發(fā)布時間：2021-10-10 12:14

　　以2008～2017年間廣東省發(fā)生的5 869起公交事故為基礎,將其分為車輛間事故、車輛-行人事故和單車事故等3類,以事故嚴重程度為因變量,選取年齡、行駛狀態(tài)、道路線形、區(qū)域、照明條件和事故形態(tài)等因素為候選自變量,分別建立Logistic模型進行對比分析,以探究人、車、路和環(huán)境等因素對公交事故嚴重程度的影響。結(jié)果表明:除單車事故模型外,各模型擬合度良好。不同形態(tài)的公交事故嚴重程度影響因素之間存在異同性。行駛狀態(tài)、道路類型、區(qū)域和時段等對除單車事故模型外的其余模型因變量均具有顯著影響;而道路線形僅對整體事故嚴重程度具有顯著影響,路口路段類型和節(jié)假日類型僅對車輛間事故嚴重程度具有顯著影響。研究結(jié)果可為降低公交事故嚴重程度提供一定參考依據(jù)。 

【文章來源】：中山大學學報(自然科學版). 2020,59(04)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

2008～2017年廣東省城市公交事故逐年變化

事故數(shù)量比例和死傷人數(shù)比例的逐時變化見圖2。事故數(shù)量和死傷人數(shù)整體呈現(xiàn)夜間少、白天多的趨勢，而各時段的受傷人數(shù)比例和事故數(shù)量比例變化基本一致。夜間死亡人數(shù)比例相比于事故數(shù)量比例和受傷人數(shù)比例相對較高，而白天則相對較低；且在13:00～14:59這一時段，死亡人數(shù)比例明顯低于事故數(shù)量比例和受傷人數(shù)比例。1.3 區(qū)域事故情況

【參考文獻】：
期刊論文
[1]應用聚類分析識別上海浦東新區(qū)道路交通事故模式[J]. 王亞,應佳麗,楊琛,林濤,金克峙.  環(huán)境與職業(yè)醫(yī)學. 2018(12)
[2]突發(fā)事件中網(wǎng)絡輿論負面態(tài)勢形成的原因及引導策略——以“萬州公交車墜江事件”為例[J]. 李志宏.  新聞研究導刊. 2018(23)
[3]公交駕駛員駕駛憤怒量表的編制及初步應用[J]. 林慶豐,鄧院昌,張圓,史晨軍.  中國安全科學學報. 2018(06)
[4]數(shù)據(jù)挖掘技術(shù)在我國道路交通安全評價中的應用[J]. 張坤,梅詩冬,景國勛,三上喜貴.  安全與環(huán)境工程. 2018(01)
[5]電動自行車交通事故嚴重程度影響因素分析[J]. 王濤,黎文皓,李文勇.  廣西大學學報(自然科學版). 2017(06)
[6]基于關聯(lián)規(guī)則的公交事故受傷情況預測研究[J]. 劉文玲,錢曉飛,裴軍.  控制工程. 2016(09)
[7]道路環(huán)境對繞城高速公路交通事故嚴重程度影響分析[J]. 馮忠祥,雷葉維,張衛(wèi)華,王錕,韓松.  中國公路學報. 2016(05)
[8]城市道路交通事故嚴重程度影響因素分析[J]. 馬柱,陳雨人,張?zhí)m芳.  重慶交通大學學報(自然科學版). 2014(01)

碩士論文
[1]公交車輛交通事故影響因素研究[D]. 李琪.西安電子科技大學 2015



本文編號：3428358