公共文化服务平台

搜索到709篇“ 翻车事故“的相关文章

惊险一刻! 周冠宇翻车事故幸无大碍赛恩斯生涯首冠引争议——2022 F1英国大奖赛: 2022年; 2022年7月4日,2022F1英国大奖赛在银石赛道落下帷幕。法拉利车手赛恩斯收获生涯首冠,红牛车手佩雷兹名列第2,梅赛德斯奔驰车手汉密尔顿第3,中国车手周冠宇因翻车事故遗憾退赛,幸而有Halo装置的保护,并无大碍,令中国车迷为其捏了一把冷汗。; 王迪; 关键词：翻车事故法拉利汉密尔顿大奖赛梅赛德斯奔驰

防范和降低路侧碰撞与翻车事故的工程防护设计探究: 2022年; 介绍了加强公路路侧安全的工程设计理念,从路侧净区安全设计、排防水设施设计以及危险物警示标识配置等方面,进行了降低路侧碰撞与翻车事故的工程防护设计探究。; 张娇; 关键词：安全防护路侧设计

一种基于RCNN的翻车事故检测算法被引量：3: 2019年; 为了研究复杂环境下交通事故侧翻车辆的检测识别问题,采用RCNN检测算法,对一定数量的常见车辆事故场景和车身关键部位进行模型训练,并在此基础上结合空间辅助定位模型加强车辆侧翻检测分类。实验结果表明,该组合方法有效地提升了翻车事故的检测识别水平,并对误检率和漏检率有显著的抑制作用。; 刘杰; 关键词：交通安全

客车翻车事故的原因剖析与防范举措: 针对中国客车翻车事故频发,造成惨痛的道路交通事故,严重危及社会安宁.本文分析了近年来发生的重特大客车翻车事故,根据交通事故发生的人、车、路及环境等因素,详细分析查找客车翻车的各种主、客观原因,并梳理其主要的原因.为此,通...; 金柏正; 关键词：安全管理驾驶行为车辆技术管理

基于事故树分析法的营运客车翻车事故分析被引量：4: 2019年; 为了探究营运客车事故发生的原因及其结构重要度,并为长途线路的安全营运提供相关建议,文章从导致事故原因的人、车、道路方面进行研究,结合事故树分析法建立营运客车翻车事故树模型并进行分析求解。最终提出一系列安全措施,对保证营运客车安全运行具有一定参考价值。; 李思琪伦艺宁刘一凡王之兴; 关键词：营运客车

基于广义有序logit模型的翻车事故伤害程度估计被引量：3: 2019年; 为了分析影响翻车事故伤害程度的主要安全因素,以9469起事故样本为研究对象,从驾驶行为、驾驶员、道路条件、车辆及环境等4个方面中选出23个事故伤害程度的潜在影响因素.采用广义有序logit模型估计三种翻车事故等级(无伤害、轻伤、重伤或死亡)的分布概率,通过计算各显著变量的边际效用值定量鉴别各安全因素对翻车事故伤害程度的影响大小,并对安全因素的作用进行了分析.结果表明:偏离车道、疲劳驾驶、错误的避让措施、安全气囊展开、甩离车外、酒驾、毒驾、卡车、牵引拖拉机、限速大于55 kmph、农村地区及路面干燥增加发生重伤或死亡事故的概率.有序logit模型不满足成比例假设,并且模型有效性检验结果表明,广义有序logit模型的拟合优度较有序logit模型的高.; 叶之放靳文舟汤左淦; 关键词：交通安全翻车事故

考虑异质性效应的翻车事故伤害程度模型对比研究: 在道路交通事故中，虽然翻车事故占比相对较低，但却保持着较高的致死率。因此，国内外不少学者针对翻车事故开展了相关研究并取得了丰硕的成果，但是在翻车事故伤害程度方面的研究仍然存在一些值得挖掘的空间。由于已有事故数据大都无法全...; 汤左淦; 关键词：翻车事故

考虑异质性的翻车事故伤害建模被引量：7: 2018年; 为深入分析影响翻车事故伤害程度的各项因素及其对不同受伤等级事故的影响,根据人、车、路、环境及事故5方面的安全因素,构建考虑异质性的翻车事故伤害混合logit模型;采用蒙特卡罗方法估计模型参数,并计算相应显著变量的弹性;通过显著性水平为5%的假设检验,从22个备选变量中确定混合logit模型的输入自变量。结果表明:驾驶员性别、年龄、安全带使用、安全气囊展开、甩出车外、酒驾、毒驾、偏离车道行驶、疲劳驾驶、采取错误避让措施、车辆类型、车辆行驶意图、路段类型、限速值、事故发生地、事故发生日期、不良天气、光线及路面条件与翻车事故伤害程度显著相关;年轻驾驶员与男性驾驶员群体对事故伤害程度的影响具有个体差异性。; 温惠英汤左淦卢德佑; 关键词：翻车事故蒙特卡罗方法

机动车与摩托车翻车事故受伤严重程度分析: 翻车事故是较为主要的致命事故形式,目前,国内外都只针对机动车翻车事故展开研究,而缺少对摩托车翻车事故的相关研究。但摩托车翻车事故已被证实更易造成严重后果,并通常伴随更高等级的事故伤害,因此,此类型事故值得引起相关学者的关...; 张渤; 关键词：机动车摩托车翻车事故影响因素; 文献传递

基于一种组合新模型的翻车事故严重性预测被引量：2: 2018年; 由于近年来发生在高速公路上的翻车事故较多,且预测翻车事故严重性的文献较少,故通过一种组合新模型来预测翻车事故的严重程度。通过收集的2012年—2016年1 939起高速公路翻车事故数据,采用Logistic回归与朴素贝叶斯组合的新模型作为翻车事故严重性的预测方法。为了进一步验证组合预测模型的优越性,构建了朴素贝叶斯预测模型和Logistic回归预测模型。对比这3个预测模型的预测数据正确率值,表明组合预测模型效果更好。同时,11个候选变量经过单因素分析和多因素分析,选出7个显著性变量:驾驶员年龄、事故涉及车型、事故涉及车辆数、事故发生时段、天气条件、事故是否发生在匝道、肇事车辆是否超载超限。当相应道路或环境条件得到改善后,组合预测模型有助于道路管理者了解翻车事故严重程度可能的变化情况;当出现一起翻车事故时,可根据已知的有限信息利用组合预测模型预估事故严重程度,以便开展后期救援。; 肖烽杨顺新; 关键词：翻车事故贝叶斯预测 LOGISTIC回归朴素贝叶斯

相关作者