致瓦斯爆炸事故的不安全物态致因,并给出了不安全物态的致因因素列表。瓦斯爆炸事故中对不安全物态致因预防的重点为,瓦斯积聚中的通风系统不合理、不可靠（27次）、通风机供风不足（19次）、采空区瓦斯涌出（12次）;点火源中的电火花（19次）和放炮火花（14）;技术设施中的安全避险“六大系统”缺欠（30次）;环境条件中的不具备安全生产条件（7次）。d)探究了导致瓦斯爆炸事故的安全管理体系缺欠致因,并给出了安全管理体系缺欠的致因因素列表。结果表明检查（140次）、实施和运行（137次）是预防瓦斯爆炸事故阶段中安全管理体系缺欠致因中改进的重点;其中检查中高频致因因素为事件调查、不符合项的纠正和预防措施（98次）;合规性评价（38次）。实施和运行中高频致因因素为资源、作用、职责、责任和权限（62次）;能力、培训和意识（36）;运行控制（23次）。其余安全管理体系致因中,策划共出现34次,高频致因因素为危险源识别,风险评价和预防措施的确定（20次）。管理评审和安全方针分别出现25次、1次。e)探究了导致瓦斯爆炸事故的安全文化缺欠致因。结果表明安全承诺（201次）、安全责任（171次）、安全管理体系质量（146次）出现频次最高,是预防瓦斯爆炸事故阶段中安全文化提高的关键。安全实践活动认知（103次）、安全机构作用（99次）、安全参与程度（54次）是对企业安全管理中具体某一方面的针对性指导,完善这三类安全文化理念起到巩固预防的作用。f)探究了导致瓦斯爆炸事故的外部因素致因,并给出了外部因素的致因因素列表。结果表明监管部门（480次）是在预防瓦斯爆炸事故阶段中外部因素改进的重点,其中高频致因因素为对下级单位履职监管（143次）、安全生产工作监管（79次）、安全生产主体责任监管（71次）。上级单位（64次）的高频致因因素为安全生产工作监管不力（15次）、技术管理不到位（10次）。其他（3次）表现为中介机构随意出具矿井安全评价报告（3次）。（4）对不安全动作、个体因素、安全管理体系、安全文化和监管部门与事故严重程度间的相关性进行分析。结果表明瓦斯爆炸事故严重程度与不安全动作、个体因素、安全文化和监管部门四个维度相关。其中不安全动作维度、安全文化维度、监管部门维度、个体因素维度中分别有16项、5项、5项、3项关键致因因素与瓦斯爆炸事故严重程度相关。（5）对个体因素、安全管理体系、安全文化、监管部门与不安全动作间的相关性进行分析。结果表明斯爆炸事故中不安全动作致因因素与安全文化、监管部门、安全管理体系和个体因素四个维度相关。其中安全文化维度、监管部门维度、安全管理体系维度、个体因素维度分别有14项、8项、5项、4项关键致因因素与不安全动作致因因素相关。（6）瓦斯爆炸事故的预防是一个系统的工程,需要建立全方位的措施。导致瓦斯爆炸事故的致因涵盖了人的因素（不安全动作和个体因素）、物的因素（不安全物态）、组织因素（安全管理体系缺欠和安全文化缺欠）、外部因素。因此在对瓦斯爆炸事故进行预防时需要从以上因素全面着手,进行整体控制。
刘昕宇[8]（2016）在《基于数据挖掘的道路交通事故序列模式与严重程度预测研究》文中进行了进一步梳理随着机动车保有量的不断增长,道路交通安全问题也日益突出,世界各国都非常重视并长期致力于降低道路交通事故数量或事故中人员与财产损失。道路交通事故的发生与交通系统中人、车、路、环境等多方因素的影响密不可分。交通环境因素作为外因,驾驶员行为因素作为内因,两者耦合失调导致了交通事故的发生。道路交通事故历史数据直接反映了事故发生过程中,各影响因素之间的作用关系,运用数据挖掘的方法深入研究潜在的规律与事故机理,为交通安全管理与驾驶安全教育提供了理论支持。本文以道路交通事故影响因素序列模式与事故严重程度预测为研究重点,讨论了对事故有显着影响的因素及其影响模式。首先通过分析道路交通事故数据特点,发现事故发生的过程中各影响因素根据时间先后顺序形成序列,对事故产生综合的影响,确定使用序列模式数据挖掘方法,研究交通环境因素与驾驶员行为因素两方面因素对事故影响的高频序列模式,并提出了更适合本研究的考虑了比例与权重因素的序列模式频繁度指标。其次,为了对以受伤程度为代表的事故严重程度进行定性预测,使用CHAID决策树方法对多分类的影响因素建立了预测模型,研究容易造成严重伤害交通事故的影响因素。交通环境因素序列模式挖掘得到了涉及大气条件、区域人口规模、照明情况等影响因素与碰撞形式和最大受伤程度表征的事故结果的高频序列模式,揭示了各因素对事故结果的综合影响模式。研究表明“雨天”与“夜晚（无照明）”是最容易导致严重伤害事故的因素。驾驶员行为相关因素序列模式挖掘同样得到了涉及驾驶员年龄性别、碰撞前行为、碰撞前特殊事件等因素与碰撞类型和受伤程度表征的事故结果的高频序列模式。各高频序列模式可作为当前交通因素下,对事故结果的定性预测。两类影响因素的序列模式研究对道路交通事故形成机理的分析与驾驶安全教育具有很好的参考价值。对两类因素分别建立了决策树模型来预测事故严重程度。发现碰撞类型是对事故严重程度影响最大的因素。决策树模型与序列模式得到了相似的结论,同样表明两类因素中“雨天”、“夜晚”、“与对向机动车碰撞”和“变换车道碰撞”最容易造成严重道路交通事故。
王观[9]（2017）在《基于Hybrid有限混合模型的交通事故严重程度分析》文中认为随着机动化进程的不断加快,各国交通安全方面的压力也不断增大。在学术界,利用统计学模型对交通事故数据进行分析,探索事故因素与事故严重程度之间的复杂关系已经成为交通领域的一个重要分支。在这个领域中,模型的特性以及拟合的效果直接影响到交通事故数据挖掘的精度与深度,若采用不合理的统计学模型对这种复杂关系进行建模分析,结果可能导致对事故数据的有偏估计和事故因素的错误解释。本文以事故严重程度分类模式为出发点,提出了一种Hybrid有限混合模型（Hybrid Finite Mixture Model,HFM）来对事故因素与事故严重程度的复杂关系进行建模。首先,通过分析导致交通事故发生的影响因素,确定了以人、车、路、环境方面的17个重要的事故因素及其特点,将事故严重程度按照KACBO分类法分为五类,选择美国事故总评系统（General Estimates System,GES）的部分机动车事故数据作为样本。其次,基于对事故数据以及事故严重程度分类模式复杂性的考虑,本文提出了 HFM模型,它由两个不同分类的多元回归模型混合组成,其中一组为多项Logit模型（Multinomial Logit Model,MNL）,代表无序化的数据生成过程,另一组为有序Logit模型（Ordered Logit Model,OL）,代表有序化的数据生成过程,通过EM算法采用概率选择的方式来决定两个成分的权重。虽然已有学者运用同分类的传统有限混合模型对事故严重程度进行了研究,这些混合模型中的成分均属于同一类模型,在事故严重程度分类模式上还存在着局限性。HFM模型试图规避传统有限混合模型采取单一分类（无序或有序）而导致分类模式失真的问题,利用不同成分有限混合模型对事故严重程度进行分析成为一种新思维。最后,本文将HFM模型与其他四种模型进行了模型评价和弹性分析,包括通过分析模型参数来对事故因素与事故严重程度关系进行解释,以及通过三种不同的评价准则对模型进行综合评价。研究结果表明,HFM模型和其他四种模型均认为30岁以上年龄段、女性驾驶员、车辆追尾会不同程度地加重事故严重程度,而车辆拖尾则会减轻事故严重程度。此外,HFM模型具有无序化特点的事故严重程度分类模式占据着主导地位。相比多元回归模型和传统有限混合模型,HFM模型综合评价结果最佳,可以有效捕捉潜在因素的异质性,能挖掘事故数据中更多的信息。
李康[10]（2017）在《基于贝叶斯网络的高速公路交通事故研究》文中进行了进一步梳理高速公路具有快速、封闭、全立交的交通控制方式的特点,为车辆行驶提供了良好的条件,高速公路的快速发展大大改善了我国的交通出行情况,同时为我国经济社会建设提供了有利支持。然而,随着高速公路里程的快速增长,交通事故也显着增加,虽然近年来我国高速公路交通事故状况得到了较大的改善,但高速公路交通事故仍然对人民的生命和财产安全造成了严重危害。因此,对高速公路交通事故进行深入分析,对于提高高速公路行车安全,预防和减少交通事故的发生具有重要意义。本文首先基于对高速公路事故分布规律的研究方法,依据已有的高速公路事故数据资料同国外对高速公路交通事故的分布规律进行对比分析,应用统计分析方法,分析高速公路交通事故的时间分布规律、气候分布规律、事故形态分布规律和车型分布规律,得出我国高速公路交通事故的特征。随后本文分析了高速公路交通系统运行中人、车、道路、环境四个因素与交通事故的关系,并针对事故信息高维度、非线性的特点,选用支持向量机算法进行事故严重程度分析研究。应用支持向量机算法构建分类模型,对整理得到的高速公路交通事故数据进行研究,将事故严重程度按照二分类方法建立非线性SVM模型。最后,本文将收集到的高速公路交通事故按事故车辆类型进行分类,分为客车事故、客车-货车事故和货车事故,在分类建模过程中,针对整个事故数据库和三个分类分别建立相应的贝叶斯网络,以期探索在不同车辆类别中潜在的交通事故规律。引入五项指标:正确率、灵敏度、特异度、敏感性和特异性调和平均值（HMSS）指标,并应用ROC曲线对建立的贝叶斯网络模型分类效果进行评价,随后研究贝叶斯网络结构学习的结果得出了各事故影响变量在不同的分类中的不同依赖关系。
二、如何进行事故严重程度分类（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、如何进行事故严重程度分类（论文提纲范文）
（1）基于数据挖掘的道路交通事故分析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 全球道路交通安全形势 |
| 1.1.2 国内道路交通安全形势 |
| 1.2 研究目的和意义 |
| 1.3 研究内容和技术路线 |
| 1.4 依托项目 |
| 2 国内外研究综述 |
| 2.1 道路交通事故严重程度分析方法 |
| 2.1.1 现有方法回顾 |
| 2.1.2 综合评述 |
| 2.2 道路交通事故预测 |
| 2.2.1 现有方法回顾 |
| 2.2.2 综合评述 |
| 2.3 道路交通事故数据挖掘 |
| 2.3.1 现有方法回顾 |
| 2.3.2 综合评述 |
| 2.4 本章小结 |
| 3 道路交通事故影响因素分析与信息采集 |
| 3.1 道路交通事故影响因素分析 |
| 3.1.1 人的影响因素 |
| 3.1.2 车辆的影响因素 |
| 3.1.3 道路因素 |
| 3.1.4 环境因素 |
| 3.2 道路交通事故信息采集现状 |
| 3.2.1 国外道路交通事故数据的采集与分析 |
| 3.2.2 国内道路交通事故数据的采集与分析 |
| 3.2.3 国内外道路交通事故信息采集对比研究 |
| 3.3 事故因素指标的统计分布特征分析 |
| 3.3.1 道路交通事故时间分布特征 |
| 3.3.2 道路交通事故类型分布特征 |
| 3.3.3 道路交通事故人员及车辆分布特征 |
| 3.3.4 道路交通事故道路与环境分布特征 |
| 3.4 本章小结 |
| 4 道路交通事故严重程度分类识别模型 |
| 4.1 支持向量机 |
| 4.1.1 支持向量机SVM |
| 4.1.2 孪生支持向量机TWSVM |
| 4.1.3 参数化间隔par-v-SVM |
| 4.1.4 参数化间隔孪生支持向量机TPMSVM |
| 4.2 基于TPMSVM的事故严重程度分类识别模型 |
| 4.2.1 事故严重程度分类建模的数据准备 |
| 4.2.2 多分类SVM算法 |
| 4.2.3 基于特征选择的事故严重程度影响因素分析 |
| 4.3 实证研究 |
| 4.3.1 二分类事故严重程度TPMSVM建模 |
| 4.3.2 多分类事故严重程度TPMSVM建模 |
| 4.4 本章小结 |
| 5 道路交通事故时间序列组合预测和趋势分析 |
| 5.1 基于ARIMA和SVR的组合预测模型 |
| 5.1.1 时间序列ARIMA模型 |
| 5.1.2 支持向量回归机SVR |
| 5.1.3 组合预测模型建模思路 |
| 5.1.4 实证研究 |
| 5.2 基于信息粒化SVR的道路交通事故指标趋势分析 |
| 5.2.1 模糊信息粒化方法模型 |
| 5.2.2 基于模糊信息粒化的SVR建模 |
| 5.2.3 实证研究 |
| 5.3 本章小结 |
| 6 基于数据挖掘的道路交通事故致因分析 |
| 6.1 基于两步BIRCH算法的道路交通事故分布特征挖掘 |
| 6.1.1 事故特征聚类分析 |
| 6.1.2 两步BIRCH聚类算法 |
| 6.1.3 实证研究 |
| 6.2 基于决策树模型的道路交通事故原因分类识别 |
| 6.2.1 决策树模型与C5.0算法 |
| 6.2.2 数据转化与规约 |
| 6.2.3 实证研究 |
| 6.3 本章小结 |
| 7 研究结论及展望 |
| 7.1 主要研究结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）水上交通事故致因问题研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 关键概念界定 |
| 1.3.1 水上交通事故 |
| 1.3.2 重特大水上交通事故 |
| 1.4 文献综述 |
| 1.4.1 事故影响因素研究 |
| 1.4.2 事故安全监管研究 |
| 1.5 研究内容和框架 |
| 1.5.1 研究内容 |
| 1.5.2 研究框架 |
| 第2章 相关基础理论 |
| 2.1 事故致因理论 |
| 2.1.1 事故致因理论概述 |
| 2.1.2 水上交通事故致因机理分析 |
| 2.2 数据挖掘中的分类算法 |
| 2.3 非合作博弈理论 |
| 2.4 本章小结 |
| 第3章 基于遗传算法和极限学习机的水上交通事故严重程度影响因素识别 |
| 3.1 水上交通事故影响因素分析 |
| 3.1.1 人的因素 |
| 3.1.2 船舶因素 |
| 3.1.3 环境因素 |
| 3.1.4 管理因素 |
| 3.1.5 事故自身属性 |
| 3.2 水上交通事故影响因素集构建及量化处理 |
| 3.2.1 数据来源及选取 |
| 3.2.2 事故影响因素集构建 |
| 3.2.3 事故影响因素集量化说明 |
| 3.3 水上交通事故严重程度影响因素识别模型构建 |
| 3.3.1 方法选择 |
| 3.3.2 极限学习机算法介绍 |
| 3.3.3 GA-ELM事故严重程度影响因素识别模型算法流程 |
| 3.4 实证研究 |
| 3.4.1 模型样本及参数设置 |
| 3.4.2 识别结果及分析 |
| 3.5 本章小结 |
| 第4章 基于C5.0决策树的重特大水上交通事故影响因素组合模式分析 |
| 4.1 重特大水上交通事故致因类型的统计分析 |
| 4.2 方法选择与介绍 |
| 4.2.1 方法选择 |
| 4.2.2 C5.0决策树算法介绍 |
| 4.3 水上交通事故影响因素组合模式决策树构建与分析 |
| 4.3.1 数据处理 |
| 4.3.2 初步水上交通事故影响因素组合决策树构建及分析 |
| 4.3.3 水上交通事故影响因素组合决策树参数调整 |
| 4.3.4 参数调整后的水上交通事故影响因素组合决策树构建 |
| 4.4 重特大水上交通事故影响因素组合模式提取 |
| 4.4.1 重特大事故影响因素组合模式提取 |
| 4.4.2 重特大事故影响因素组合模式分析 |
| 4.5 本章小结 |
| 第5章 水上交通事故关键致因的博弈分析及对策 |
| 5.1 博弈主体及其关系分析 |
| 5.2 政府部门与航运企业间的博弈分析 |
| 5.2.1 模型基本假设 |
| 5.2.2 模型求解 |
| 5.2.3 对博弈模型均衡解的分析 |
| 5.3 航运企业与船员间的博弈分析 |
| 5.3.1 模型基本假设 |
| 5.3.2 模型求解 |
| 5.3.3 对博弈模型均衡解的分析 |
| 5.4 模型结果分析及对策建议 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间公开发表论文 |
| 致谢 |
| 作者简介 |
（4）中国汽车工程学术研究综述·2017（论文提纲范文）
| 索引 |
| 0引言 |
| 1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
| 1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
| 1.1.1国内外研究现状 |
| 1.1.1.1声品质主观评价 |
| 1.1.1.2声品质客观评价 |
| 1.1.1.3声品质主客观统一模型 |
| 1.1.2存在的问题 |
| 1.1.3研究发展趋势 |
| 1.2新能源汽车NVH控制技术 |
| 1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
| 1.2.1.1国内外研究现状 |
| 1.2.1.2热点研究方向 |
| 1.2.1.3存在的问题与展望 |
| 1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
| 1.2.2.1国内外研究现状 |
| 1.2.2.2存在的问题 |
| 1.2.2.3总结与展望 |
| 1.3车身与底盘总成NVH控制技术 |
| 1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
| 1.3.1.1车身结构 |
| 1.3.1.2声学包装 |
| 1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
| 1.3.2.1制动抖动 |
| 1.3.2.2制动颤振 |
| 1.3.2.3制动尖叫 |
| 1.3.2.4瓶颈问题与未来趋势 |
| 1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
| 1.3.3.1轮胎噪声机理研究 |
| 1.3.3.2轮胎噪声计算模型 |
| 1.3.3.3轮胎噪声的测量手段 |
| 1.3.3.4降噪方法 |
| 1.3.3.5问题与展望 |
| 1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
| 1.3.4.1悬架系NVH问题概述 |
| 1.3.4.2悬架系的动力学建模与NVH预开发 |
| 1.3.4.3悬架系的关键部件NVH设计 |
| 1.3.4.4悬架NVH设计整改 |
| 1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
| 1.4.1主动和半主动悬架技术 |
| 1.4.1.1主动悬架技术 |
| 1.4.1.2半主动悬架技术 |
| 1.4.2主动和半主动悬置技术 |
| 1.4.2.1主动悬置技术 |
| 1.4.2.2半主动悬置技术 |
| 1.4.3问题及发展趋势 |
| 2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
| 2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
| 2.1.1国内外研究现状 |
| 2.1.1.1替代燃料发动机 |
| 2.1.1.2高效内燃机 |
| 2.1.1.3新型传动方式 |
| 2.1.2存在的主要问题 |
| 2.1.3重点研究方向 |
| 2.1.4发展对策及趋势 |
| 2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.2.1国内外研究现状 |
| 2.2.2存在的问题 |
| 2.2.3重点研究方向 |
| 2.3新能源汽车技术 |
| 2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
| 2.3.1.1动力电池 |
| 2.3.1.2分布式驱动电动汽车驱动控制技术 |
| 2.3.1.3纯电动汽车制动能量回收技术 |
| 2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.3.2.1国内外研究现状 |
| 2.3.2.2存在的问题 |
| 2.3.2.3热点研究方向 |
| 2.3.2.4研究发展趋势 |
| 2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
| 2.3.3.1国内外技术发展现状 |
| 2.3.3.2关键技术及热点研究方向 |
| 2.3.3.3制约燃料电池汽车发展的关键因素 |
| 2.3.3.4燃料电池汽车的发展趋势 |
| 3汽车电子化 (吉林大学宗长富教授统稿) |
| 3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
| 3.1.1国内外研究现状 |
| 3.1.2重点研究方向 |
| 3.1.2.1汽车发动机燃油喷射控制技术 |
| 3.1.2.2汽车发动机涡轮增压控制技术 |
| 3.1.2.3汽车发动机电子节气门控制技术 |
| 3.1.2.4汽车发动机点火控制技术 |
| 3.1.2.5汽车发动机空燃比控制技术 |
| 3.1.2.6汽车发动机怠速控制技术 |
| 3.1.2.7汽车发动机爆震检测与控制技术 |
| 3.1.2.8汽车发动机先进燃烧模式控制技术 |
| 3.1.2.9汽车柴油发动机电子控制技术 |
| 3.1.3研究发展趋势 |
| 3.2汽车转向电控技术 |
| 3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.1.1国内外研究现状 |
| 3.2.1.2重点研究方向和存在的问题 |
| 3.2.1.3研究发展趋势 |
| 3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.2.1国内外研究现状 |
| 3.2.2.2研究热点和存在问题 |
| 3.2.2.3研究发展趋势 |
| 3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
| 3.2.3.1转向角传动比 |
| 3.2.3.2转向路感模拟 |
| 3.2.3.3诊断容错技术 |
| 3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
| 3.2.4.1电控液压转向系统 |
| 3.2.4.2电液耦合转向系统 |
| 3.2.4.3电动助力转向系统 |
| 3.2.4.4后轴主动转向系统 |
| 3.2.4.5新能源商用车转向系统 |
| 3.2.4.6商用车转向系统的发展方向 |
| 3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
| 3.3.1国内外研究现状 |
| 3.3.1.1制动系统元部件研发 |
| 3.3.1.2制动系统性能分析 |
| 3.3.1.3制动系统控制研究 |
| 3.3.1.4电动汽车研究 |
| 3.3.1.5混合动力汽车研究 |
| 3.3.1.6参数测量 |
| 3.3.1.7与其他系统耦合分析及控制 |
| 3.3.1.8其他方面 |
| 3.3.2存在的问题 |
| 3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
| 3.4.1电控悬架功能与评价指标 |
| 3.4.2电控主动悬架最优控制 |
| 3.4.3电控悬架其他控制算法 |
| 3.4.4电控悬架产品开发 |
| 4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
| 4.1国内外智能网联汽车研究概要 |
| 4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
| 4.1.1.1美国智能网联车研究意义 |
| 4.1.1.2网联车安全研究 |
| 4.1.1.3美国自动驾驶车辆研究 |
| 4.1.1.4智能网联自动驾驶车 |
| 4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
| 4.1.2.1中国智能网联汽车规划 |
| 4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
| 4.1.2.3中国企业智能网联汽车开发情况 |
| 4.1.2.4存在的问题 |
| 4.1.2.5展望 |
| 4.2复杂交通环境感知 |
| 4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
| 4.2.1.1点云聚类 |
| 4.2.1.2可通行区域分析 |
| 4.2.1.3障碍物识别 |
| 4.2.1.4障碍物跟踪 |
| 4.2.1.5小结 |
| 4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
| 4.2.2.1交通标志识别 |
| 4.2.2.2车道线检测 |
| 4.2.2.3交通信号灯检测 |
| 4.2.2.4行人检测 |
| 4.2.2.5车辆检测 |
| 4.2.2.6总结与展望 |
| 4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
| 4.3.1国内外研究现状 |
| 4.3.2当前研究热点 |
| 4.3.2.1高精度地图的采集 |
| 4.3.2.2高精度地图的地图模型 |
| 4.3.2.3高精度地图定位技术 |
| 4.3.2.4基于GIS的路径规划 |
| 4.3.3存在的问题 |
| 4.3.4重点研究方向与展望 |
| 4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
| 4.4.1驾驶人决策行为特性 |
| 4.4.2周车运动轨迹预测 |
| 4.4.3智能汽车决策方法 |
| 4.4.4自主决策面临的挑战 |
| 4.4.5自动驾驶车辆的路径规划算法 |
| 4.4.5.1路线图法 |
| 4.4.5.2网格分解法 |
| 4.4.5.3 Dijistra算法 |
| 4.4.5.4 A*算法 |
| 4.4.6路径面临的挑战 |
| 4.5车辆横向控制及纵向动力学控制 |
| 4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
| 4.5.1.2基于现代控制理论的车辆横向控制 |
| 4.5.1.3基于智能控制理论的车辆横向控制 |
| 4.5.1.4考虑驾驶人特性的车辆横向控制 |
| 4.5.1.5面临的挑战 |
| 4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
| 4.5.2.1纵向动力学模型 |
| 4.5.2.2纵向稳定性控制 |
| 4.5.2.3纵向速度控制 |
| 4.5.2.4自适应巡航控制 |
| 4.5.2.5节油驾驶控制 |
| 4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
| 4.6.1智能网联汽车测试研究现状 |
| 4.6.2智能网联汽车测试热点研究方向 |
| 4.6.2.1智能网联汽车测试内容研究 |
| 4.6.2.2智能网联汽车测试方法 |
| 4.6.2.3智能网联汽车的测试场地建设 |
| 4.6.3智能网联汽车测试存在的问题 |
| 4.6.4智能网联汽车测试研究发展趋势 |
| 4.6.4.1智能网联汽车测试场地建设要求 |
| 4.6.4.2智能网联汽车测评方法的发展 |
| 4.6.4.3加速智能网联汽车测试及进程管理 |
| 4.7典型应用实例解析 |
| 4.7.1典型汽车ADAS系统解析 |
| 4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
| 4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.7.2 V2X协同及队列自动驾驶 |
| 4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
| 4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
| 4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
| 4.7.3.1国内外研究现状 |
| 4.7.3.2存在的问题 |
| 4.7.3.3热点研究方向 |
| 4.7.3.4研究发展趋势 |
| 5汽车碰撞安全技术 |
| 5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
| 5.1.1汽车碰撞相容性 |
| 5.1.1.1国内外研究现状 |
| 5.1.1.2存在的问题 |
| 5.1.1.3重点研究方向 |
| 5.1.1.4展望 |
| 5.1.2汽车偏置碰撞安全性 |
| 5.1.2.1国内外研究现状 |
| 5.1.2.2存在的问题 |
| 5.1.2.3重点研究方向 |
| 5.1.2.4展望 |
| 5.1.3汽车碰撞试验测试技术 |
| 5.1.3.1国内外研究现状 |
| 5.1.3.2存在的问题 |
| 5.1.3.3重点研究方向 |
| 5.1.3.4展望 |
| 5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
| 5.2.1国内外研究现状 |
| 5.2.2重点研究方向 |
| 5.2.3展望 |
| 5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
| 5.3.1概述 |
| 5.3.2国内外研究现状 |
| 5.3.2.1被动安全技术 |
| 5.3.2.2主动安全技术研究 |
| 5.3.3研究热点 |
| 5.3.3.1事故研究趋势 |
| 5.3.3.2技术发展趋势 |
| 5.3.4存在的问题 |
| 5.3.5小结 |
| 5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
| 5.4.1国内外研究现状 |
| 5.4.1.1儿童碰撞安全现状 |
| 5.4.1.2儿童损伤生物力学研究现状 |
| 5.4.1.3车内儿童安全法规和试验方法 |
| 5.4.1.4车外儿童安全法规和试验方法 |
| 5.4.1.5儿童安全防护措施 |
| 5.4.1.6儿童约束系统使用管理与评价 |
| 5.4.2存在的问题 |
| 5.4.3重点研究方向 |
| 5.4.4发展对策和展望 |
| 5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
| 5.5.1国内外研究现状 |
| 5.5.1.1新能源汽车碰撞试验 |
| 5.5.1.2高压电安全控制研究 |
| 5.5.1.3新能源汽车车身结构布局研究 |
| 5.5.1.4电池包碰撞安全防护 |
| 5.5.1.5动力电池碰撞安全 |
| 5.5.2热点研究方向 |
| 5.5.3存在的问题 |
| 5.5.4发展对策与展望 |
| 6结语 |
（5）基于BP神经网络的道路交通事故严重程度分析预测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 国外的研究现状 |
| 1.2.2 国内的研究现状 |
| 1.3 研究内容与技术路线 |
| 2 BP神经网络相关理论 |
| 2.1 BP神经网络基本原理 |
| 2.1.1 BP神经网络结构 |
| 2.1.2 BP神经网络的学习过程 |
| 2.2 BP神经网络优化 |
| 2.2.1 BP网络的缺点 |
| 2.2.2 BP网络优化方法 |
| 2.2.3 遗传算法优化的BP网络 |
| 2.3 BP神经网络的应用 |
| 3 道路交通事故数据分析 |
| 3.1 道路交通事故严重程度分类 |
| 3.1.1 部分国家的交通事故严重程度分类 |
| 3.1.2 我国的交通事故严重程度分类 |
| 3.1.3 事故严重程度类型选择 |
| 3.2 道路交通事故影响因素分析 |
| 3.2.1 人为因素 |
| 3.2.2 车辆因素 |
| 3.2.3 道路因素 |
| 3.2.4 环境因素 |
| 3.3 道路交通事故数据的变量选择与统计分析 |
| 3.3.1 变量选择 |
| 3.3.2 数据统计分析 |
| 3.3.3 相关性分析 |
| 3.4 本章小结 |
| 4 道路交通事故严重程度预测模型构建 |
| 4.1 基于BP网络的道路交通事故预测模型的分析与设计 |
| 4.1.1 样本数据处理并分类 |
| 4.1.2 网络结构的确定 |
| 4.1.3 隐含层神经元数的确定 |
| 4.1.4 网络参数配置 |
| 4.2 MATLAB的实现 |
| 4.2.1 BP神经网络的训练与测试 |
| 4.2.2 GABP神经网络的训练与测试 |
| 4.3 模型预测 |
| 4.3.1 验证模型的有效性 |
| 4.3.2 模型预测结果对比 |
| 4.4 本章小结 |
| 结论 |
| 研究展望 |
| 参考文献 |
| 攻读硕士学位期内发表学术论文情况 |
| 附录A getData.mat的程序代码 |
| 附录B 遗传算法参数初始化的程序代码 |
| 附录C 得到最佳初始权值和阈值的程序代码 |
| 附录D 最优初始阈值和权值赋予网络的程序代码 |
| 附录E 合图的程序代码 |
| 致谢 |
（6）我国高校户外运动风险管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 研究背景 |
| 1.2 选题依据 |
| 1.2.1 风险点多、事故频发呼唤高校户外运动风险管理研究 |
| 1.2.2 固化的舆论偏差亟待高校户外运动风险管理研究予以纠正 |
| 1.2.3 学科发展需要充实高校户外运动风险管理理论 |
| 1.2.4 现代风险管理理论为高校户外运动风险管理研究奠定了理论基础 |
| 1.2.5 现有户外运动研究平台和前期研究成果为本研究提供了条件支撑 |
| 1.3 研究目的与意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究思路与流程 |
| 1.4.1 研究思路 |
| 1.4.2 研究流程 |
| 1.5 研究重点与难点 |
| 1.5.1 研究重点 |
| 1.5.2 研究难点 |
| 1.6 研究的创新点与不足 |
| 1.6.1 研究的创新点 |
| 1.6.2 研究的不足 |
| 2 文献综述 |
| 2.1 高校户外运动研究 |
| 2.1.1 关于高校户外运动课程的研究 |
| 2.1.2 关于高校户外运动活动的研究 |
| 2.1.3 关于高校户外运动社团的研究 |
| 2.2 风险管理相关研究 |
| 2.2.1 风险管理研究 |
| 2.2.2 户外运动风险研究 |
| 2.2.3 学校体育风险研究 |
| 2.2.4 高校户外运动风险研究 |
| 2.3 文献述评 |
| 3 研究对象及方法 |
| 3.1 研究对象 |
| 3.2 研究方法 |
| 3.2.1 文献资料法 |
| 3.2.2 专家访谈法 |
| 3.2.3 问卷调查法 |
| 3.2.4 专用工具分析法 |
| 3.2.5 层次分析法 |
| 4 研究结果与分析 |
| 4.1 高校户外运动风险管理的基本理论 |
| 4.1.1 高校户外运动风险管理的理论基础 |
| 4.1.2 高校户外运动风险管理的基本内涵 |
| 4.1.3 高校户外运动风险管理的目标 |
| 4.1.4 高校户外运动风险管理的基本特性 |
| 4.1.5 高校户外运动风险管理的基本原则 |
| 4.1.6 高校户外运动风险管理的过程 |
| 4.2 高校户外运动风险识别 |
| 4.2.1 一般风险识别的基本理论与方法 |
| 4.2.2 高校户外运动事故分类与分析 |
| 4.2.3 高校户外运动风险源、风险因素的识别与分析 |
| 4.2.4 高校户外运动风险检查表的编制与运用 |
| 4.3 高校户外运动风险评估 |
| 4.3.1 一般风险评估的基本理论与方法 |
| 4.3.2 基于帕累托分析法的高校户外运动风险评估 |
| 4.3.3 基于层次分析法的高校户外运动风险评估 |
| 4.3.4 基于列表排序法和风险矩阵图法的高校户外运动风险评估 |
| 4.4 高校户外运动风险应对 |
| 4.4.1 风险应对概述 |
| 4.4.2 高校户外运动的风险回避 |
| 4.4.3 高校户外运动的风险承担 |
| 4.4.4 高校户外运动的风险转移 |
| 4.4.5 高校户外运动的风险减缓 |
| 4.5 高校户外运动风险防控体系构建 |
| 4.5.1 高校户外运动风险防控体系框架及结构功能 |
| 4.5.2 高校户外运动风险识别评估系统 |
| 4.5.3 高校户外运动风险事前预防系统 |
| 4.5.4 高校户外运动风险现场监控系统 |
| 4.5.5 高校户外运动风险事后减损系统 |
| 4.5.6 高校户外运动风险责任转移系统 |
| 5 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录 1 |
| 附录 2 |
| 附录 3 |
| 附录 4 |
| 附录 5 |
| 附录 6 |
| 个人简历 在读期间发表的学术论文与研究成果 |
（7）煤矿瓦斯爆炸事故致因分析方法与应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 煤矿瓦斯爆炸事故致因研究综述 |
| 1.2.2 评述 |
| 1.3 目标、方法和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容和方法 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 2 事故致因模型的确立 |
| 2.1 事故致因模型的综述 |
| 2.1.1 多米诺模型 |
| 2.1.2 轨迹交叉模型 |
| 2.1.3 瑞士奶酪模型和HFACS |
| 2.1.4 社会技术系统层次模型和Accimap |
| 2.1.5 CREAM |
| 2.1.6 STAMP |
| 2.1.7 24 Model |
| 2.1.8 FRAM |
| 2.2 事故致因模型的对比研究 |
| 2.2.1 模型的组成比较 |
| 2.2.2 事故发生的路径比较 |
| 2.2.3 讨论 |
| 2.3 本章小结 |
| 3 用24Model建立的煤矿瓦斯爆炸事故致因分类系统 |
| 3.1 不安全物态的致因因素子类划分 |
| 3.2 不安全动作的致因因素子类划分 |
| 3.3 个体因素的致因因素子类划分 |
| 3.4 安全管理体系的致因因素子类划分 |
| 3.5 安全文化的致因因素子类划分 |
| 3.6 外部因素的致因因素子类划分 |
| 3.7 分析原则和分析方法 |
| 3.7.1 事故的界定 |
| 3.7.2 事故致因的分析范围的界定 |
| 3.7.3 事故致因因素的提取 |
| 3.8 案例实证 |
| 3.8.1 一起瓦斯爆炸事故的致因分析 |
| 3.8.2 致因因素影响关系展示 |
| 3.9 本章小结 |
| 4 瓦斯爆炸事故的不安全动作和个体因素致因统计分析 |
| 4.1 样本来源 |
| 4.2 不安全动作的统计结果分析 |
| 4.2.1 不安全动作三级指标频次分析 |
| 4.2.2 管理层的不安全动作统计结果分析 |
| 4.2.3 采煤队的不安全动作统计结果分析 |
| 4.2.4 掘进队的不安全动作统计结果分析 |
| 4.2.5 通风队的不安全动作统计结果分析 |
| 4.2.6 安全科的不安全动作统计结果分析 |
| 4.2.7 其他部门的不安全动作统计结果分析 |
| 4.3 个体因素的统计结果分析 |
| 4.3.1 管理层的个体因素统计结果分析 |
| 4.3.2 采煤队的个体因素统计结果分析 |
| 4.3.3 掘进队的个体因素统计结果分析 |
| 4.3.4 通风队的个体因素统计结果分析 |
| 4.3.5 安全科的个体因素统计结果分析 |
| 4.3.6 其他部门的个体因素统计结果分析 |
| 4.4 预防建议 |
| 4.4.1 对管理层的建议 |
| 4.4.2 对其他功能部门的建议 |
| 4.5 本章小结 |
| 5 瓦斯爆炸事故的物态、组织因素和外部因素致因统计分析 |
| 5.1 不安全物态的统计结果分析 |
| 5.1.1 瓦斯积聚 |
| 5.1.2 点火源 |
| 5.1.3 技术设施 |
| 5.1.4 环境条件 |
| 5.2 安全管理体系缺欠的统计结果分析 |
| 5.2.1 安全方针和策划 |
| 5.2.2 实施和运行 |
| 5.2.3 检查和管理评审 |
| 5.3 安全文化缺欠的统计结果分析 |
| 5.4 外部因素的统计结果分析 |
| 5.5 预防建议 |
| 5.6 本章小结 |
| 6 瓦斯爆炸事故的致因因素相关性分析 |
| 6.1 基于Spearman秩相关系数的相关性分析 |
| 6.2 事故严重程度致因因素影响作用分析 |
| 6.2.1 不安全动作与事故严重程度相关性 |
| 6.2.2 个体因素与事故严重程度相关性 |
| 6.2.3 安全管理体系与事故严重程度相关性 |
| 6.2.4 安全文化与事故严重程度相关性 |
| 6.2.5 监管部门与事故严重程度相关性 |
| 6.3 不安全动作影响因素分析 |
| 6.3.1 个体因素与不安全动作相关性 |
| 6.3.2 安全管理体系与不安全动作相关性 |
| 6.3.3 安全文化与不安全动作相关性 |
| 6.3.4 监管部门与不安全动作相关性 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在学期间发表的学术论文 |
| 在学期间参加科研项目 |
| 主要获奖 |
| 附录 |
| 附表 2013年-2016年54起较大及以上煤矿瓦斯爆炸事故案例基础数据 |
| 关于安全学科特性、研究方法、成果评价的说明 |
（8）基于数据挖掘的道路交通事故序列模式与严重程度预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献总结 |
| 1.3 研究内容与技术路线 |
| 2 道路交通事故影响因素研究 |
| 2.1 道路交通事故成因理论研究 |
| 2.1.1 人的因素 |
| 2.1.2 车辆因素 |
| 2.1.3 道路因素 |
| 2.1.4 环境因素 |
| 2.2 驾驶员行为因素及紧急避撞行为研究 |
| 2.3 道路交通事故严重程度影响因素研究 |
| 2.4 本章小结 |
| 3 道路交通事故数据分析方法研究 |
| 3.1 道路交通事故信息采集系统研究 |
| 3.1.1 国外主要的交通事故信息采集系统 |
| 3.1.2 美国道路交通事故总评系统 |
| 3.1.3 美国道路交通事故总评系统优点 |
| 3.2 道路交通事故序列模式数据挖掘算法研究 |
| 3.2.1 序列模式挖掘概述 |
| 3.2.2 序列模式挖掘典型算法 |
| 3.2.3 基于PrefixSpan算法的道路交通事故数据分析方法研究 |
| 3.2.4 序列模式频繁度评价指标 |
| 3.3 本章小结 |
| 4 驾驶环境因素对交通事故结果影响的序列模式分析 |
| 4.1 驾驶环境因素统计分布特征 |
| 4.2 编码规则 |
| 4.3 序列模式分析结果与讨论 |
| 4.4 本章小结 |
| 5 驾驶员碰撞前行为对交通事故结果影响的序列模式分析 |
| 5.1 驾驶员碰撞前行为相关因素统计分布特征 |
| 5.2 编码规则 |
| 5.3 序列模式分析结果与讨论 |
| 5.4 本章小结 |
| 6 道路交通事故严重程度预测分析 |
| 6.1 决策树模型与CHAID算法 |
| 6.2 驾驶环境因素对事故严重程度的预测 |
| 6.2.1 数据选取 |
| 6.2.2 实证研究 |
| 6.3 驾驶员行为因素对事故严重程度的预测 |
| 6.3.1 数据选取 |
| 6.3.2 实证研究 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 研究内容总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A |
| 附录B |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）基于Hybrid有限混合模型的交通事故严重程度分析（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献总结 |
| 1.3 研究内容与技术路线 |
| 2 道路交通事故影响因素分析 |
| 2.1 交通事故严重程度概述 |
| 2.2 道路交通事故影响因素 |
| 2.2.1 人的因素 |
| 2.2.2 道路因素 |
| 2.2.3 车辆因素 |
| 2.2.4 环境因素 |
| 2.3 本章小结 |
| 3 Hybrid有限混合模型理论构建 |
| 3.1 传统有限混合模型 |
| 3.1.1 传统有限混合模型概念 |
| 3.1.2 传统有限混合模型分类 |
| 3.2 Hybrid有限混合模型的建模方法 |
| 3.2.1 Hybrid有限混合模型介绍 |
| 3.2.2 Hybrid有限混合模型算法 |
| 3.2.3 Hybrid有限混合模型求解 |
| 3.3 参数检验与模型评价 |
| 3.3.1 显着性检验方法 |
| 3.3.2 模型评价方法 |
| 3.4 本章小结 |
| 4 Hybrid有限混合模型案例分析 |
| 4.1 交通事故数据采集 |
| 4.2 参数估计及模型解释 |
| 4.2.1 MNL和OL模型 |
| 4.2.2 HFM模型 |
| 4.2.3 FMMNL和FMOL模型 |
| 4.3 模型评价 |
| 4.4 弹性分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 研究内容总结 |
| 5.2 主要创新点 |
| 5.3 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）基于贝叶斯网络的高速公路交通事故研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的和意义 |
| 1.4 主要研究内容与技术路线 |
| 2 高速公路交通事故分布规律与理论 |
| 2.1 交通事故分析方法 |
| 2.1.1 统计分析法 |
| 2.1.2 分类分析法 |
| 2.1.3 图形分析法 |
| 2.2 高速公路交通事故分布规律 |
| 2.2.1 交通事故时间分布规律 |
| 2.2.2 交通事故气候分布规律 |
| 2.2.3 高速公路交通事故型态分布规律 |
| 2.2.4 交通事故车型分布规律 |
| 2.3 重特大高速公路交通事故特征分析 |
| 2.3.1 重特大事故时间分布规律 |
| 2.3.2 重特大事故型态分布规律 |
| 2.3.3 重特大事故车型分布规律 |
| 2.3.4 重特大事故原因分析规律 |
| 2.4 高速公路交通事故致因分析 |
| 2.4.1 人的影响因素 |
| 2.4.2 车的影响因素 |
| 2.4.3 道路影响因素 |
| 2.4.4 环境影响因素 |
| 2.5 本章小结 |
| 3 高速公路交通事故严重程度分类识别模型 |
| 3.1 支持向量机理论 |
| 3.1.1 间隔与支持向量 |
| 3.1.2 核函数 |
| 3.1.3 软间隔与正则化 |
| 3.2 二分类事故严重程度SVM建模 |
| 3.2.1 事故严重程度分类建模的数据准备 |
| 3.2.2 高速公路事故严重程度SVM建模 |
| 3.3 本章小结 |
| 4 贝叶斯网络理论 |
| 4.1 贝叶斯网络基本模型 |
| 4.2 贝叶斯网络结构学习 |
| 4.2.1 基于评分搜索的方法 |
| 4.2.2 基于变量独立分析的方法 |
| 4.3 贝叶斯网络参数学习 |
| 4.3.1 最大似然估计 |
| 4.3.2 贝叶斯估计 |
| 4.4 贝叶斯网络推理 |
| 4.5 本章小结 |
| 5 基于贝叶斯网络的高速公路交通事故分析 |
| 5.1 数据分析 |
| 5.1.1 数据变量处理 |
| 5.1.2 事故数据按车辆类型分类 |
| 5.2 贝叶斯网络模型评价指标 |
| 5.3 高速公路交通事故贝叶斯网络模型构建 |
| 5.3.1 贝叶斯网络结构学习 |
| 5.3.2 贝叶斯网络建模效果分析 |
| 5.3.3 高速公路交通事故贝叶斯网络分析结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、如何进行事故严重程度分类（论文参考文献）
- [1]基于数据挖掘的道路交通事故分析研究[D]. 孙轶轩. 北京交通大学, 2014(12)
- [2]中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报, 2016(06)
- [3]水上交通事故致因问题研究[D]. 张丽丽. 大连海事大学, 2017(11)
- [4]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)
- [5]基于BP神经网络的道路交通事故严重程度分析预测[D]. 吴芮. 西华大学, 2020(01)
- [6]我国高校户外运动风险管理研究[D]. 刘华荣. 北京体育大学, 2017(09)
- [7]煤矿瓦斯爆炸事故致因分析方法与应用研究[D]. 索晓. 中国矿业大学(北京), 2018(01)
- [8]基于数据挖掘的道路交通事故序列模式与严重程度预测研究[D]. 刘昕宇. 北京交通大学, 2016(07)
- [9]基于Hybrid有限混合模型的交通事故严重程度分析[D]. 王观. 北京交通大学, 2017(06)
- [10]基于贝叶斯网络的高速公路交通事故研究[D]. 李康. 北京交通大学, 2017(06)