為提高營(yíng)運(yùn)客車(chē)交通安全管理水平,應(yīng)準(zhǔn)確識(shí)別營(yíng)運(yùn)客車(chē)在運(yùn)行中的風(fēng)險(xiǎn)影響因子并對(duì)其進(jìn)行評(píng)估。結(jié)合云南省2010—2017年?duì)I運(yùn)客車(chē)道路交通事故數(shù)據(jù),通過(guò)伯努利方程計(jì)算出各風(fēng)險(xiǎn)要素引發(fā)交通事故的概率并量化其造成的經(jīng)濟(jì)損失,在此基礎(chǔ)上根據(jù)交通系統(tǒng)四要素,構(gòu)建了風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系;建立基于模糊小波神經(jīng)網(wǎng)絡(luò)的營(yíng)運(yùn)客車(chē)運(yùn)行風(fēng)險(xiǎn)評(píng)估模型。與BP神經(jīng)網(wǎng)絡(luò)模型相比,該模型精度有所提高,收斂速度更快,學(xué)習(xí)效率更高;對(duì)模型進(jìn)行實(shí)例應(yīng)用,結(jié)果表明,車(chē)輛運(yùn)行速度、制動(dòng)器溫度、胎壓、不良天氣、重點(diǎn)違法行為增長(zhǎng)率等5個(gè)因子是造成營(yíng)運(yùn)客車(chē)運(yùn)行高風(fēng)險(xiǎn)的重要因素,模型能夠客觀準(zhǔn)確地對(duì)營(yíng)運(yùn)客車(chē)運(yùn)行風(fēng)險(xiǎn)進(jìn)行評(píng)估。 

【文章來(lái)源】：安全與環(huán)境學(xué)報(bào). 2020,20(03)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

FNN測(cè)試結(jié)果

FWNN測(cè)試結(jié)果

輸出層為風(fēng)險(xiǎn)等級(jí)，風(fēng)險(xiǎn)等級(jí)分為5級(jí)，故將神經(jīng)元個(gè)數(shù)設(shè)為5。模糊神經(jīng)網(wǎng)絡(luò)的輸出量為風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的模糊量，需經(jīng)去模糊化得到最終風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果。營(yíng)運(yùn)客車(chē)運(yùn)行風(fēng)險(xiǎn)評(píng)估模型的輸入神經(jīng)元和輸出神經(jīng)元見(jiàn)表5。營(yíng)運(yùn)客車(chē)運(yùn)行風(fēng)險(xiǎn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)見(jiàn)圖2。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的城市交通擁塞環(huán)境下車(chē)輛運(yùn)行風(fēng)險(xiǎn)識(shí)別研究[J]. 胡立偉,楊錦青,何越人,孟玲,羅振武.  公路交通科技. 2019(10)
[2]道路運(yùn)輸企業(yè)行車(chē)風(fēng)險(xiǎn)評(píng)估及控制方法研究[J]. 趙煒華,張耀虎,翟欣欣.  安全與環(huán)境學(xué)報(bào). 2018(05)
[3]營(yíng)運(yùn)車(chē)輛重特大交通事故反饋控制關(guān)鍵問(wèn)題研究[J]. 楊京帥,胡大偉,孫正一.  公路. 2013(04)
[4]基于云模型的模糊綜合評(píng)價(jià)方法及應(yīng)用[J]. 沈進(jìn)昌,杜樹(shù)新,羅祎,羅季陽(yáng),楊倩,陳志鋒.  模糊系統(tǒng)與數(shù)學(xué). 2012(06)
[5]基于小波—BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)方法[J]. 師洪濤,楊靜玲,丁茂生,王金梅.  電力系統(tǒng)自動(dòng)化. 2011(16)
[6]基于風(fēng)險(xiǎn)管理方法的危險(xiǎn)源評(píng)價(jià)分級(jí)研究[J]. 劉宏,唐禹夏,程宇和.  中國(guó)安全科學(xué)學(xué)報(bào). 2007(06)



本文編號(hào)：3532536