期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CIDAS数据与可解释模型的行人交通事故风险识别
1
作者
胡金榜
张泽庆
+1 位作者
白耀东
雷晨阳
《汽车实用技术》
2023年第16期29-35,共7页
行人道路交通事故是一种常见的交通事故,为了构建有效的行人交通安全防治体系,论文使用中国事故深度调查(CIDAS)数据集进行分析研究。采用多次重复的K折交叉验证评估,并确认随机森林模型在该数据集上具有统计学功效后,利用基于排列的特...
行人道路交通事故是一种常见的交通事故,为了构建有效的行人交通安全防治体系,论文使用中国事故深度调查(CIDAS)数据集进行分析研究。采用多次重复的K折交叉验证评估,并确认随机森林模型在该数据集上具有统计学功效后,利用基于排列的特征重要性算法对影响行人交通事故的特征进行了量化分析。随后对重要事故特征的数据进行统计,并使用卡方检验确定随机性的影响。研究表明,事故参与人员数、行人年龄段、事故发生时间与道路最高允许车速是影响行人交通事故后果的最重要特征。整体趋势表明事故参与人员数越多,事故后果越严重;对于13岁及以上的人群,行人年龄越大发生事故的后果也更严重;在凌晨0:00-4:00发生的事故中,事故的严重程度明显高于其他时间段;在限速为80 km/h及以上的道路上发生事故的后果更严重。
展开更多
关键词
行人交通安全
cidas
数据
多次重复的K折交叉验证
随机森林模型
基于排列的特征重要性算法
卡方检验
下载PDF
职称材料
考虑多身体部位的二轮车骑行者事故伤害严重程度研究
2
作者
朱彤
朱秭硕
+1 位作者
林淼
景云超
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2023年第2期113-120,共8页
现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2799起二轮车事故,以二轮车骑行者头部、胸部、上...
现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2799起二轮车事故,以二轮车骑行者头部、胸部、上下肢等7个主要部位伤害严重程度为因变量,选取44个主要自变量以表征碰撞前行为、碰撞位置等信息。采用带随机参数的多变量模型进行研究,以更好解释各受伤部位严重程度间的关系及数据中未能观测到的异质性。结果表明:二轮车骑行者性别及年龄、车辆属性、碰撞前二轮车驾驶行为及二轮车被撞位置均会对二轮车骑行者不同部位的伤害造成显著影响;头部、胸部及下肢在二轮车事故中是最脆弱的3个部位,值得进一步研究;中年二轮车骑行者在头部伤害模型服从正态分布的随机参数,即中年二轮车骑行者会对二轮车骑行者头部伤害严重程度存在异质性影响;加强汽车及二轮车的安全设计从而保护二轮车骑行者胸部和腹部极有必要;佩戴头盔不仅能够保护头部伤害,对于保护上肢伤害也有重要作用。
展开更多
关键词
交通工程
二轮车骑行者
身体部位
cidas
数据
随机参数模型
下载PDF
职称材料
基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析
被引量：
3
3
作者
魏雯
杜雨萌
+2 位作者
董傲然
秦丹
朱彤
《交通信息与安全》
CSCD
北大核心
2022年第2期45-52,62,共9页
电动两轮车保有量持续增长导致相关的事故伤害日益严重。为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1 246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和...
电动两轮车保有量持续增长导致相关的事故伤害日益严重。为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1 246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和LightGBM这3种集成学习模型性能,基于准确率等指标选用性能最优的LightGBM模型进行电动车骑行者受伤严重程度预测。结合SHAP可解释方法,进一步分析发现自变量与因变量之间存在明显的非线性关系:电动两轮车骑行者抛出距离对死亡的影响存在明显的阈值效应,电动两轮车骑行者被抛出距离小于5 m时,不易发生死亡事故,超过5 m时,抛出距离和死亡风险呈正相关;事故发生地为市区外或公路上以及与载重物车辆相撞能显著增加电动两轮车事故中骑行者的死亡风险;电动两轮车不加装脚蹬、座位高度大于70 cm、车把宽度为61~65 cm、车把设计形式为向后弯曲或牛角状等因素可降低死亡风险;与电动两轮车骑行者相关的降低死亡风险的因素包括女性、年龄在30~50岁及对事故发生地环境更为熟悉。
展开更多
关键词
交通安全
cidas
数据
集成学习
LightGBM模型
电动两轮车
受伤严重程度
影响因素
下载PDF
职称材料
题名
基于CIDAS数据与可解释模型的行人交通事故风险识别
1
作者
胡金榜
张泽庆
白耀东
雷晨阳
机构
长安大学汽车学院
出处
《汽车实用技术》
2023年第16期29-35,共7页
文摘
行人道路交通事故是一种常见的交通事故,为了构建有效的行人交通安全防治体系,论文使用中国事故深度调查(CIDAS)数据集进行分析研究。采用多次重复的K折交叉验证评估,并确认随机森林模型在该数据集上具有统计学功效后,利用基于排列的特征重要性算法对影响行人交通事故的特征进行了量化分析。随后对重要事故特征的数据进行统计,并使用卡方检验确定随机性的影响。研究表明,事故参与人员数、行人年龄段、事故发生时间与道路最高允许车速是影响行人交通事故后果的最重要特征。整体趋势表明事故参与人员数越多,事故后果越严重;对于13岁及以上的人群,行人年龄越大发生事故的后果也更严重;在凌晨0:00-4:00发生的事故中,事故的严重程度明显高于其他时间段;在限速为80 km/h及以上的道路上发生事故的后果更严重。
关键词
行人交通安全
cidas
数据
多次重复的K折交叉验证
随机森林模型
基于排列的特征重要性算法
卡方检验
Keywords
Pedestrian
traffic
safety
cidas
data
Repeated
rounds
of
K-fold
cross-validation
Random
forest
model
Permutation
feature
importance
Chi-square
test
分类号
U461.99 [机械工程—车辆工程]
下载PDF
职称材料
题名
考虑多身体部位的二轮车骑行者事故伤害严重程度研究
2
作者
朱彤
朱秭硕
林淼
景云超
机构
长安大学运输工程学院
中国汽车技术研究中心交通事故研究部
出处
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2023年第2期113-120,共8页
基金
国家重点研发计划项目(2019YFE0108000)。
文摘
现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2799起二轮车事故,以二轮车骑行者头部、胸部、上下肢等7个主要部位伤害严重程度为因变量,选取44个主要自变量以表征碰撞前行为、碰撞位置等信息。采用带随机参数的多变量模型进行研究,以更好解释各受伤部位严重程度间的关系及数据中未能观测到的异质性。结果表明:二轮车骑行者性别及年龄、车辆属性、碰撞前二轮车驾驶行为及二轮车被撞位置均会对二轮车骑行者不同部位的伤害造成显著影响;头部、胸部及下肢在二轮车事故中是最脆弱的3个部位,值得进一步研究;中年二轮车骑行者在头部伤害模型服从正态分布的随机参数,即中年二轮车骑行者会对二轮车骑行者头部伤害严重程度存在异质性影响;加强汽车及二轮车的安全设计从而保护二轮车骑行者胸部和腹部极有必要;佩戴头盔不仅能够保护头部伤害,对于保护上肢伤害也有重要作用。
关键词
交通工程
二轮车骑行者
身体部位
cidas
数据
随机参数模型
Keywords
traffic
engineering
two-wheel
cyclists
body
region
cidas
data
random
parameter
model
分类号
U461.91 [机械工程—车辆工程]
下载PDF
职称材料
题名
基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析
被引量：
3
3
作者
魏雯
杜雨萌
董傲然
秦丹
朱彤
机构
长安大学运输工程学院
出处
《交通信息与安全》
CSCD
北大核心
2022年第2期45-52,62,共9页
基金
国家重点研发计划项目(2019YFE0108000)资助。
文摘
电动两轮车保有量持续增长导致相关的事故伤害日益严重。为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1 246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和LightGBM这3种集成学习模型性能,基于准确率等指标选用性能最优的LightGBM模型进行电动车骑行者受伤严重程度预测。结合SHAP可解释方法,进一步分析发现自变量与因变量之间存在明显的非线性关系:电动两轮车骑行者抛出距离对死亡的影响存在明显的阈值效应,电动两轮车骑行者被抛出距离小于5 m时,不易发生死亡事故,超过5 m时,抛出距离和死亡风险呈正相关;事故发生地为市区外或公路上以及与载重物车辆相撞能显著增加电动两轮车事故中骑行者的死亡风险;电动两轮车不加装脚蹬、座位高度大于70 cm、车把宽度为61~65 cm、车把设计形式为向后弯曲或牛角状等因素可降低死亡风险;与电动两轮车骑行者相关的降低死亡风险的因素包括女性、年龄在30~50岁及对事故发生地环境更为熟悉。
关键词
交通安全
cidas
数据
集成学习
LightGBM模型
电动两轮车
受伤严重程度
影响因素
Keywords
traffic
safety
cidas
data
ensemble
learning
LightGBM
model
electric
two-wheeler
injury
severity
influencing
factors
分类号
X928.0 [环境科学与工程—安全科学]
U491.3 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CIDAS数据与可解释模型的行人交通事故风险识别
胡金榜
张泽庆
白耀东
雷晨阳
《汽车实用技术》
2023
0
下载PDF
职称材料
2
考虑多身体部位的二轮车骑行者事故伤害严重程度研究
朱彤
朱秭硕
林淼
景云超
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
3
基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析
魏雯
杜雨萌
董傲然
秦丹
朱彤
《交通信息与安全》
CSCD
北大核心
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
