伴隨著社會經濟的發(fā)展,危險貨物的運輸需求在不斷的增加,道路危險貨物運輸事故時有發(fā)生。研究道路危險貨物運輸事故的規(guī)律并分析運輸事故風險的高低,對于保障危險貨物的運輸安全具有重要意義。首先,論文在歸納和總結國內外研究現(xiàn)狀的基礎上,搜集了343起危險貨物運輸事故的數據信息,通過對事故數據分布特征的統(tǒng)計分析,得到危險貨物運輸事故發(fā)生的基本規(guī)律;以此為參照,根據事故樣本數據的致因統(tǒng)計和關鍵要素,確定事故嚴重程度分析模型的自變量集,利用Logistic回歸分析和彈性值分析,研究得到影響危險貨物運輸事故嚴重程度的顯著因素。其次,從危險貨物駕駛員的角度獲取對風險駕駛行為有顯著影響的因素,先進行駕駛員樣本數據的獲取及相關性分析,再進行變量的選取和模型的假定,然后運用結構方程模型,建立危險貨物駕駛員風險駕駛行為的因果結構模型和測量模型,對因變量與因變量、自變量與因變量之間的關系進行分析研究。最終從個體屬性、駕駛屬性、道路屬性以及行車選擇屬性等方面得到影響道路危險貨物駕駛員風險駕駛行為的顯著因素。再次,為了研究各個顯著影響因素與危險貨物運輸事故風險的高低,利用危險貨物運輸事故規(guī)律的研究成果進行參數的選取及對... 

【文章來源】：蘭州交通大學甘肅省

【文章頁數】：90 頁

【學位級別】：碩士

【部分圖文】：

技術路線流程圖

道路危險貨物運輸事故規(guī)律挖掘及事故風險研究-14-2.2道路危險貨物運輸事故統(tǒng)計分布特征分析通過對危險貨物運輸事故數據進行統(tǒng)計分布特征分析，進而明確各種環(huán)境下危險貨物車輛運輸事故的總體特征、運輸事故發(fā)生的各種影響因素以及因素與事故總體分布的關系，可以從宏觀上定量認知危險貨物車輛運輸事故的內在規(guī)律，并初步判斷明顯的影響因素和消除偶然因素。本節(jié)以獲取的343起危險貨物運輸事故數據為對象，從事故原因及類型、駕駛員個人屬性和行為屬性、道路條件、環(huán)境特征、時空分布、貨物屬性等多個方面對危險貨物運輸事故數據進行統(tǒng)計分析。2.2.1運輸事故發(fā)生的類型分布1運輸事故原因危險貨物車輛運輸事故往往因為載運物品本身的特殊屬性、運輸需求的不斷增長、駕駛員連續(xù)行車時間較長等一系列因素，使得危險貨物車輛成為道路行車環(huán)境中的“流動危險源”[4]。圖2.1為危險貨物運輸事故事故原因的分布圖，從圖中事故原因的分布中可以看出，不同的事故原因所引起的事故數量之間存在差異性，其中危險貨物包裝問題、駕駛員不正當操作、其他車輛原因以及未保持安全車距是引起危險貨物運輸事故的主要原因，分別占運輸事故樣本總數的14.6%、13.7%、13.7%和13.4%。此外，行車速度過快、車輛問題、駕駛員的不安全駕駛行為以及疲勞駕駛等因素引起的危險貨物運輸事故數量相對多。圖2.1危險貨物運輸事故致因分布特征2運輸事故類型危險貨物車輛發(fā)生運輸事故的事故類型主要有側翻、追尾、爆燃、側滑、碰撞、泄露以及刮擦等7類。圖2.2為危險貨物與運輸事故類型的分布特征圖。從統(tǒng)計結果可知，側翻是危險貨物運輸事故的主要事故形態(tài)，占比為28.0%，其次依次分別為追尾、碰撞、泄露、爆燃、側滑和刮擦，其中追尾、碰撞和泄露三種事故形

蘭州交通大學碩士學位論文-15-態(tài)所占比重相對較高，分別為21.9%、17.8%、16.0%。圖2.2危險貨物運輸事故類型分布特征2.2.2運輸事故發(fā)生的月份分布同理，對危險貨物運輸事故發(fā)生的月份進行統(tǒng)計分析，如圖2.3所示。統(tǒng)計結果發(fā)現(xiàn)，5月發(fā)生的道路危險貨物運輸事故起數最多，占事故樣本總數的13.1%，并且從統(tǒng)計圖中可知，5、6、7、8月份的事故發(fā)生起數均在整體統(tǒng)計圖趨勢線以上，總計占事故總數的42.2%�？梢姡竟�(jié)性變化跟危險貨物運輸事故密切相關，當天氣溫度較高時，車輛在行車過程中，由于長時間行車使得輪胎發(fā)熱、罐體內所運輸危險品的溫度較高、以及車輛在發(fā)生碰撞、側翻、追尾等事故時罐體或罐內危險品容易發(fā)熱，致使事故發(fā)生的占比要明顯高于其他月份，所以，駕駛員或運輸人員在這幾個月份運輸危險貨物時，要著重注意行車安全和罐體內溫度的調控，以免發(fā)生事故。圖2.3道路危險貨物運輸事故發(fā)生的月份分布特征2.2.3運輸事故發(fā)生的時間分布對道路危險貨物運輸事故發(fā)生的時間點進行了統(tǒng)計分析，如圖2.4所示。從統(tǒng)計圖中可知，一天中發(fā)生道路危險貨物運輸事故起數最多的是10時，占事故總數的7.87%，并且發(fā)現(xiàn)，凌晨2時、4-6時、8-13時、16時，該時間段的事故發(fā)生起數均高于平均每

【參考文獻】：
期刊論文
[1]危險貨物車輛司機速度選擇影響因素研究[J]. 劉鵬飛,馬昌喜,楊東,楊雪雁,魏軍奎.  中國安全科學學報. 2019(02)
[2]城市道路危險貨物運輸風險評估[J]. 馬曉麗,劉禹杰,陸鍵.  中國安全科學學報. 2018(05)
[3]基于神經網絡技術的危險貨物運輸駕駛員安全評價系統(tǒng)研究[J]. 郁春蘭,肖心遠,李懷俊.  南方職業(yè)教育學刊. 2016(06)
[4]危險品槽車交通事故案例分析[J]. 孫樂然.  物流工程與管理. 2014(03)
[5]風險駕駛行為影響因素的研究綜述[J]. 段冀陽,李志忠.  人類工效學. 2013(02)
[6]車輛運輸化學危險品的風險評估研究[J]. 楊建偉,呂建新.  中國農機化學報. 2013(03)
[7]惡劣天氣下高速公路實時事故風險預測模型[J]. 徐鋮鋮,劉攀,王煒,李志斌.  吉林大學學報(工學版). 2013(01)
[8]高速公路常發(fā)擁堵路段追尾事故風險實時預測[J]. 李志斌,劉攀,金茂菁,徐鋮鋮.  吉林大學學報(工學版). 2013(06)
[9]基于道路因素的山區(qū)高速公路危險品運輸風險分析[J]. 年光躍,蔣工亮,周海牛.  公路與汽運. 2011(05)
[10]巖體分級的多分類有序因變量Logistic回歸模型[J]. 張菊連,沈明榮.  同濟大學學報(自然科學版). 2011(04)

博士論文
[1]基于歷史數據的道路交通事故風險分析與預測方法研究[D]. 張翠平.北京交通大學 2017
[2]電動自行車風險駕駛行為及事故機理研究[D]. 王濤.東南大學 2017
[3]基于數據挖掘的道路交通事故分析研究[D]. 孫軼軒.北京交通大學 2014
[4]罐式車輛道路運輸毒性氣體泄漏擴散模型與風險評價研究[D]. 劉凱崢.長安大學 2011
[5]道路危險貨物運輸風險分析及路線優(yōu)化研究[D]. 沈小燕.長安大學 2009

碩士論文
[1]基于深度數據挖掘的危險品運輸事故關鍵影響因素及致因模型研究[D]. 蘇磊.青島科技大學 2019
[2]基于ALOHA和ArcMAP的道路危險貨物罐車運輸時變風險評估方法及應用研究[D]. 梁倩倩.北京交通大學 2019
[3]基于數據挖掘的高速公路交通事故分析及預防對策研究[D]. 孫維富.吉林大學 2018
[4]嘉紹大橋危險品運輸風險評估和控制技術研究[D]. 祁晨旭.長安大學 2017
[5]高速公路事故風險實時預測及事后時空影響分析[D]. 沈靜.東南大學 2017
[6]基于SEM模型的公共自行車用戶忠誠度影響因素研究[D]. 鐘榮.西南交通大學 2017
[7]基于貝葉斯網絡危險貨物道路運輸事故預測模型[D]. 吳迪.長安大學 2017
[8]基于交通安全數據挖掘的高速公路事故多發(fā)點研究[D]. 孫婷婷.山東科技大學 2017
[9]山區(qū)高速公路危險品運輸事故預測及危險評估研究[D]. 呂明新.山東科技大學 2017
[10]基于貝葉斯網絡的港區(qū)危險品運輸事故影響因素分析[D]. 李伊人.東南大學 2017



本文編號：3056506