CN115662143A - 一种公交企业运营安全态势动态预测系统及方法 - Google Patents
一种公交企业运营安全态势动态预测系统及方法 Download PDFInfo
- Publication number
- CN115662143A CN115662143A CN202211454120.XA CN202211454120A CN115662143A CN 115662143 A CN115662143 A CN 115662143A CN 202211454120 A CN202211454120 A CN 202211454120A CN 115662143 A CN115662143 A CN 115662143A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- enterprise
- safety
- safety situation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种公交企业运营安全态势动态预测系统及方法,包括步骤S1:采集、存储影响营运公交车交通安全的人、车、路、环境、公交企业管理相关数据并进行数据预处理;步骤S2:将相关数据和前一天同时段的企业安全态势指数作为自变量,计算公交企业安全态势指数;步骤S3:动态预测企业未来24小时内安全态势指数;步骤S4:建立预警模块。步骤S5:对涉及车辆的运动学参数进行调整,并告知驾驶人注意事项。本发明的优点是:直观地感知各企业的交通安全态势等级,企业、驾驶人可以根据报警和预警时被告知的原因进行合理地安排与调整,车辆可以由控制模块自动进行控制,交通运输管理部门可以实时监管企业并督促企业采取相应的措施。
Description
技术领域
本发明涉及道路交通安全技术领域及道路车辆驾驶系统控制技术领域,具体涉及一种公交企业运营安全态势动态预测系统及方法。
背景技术
公共交通降低交通拥堵和节能减排的作用越来越被人们认识到,至2021年末全国拥有城市公共汽电车70.94万辆。随着人们乘坐公交客车数量的增加,公交客车事故引发了人们的注意,因为公共交通发生事故往往会造成更为严重的人员伤亡和财产损失。因此,需要特别关注公交企业运营的安全性,考虑驾驶人状态、车辆状态、天气环境以及企业安全管理等方面从行业监管的角度全方位对企业整体安全态势进行动态的监测评估与预测预警,以便于对公交企业运输动态安全进行考评管理和预警督办,同时还可以根据实时预警信息调整车辆和驾驶人,进而提升公交企业运营的安全性。
为了提高运输企业运营安全性,交通运输部推出城市公交企业安全生产达标标准,该标准主要从安全目标、管理机构和人员、安全责任体系、法规和安全管理制度、安全投入、装备设施、科技创新与信息化、队伍建设、作业管理、危险源辩识与风险控制、隐患排查与治理、职业健康、安全文化、应急救援、事故报告调查处理、绩效考核与持续改进角度规范企业安全生产工作,因涉及的都是静态指标,所以该标准一年评价一次。若想及时调整企业安全态势,只是考虑上述安全投入、管理机构和人员、法规和安全管理制度等安全氛围因素是不够的,应该综合动静态安全运营影响因素,对公交企业运营安全态势进行动态评估和预测。
在交通安全态势动态评估和预测方面,目前研究的主要评价对象是区域交通流,例如中国专利CN112037513A公开了一种实时交通安全指数动态综合评价系统及其构建方法,通过考虑历史交通事故、道路基本属性、气象、交通信号周期、交通流量、车辆性能和驾驶行为,以历史交通事故数及等级构成的交通安全指数作为因变量,建立事故风险评估与预测模型,进而计算不同区域的动态交通安全指数;中国专利CN112669596A公开了一种基于大数据的交通安全态势判别系统及方法,通过考虑车辆信息、违章信息以及交通流信息,得到基于拥堵和事故的区域安全态势;如果对公交企业动态安全运行态势进行评价,上述成果无法支撑,因为公交企业能够安全运营不仅跟车辆和道路环境有关系,还跟驾驶人的动态数据和企业的安全管理有关,但上述研究没有涉及,难以支持从行业的角度了解公交企业整体运营动态安全态势,无法实时调整企业、驾驶人、车辆的安全状态。
因此,在国家重点研发计划项目《营运车船驾驶人员适岗状态智能监测预警技术及示范》(2021YFC3001500)的支撑下,现亟需一种公交企业运营安全态势动态预测系统及方法。
发明内容
鉴于上述问题,本发明的目的是提供一种公交企业运营安全态势动态预测系统及方法,利用多源多维数据综合考虑人、车、路、环境、公交企业管理等影响交通安全的因素,以小时为单位实时评估公共交通企业运营安全水平,从行业管理的角度对公交企业运营安全提供风险预警,以克服上述现有技术的不足。
本发明提供的一种公交企业运营安全态势动态预测方法,具体包括以下步骤:
步骤S1:采集、存储影响营运公交车交通安全的人、车、路、环境、公交企业管理相关数据并进行数据预处理,其中,所述数据预处理为:对定性数据赋值并处理各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据;
步骤S2:将预处理后的人、车、路、环境、公交企业管理相关数据及前一天同时段的企业安全态势指数作为自变量,计算公交企业安全态势指数;
步骤S3:根据步骤S2得到的公交企业安全态势指数和过去24小时的安全态势指数,动态预测企业未来24小时内安全态势指数;其中,针对当前安全态势指数和未来24小时内安全态势指数,进行动态的安全态势等级划分,从低到高共划分为五个安全态势等级;
步骤S4:建立预警模块,根据步骤S3得到的当前安全态势等级,在当前安全态势等级为四级和五级时进行报警,并给出报警原因;根据步骤S3得到的未来安全态势等级,在未来安全态势等级为四级和五级时进行预警,并给出预警原因;其中,根据各个指标因素的权重和指标数值的乘积得到该指标对安全态势指数的影响程度,将影响程度最大的前三种因素输出,再从专家建议模块调出相应的建议,企业进而能得知报警及预警原因及相应的建议;
步骤S5:将步骤S4给出的报警、预警原因以及从专家建议模块中调取对应的建议传输给控制模块,进而对涉及车辆的运动学参数进行调整,并告知驾驶人注意事项。
进一步地,在步骤S1中采集的影响交通安全的人、车、路、环境、公交企业管理相关数据包括:驾驶行为数据、生理数据、心理数据、个体人口学与社会学数据、车辆性能数据、交通事故数据、气象数据、公交企业安全氛围数据和线路数据。
进一步地,所述驾驶行为数据包括:准驾车型、不安全行为比例、驾龄、驾驶时长;其中,不安全行为比例指的是不安全行为次数与公交驾驶人出岗次数比例,驾驶时长指的是截止到统计时段当天公交驾驶人驾驶公交车总时长,所述不安全行为具体包括抽烟、打电话、分心驾驶、超速、疲劳。
进一步地,所述生理数据包括:年龄、性别、体温、呼吸频率、血压、血氧、心率、睡眠质量、睡眠时长、视力、暗视力、夜间视力、已有影响驾驶安全的病史;所述的睡眠质量与睡眠时长均指出岗前一天公交驾驶人睡眠情况;
所述心理数据包括:人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态;
所述个体人口学和社会学数据包括:文化程度、婚姻状况、个人收入、家庭人均收入;
所述车辆性能数据包括:车龄、行驶里程、机动性、平顺性;所述的机动性指最小转弯半径,平顺性指降震程度;
所述交通事故数据包括:道路交通责任事故起数、死亡人数、受伤人数、安全行车公里数、公交车事故经济损失;
所述气象数据包括:温度、风速、蒸气压、能见度、降雨/降雪量;
所述公交企业安全氛围数据包括:对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率。
进一步地,所述线路数据包括:线路长度、线路站数、发车间隔、车道数、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数。
进一步地,所述步骤S2中,企业安全态势指数计算公式为:
式中,Y表示企业安全态势指数;表示选定时段内企业历史安全态势指数最小
值,表示选定时段内企业历史安全态势指数最大值;表示企业当前时间段t内的安全
风险指数;表示第j类自变量的平均值,共p个变量;表示自变量的权重。
进一步地,在步骤S3中,五个安全态势等级的安全态势指数范围为:
五级为: ;其中,表示选定时段内企业历史安全态
势指数最小值,表示选定时段内企业历史安全态势指数最大值;动态预测企业未来24小
时内安全态势指数基于时间序列分析中的指数平滑方法,其中,采用所述时间序列分析的
原因是:由于企业安全态势指数是随着时间变化且有规律的存在,故依据时间进行未来企
业安全态势指数的预测;采用指数平滑方法的原因是可具体预测未来企业安全态势指数。
进一步地,在步骤S2中的企业安全态势指数计算包括以下步骤:
步骤S101:采集并存储某市评估日过去30天内的所有公交驾驶人驾驶行为数据,对驾驶行为数据进行预处理;
其中,采集并存储的驾驶行为数据包括准驾车型、不安全行为次数、驾龄、驾驶时长;
处理驾驶行为数据的方法为:准驾车型A1赋值0、准驾车型A3赋值1;取驾驶人不安全行为次数与驾驶人出岗次数比例为不安全行为赋值;驾龄与驾驶时长取其实际数值,其中驾龄以月为统计单位,驾驶时长以小时为统计单位;
步骤S102:采集并存储某市评估日过去30天内的所有公交驾驶人生理数据,对生理数据进行预处理;
其中,采集并存储的生理数据包括年龄、性别、视力、暗视力、夜间视力、已有影响驾驶安全的病史、体温、呼吸频率、血压、血氧、心率、睡眠质量、睡眠时长;
处理生理数据的方法为:性别男赋值0、性别女赋值1;睡眠质量及已有影响驾驶安全的病史按照其严重程度分别赋值1、2、3、4、5,数值的增大代表着越危害安全驾驶;年龄、视力、暗视力、夜间视力、体温、呼吸频率、血压、血氧、心率、睡眠时长取其实际数值;
步骤S103:采集并存储某市评估日过去30天内的所有公交驾驶人心理数据,并对心理数据进行预处理;
其中,采集并存储的心理数据包括人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态;
处理心理数据的方法为:人格特质为驾驶人入职时企业对驾驶人做的评判,并根据其人格对驾驶安全的影响,分别赋值1、2、3、4、5,数值的增大代表着越危害安全驾驶;根据企业定期对驾驶人进行的心理健康调查得出抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态的评分,评分即为其数值;
步骤S104:采集并存储某市评估日过去30天内的所有公交驾驶人个体人口学和社会学数据,并对个体人口学和社会学数据进行预处理;
其中,采集并存储的个体人口学和社会学数据包括:文化程度、婚姻状况、个人收入、家庭人均收入;
处理人口学和社会学数据的方法为:将文化程度按照学历高低进行赋值,其中:本科赋值1、大专赋值2、普高赋值3、职高赋值4、初中赋值5、小学赋值6;婚姻状况分为非单身与单身,非单身赋值0,单身赋值1;个人收入、家庭人均收入取其实际采集数值;
步骤S105:采集并存储某市评估日过去30天内的所有公交车车辆性能数据,并对车辆性能数据进行预处理;
其中,采集并存储的车辆性能数据包括:车龄、总行驶里程、机动性、平顺性;
处理车辆性能数据的方法为:车龄、总行驶里程、机动性、平顺性取其实际数值;
步骤S106:采集并存储某市评估日过去30天内的所有公交企业相关的交通事故数据,并对交通事故数据进行预处理;
其中,采集并存储的交通事故数据包括道路交通责任事故起数、事故造成的死亡人数、事故造成的受伤人数、安全行车公里数、公交车事故经济损失;
处理交通事故数据的方法为:道路交通责任事故起数、死亡人数、受伤人数、总安全行车公里数、公交车事故经济损失取其实际数值;
步骤S107:采集并存储某市评估日前24h和评估日每小时的气象数据,并对气象数据进行预处理;
其中,采集并存储的气象数据包括温度、风速、蒸气压、能见度、降雨/降雪量;
处理气象数据的方法为:温度、风速、蒸气压、能见度、降雨/降雪量取其实际数值;
步骤S108:采集并存储某市评估日过去30天内公交企业安全氛围数据,并对公交企业安全氛围数据进行预处理;
其中,采集并存储的公交企业安全氛围数据包括:对驾驶员奖惩金额、安全投入金额、培训频率、管理机构和人员配备率、法规和安全管理制度完善率;
处理公交企业安全氛围数据的方法为:对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率取其实际数值;
步骤S109:采集并存储某市评估日过去30天内线路数据,并对线路数据进行预处理;
其中,线路数据包括:线路长度、线路站数、营运时间、发车间隔、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数;
处理线路数据的方法为:线路长度、线路站数、营运时间、发车间隔、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数取其实际数据数值;机动车与非机动车道隔离方式按照机动车与非机动车道有隔离和机动车与非机动车道无隔离进行划分,其中机动车与非机动车道有隔离赋值0,机动车与非机动车道无隔离赋值1。
进一步地,步骤S201:将人、车、路、环境、公交企业管理相关数据及前一天同时段安全态势指数作为自变量,共n个待评价样本(一位驾驶人为一个样本),p项评价指标,其形成原始指标数据矩阵:
步骤S202:进行无量纲化处理,本发明采用正向化及逆向化处理方法:
步骤S203:计算指标变异性,以标准差的形式来表现:
步骤S204:计算指标冲突性,用相关系数进行表示:
步骤S205:计算信息量:
步骤S206:计算客观权重:
因此,
本发明的另一个目的是提供一种公交企业运营安全态势动态预测系统,包括:专家建议模块、数据采集与存储模块、数据预处理模块、交通安全态势指数计算及预测模块、预警模块、控制模块;
其中,所述专家建议模块用于存储企业和交通运输管理部门内具有丰富经验的人输入的预警原因和相应的调整建议;
其中,所述数据采集与存储模块用于采集与存储各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据;
所述数据预处理模块用于对定性数据赋值并处理各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据;
所述交通安全态势计算及预测模块用于调用预处理后的人、车、路、环境、公交企业管理各类数据,及前一天同时段的企业安全态势指数,并以上述数据为自变量,计算安全态势指数;其中,根据当前公交企业安全态势指数和过去24小时的安全态势指数,动态预测企业未来24小时内安全态势指数;针对当前安全态势指数和未来24小时内安全态势指数,进行动态的安全态势等级划分,从低到高共划分为五个安全态势等级;
所述预警模块用于对不同企业当前安全态势等级,在当前安全态势等级为四级和五级时进行报警,并给出报警原因;对未来安全态势等级,在未来安全态势等级为四级和五级时进行预警,并给出预警原因;根据各个指标因素的权重和指标数值的乘积得到该指标对安全态势指数的影响程度,将影响程度最大的前三种因素输出,再从专家建议模块调出相应的建议,进而企业能得知报警及预警原因和相应的建议从而做出调整;
所述控制模块用于调取预警模块给出的报警及预警原因再从专家建议模块中调取对应的建议,进而对涉及车辆的运动学参数进行调整,并告知驾驶人注意事项。
本发明的优点及积极效果是:
1、本发明创新性地探索大数据的特征,通过挖掘提炼多源多维数据与交通安全相关联的信息,从驾驶人安全、车辆安全、环境安全和企业安全多个维度研究计算安全态势指数。与传统的研究相比,融合驾驶人生理、心理、个体人口学与社会学、企业管理等数据,更加全面地考虑了交通安全有关因素,使得评估具有动态性、科学性、客观性和真实性。同时,由于数据的采集频率高,能够实现实时的安全评估,为交通运输管理部门、相关企业提供更为准确实时的决策依据。
2、本发明针对交通运输管理部门和企业,可以每小时计算不同企业的安全态势指数,直观地感知各企业的交通安全态势等级,企业、驾驶人可以根据报警和预警时被告知的原因进行合理地安排与调整,车辆可以由控制模块自动进行控制,交通运输管理部门可以实时监管企业并督促企业采取相应的措施。因此,本发明可以广泛应用于交通安全评估领域及道路车辆驾驶系统控制技术领域。
附图说明
通过参考以下结合附图的说明,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1本发明实施例中一种公交企业运营安全态势动态预测系统的构建方法流程图。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
实施例1
图1示出了根据本发明实施例的整体结构示意图。
如图1所示,本发明实施例提供的公交企业运营安全态势动态预测系统,其包括专家建议模块、数据采集与存储模块、数据预处理模块、安全态势指数计算与预测模块、预警模块以及控制模块。其中:
专家建议模块存储企业和交通运输管理部门内具有丰富经验的人输入的预警原因和相应的调整建议。
数据采集与存储模块用于采集及存储各区域内影响交通事故的人、车、路、环境、公交企业管理等相关数据,并将这些数据输出到数据预处理模块,其中:准驾车型、公交驾驶人出岗次数、驾龄、年龄、性别、视力、暗视力、夜间视力、已有影响驾驶安全的病史、人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态、文化程度、婚姻状况、个人收入、家庭人均收入、车龄、行驶里程、机动性、平顺性、道路交通责任事故起数、死亡人数、受伤人数、安全行车公里数、公交车事故经济损失、对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率、线路长度、线路站数、运营时间、发车间隔由公交企业采集并输入到数据采集与存储模块,体温、呼吸频率、血压、血氧、心率、睡眠质量、睡眠时长由穿戴式生理仪采集,不安全行为次数(抽烟、打电话、分心驾驶、超速、疲劳)、驾驶时长由车内视频监控进行采集,车道数、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度由道路视频监控进行采集,路面摩擦系数由交通管理部门输入到数据采集与存储模块,温度、风速、蒸气压、能见度、降雨/降雪量由天气网(http://www.tianqi.com)接入到数据采集与存储模块。一年采集一次的数据有:准驾车型、驾龄、年龄、性别、视力、暗视力、夜间视力、已有影响驾驶安全的病史、人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、文化程度、婚姻状况、车龄、机动性、平顺性、车道数、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例。一月采集一次的数据有:心理状态、个人收入、家庭人均收入、对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率、线路长度、线路站数、营运时间、发车间隔、路面摩擦系数。一天采集一次的数据有:行驶里程、公交驾驶人出岗次数、道路交通责任事故起数、死亡人数、受伤人数、安全行车公里数、公交车事故经济损失、睡眠质量、睡眠时长、路面完整度。实时采集的数据有:体温、呼吸频率、血压、血氧、心率、不安全行为次数(抽烟、打电话、分心驾驶、超速、疲劳)、驾驶时长、温度、风速、蒸气压、能见度、降雨/降雪量。
数据预处理模块从数据采集与存储模块调用数据,用于对定性数据赋值并处理各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据。
安全态势指数计算与预测模块从数据预处理模块调用数据,用于以预处理后的人、车、路、环境、公交企业管理各类数据及前一天同时段安全态势指数作为自变量,计算安全态势指数,该模块所需数据从数据预处理模块调取。根据企业安全态势指数,对未来24小时内安全态势指数进行预测。对当前和未来安全态势指数进行安全态势等级划分。
预警模块从安全态势指数计算与预测模块调用企业安全态势等级。根据当前安全态势等级,在当前安全态势等级为四级和五级时进行报警,并给出报警原因;根据未来安全态势等级,在未来安全态势等级为四级和五级时进行预警,并给出预警原因。
控制模块从预警模块调用报警及预警原因,并从专家建议模块调用针对该原因的建议。在判断有驾驶人和车辆需要调整的地方时,传输给车辆上的控制模块,控制模块通过对车辆动态参数的修改进而对车辆进行控制,再从专家建议模块调取针对该原因的建议并告知驾驶人,督促驾驶人及时整改。
实施例2
本实施例在实际实施应用中,对本发明系统构建方法的详细实施方案进行介绍。
上述步骤S1中,采集、存储影响运营公交车交通安全的人、车、路、环境、公交企业管理相关数据并对各类数据进行预处理,包括以下步骤:
步骤S101:采集并存储某市评估日过去30天内的所有公交驾驶人驾驶行为数据,对驾驶行为数据进行预处理。
其中,采集并存储的驾驶行为数据包括准驾车型、不安全行为次数(抽烟、打电话、分心驾驶、超速、疲劳)、驾龄、驾驶时长。
处理驾驶行为数据的方法为:准驾车型A1赋值0、准驾车型A3赋值1;取驾驶人不安全行为次数与驾驶人出岗次数比例为不安全行为(抽烟、打电话、分心驾驶、超速、疲劳)赋值;驾龄与驾驶时长取其实际数值,其中驾龄以月为统计单位,驾驶时长以小时为统计单位。
步骤S102:采集并存储某市评估日过去30天内的所有公交驾驶人生理数据,对生理数据进行预处理。
其中,采集并存储的生理数据包括年龄、性别、视力、暗视力、夜间视力、已有影响驾驶安全的病史、体温、呼吸频率、血压、血氧、心率、睡眠质量、睡眠时长。
处理生理数据的方法为:性别男赋值0、性别女赋值1;睡眠质量及已有影响驾驶安全的病史按照其严重程度分别赋值1、2、3、4、5,数值的增大代表着越危害安全驾驶;年龄、视力、暗视力、夜间视力、体温、呼吸频率、血压、血氧、心率、睡眠时长取其实际数值。
步骤S103:采集并存储某市评估日过去30天内的所有公交驾驶人心理数据,并对心理数据进行预处理。
其中,采集并存储的心理数据包括人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态。
处理心理数据的方法为:人格特质为驾驶人入职时企业对驾驶人做的评判,并根据其人格对驾驶安全的影响,分别赋值1、2、3、4、5,数值的增大代表着越危害安全驾驶;根据企业定期对驾驶人进行的心理健康调查得出抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态的评分,评分即为其数值。
步骤S104:采集并存储某市评估日过去30天内的所有公交驾驶人个体人口学和社会学数据,并对个体人口学和社会学数据进行预处理。
其中,采集并存储的个体人口学和社会学数据包括:文化程度、婚姻状况、个人收入、家庭人均收入。
处理人口学和社会学数据的方法为:将文化程度按照学历高低进行赋值,其中:本科赋值1、大专赋值2、普高赋值3、职高赋值4、初中赋值5、小学赋值6;婚姻状况分为非单身与单身,非单身赋值0,单身赋值1;个人收入、家庭人均收入取其实际采集数值。
步骤S105:采集并存储某市评估日过去30天内的所有公交车车辆性能数据,并对车辆性能数据进行预处理。
其中,采集并存储的车辆性能数据包括:车龄、总行驶里程、机动性、平顺性。
处理车辆性能数据的方法为:车龄、总行驶里程、机动性、平顺性取其实际数值。
步骤S106:采集并存储某市评估日过去30天内的所有公交企业相关的交通事故数据,并对交通事故数据进行预处理。
其中,采集并存储的交通事故数据包括道路交通责任事故起数、事故造成的死亡人数、事故造成的受伤人数、安全行车公里数、公交车事故经济损失。
处理交通事故数据的方法为:道路交通责任事故起数、死亡人数、受伤人数、总安全行车公里数、公交车事故经济损失取其实际数值。
步骤S107:采集并存储某市评估日前24h和评估日每小时的气象数据,并对气象数据进行预处理。
其中,采集并存储的气象数据包括温度、风速、蒸气压、能见度、降雨/降雪量。
处理气象数据的方法为:温度、风速、蒸气压、能见度、降雨/降雪量取其实际数值。
步骤S108:采集并存储某市评估日过去30天内公交企业安全氛围数据,并对公交企业安全氛围数据进行预处理。
其中,采集并存储的公交企业安全氛围数据包括:对驾驶员奖惩金额、安全投入金额、培训频率、管理机构和人员配备率、法规和安全管理制度完善率。
处理公交企业安全氛围数据的方法为:对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率取其实际数值。
步骤S109:采集并存储某市评估日过去30天内线路数据,并对线路数据进行预处理。
其中,线路数据包括:线路长度、线路站数、营运时间、发车间隔、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数。
处理线路数据的方法为:线路长度、线路站数、营运时间、发车间隔、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数取其实际数据数值;机动车与非机动车道隔离方式按照机动车与非机动车道有隔离和机动车与非机动车道无隔离进行划分,其中机动车与非机动车道有隔离赋值0,机动车与非机动车道无隔离赋值1。
上述步骤S2中,计算某一企业现在的安全态势指数,包括以下步骤:
步骤S201:将人、车、路、环境、公交企业管理相关数据及前一天同时段安全态势指数作为自变量,共n个待评价样本(一位驾驶人为一个样本),p项评价指标,其形成原始指标数据矩阵:
步骤S202:进行无量纲化处理,本发明采用正向化及逆向化处理方法:
步骤S203:计算指标变异性,以标准差的形式来表现:
步骤S204:计算指标冲突性,用相关系数进行表示:
步骤S205:计算信息量:
步骤S206:计算客观权重:
因此,
步骤S3包含以下步骤:
步骤S301:根据步骤S2得到的公交企业安全态势指数和过去24小时的安全态势指数,基于时间序列分析中的指数平滑方法动态预测企业未来24小时内安全态势指数。
步骤S302:针对当前安全态势指数和未来24小时内安全态势指数,进行动态的安全态势等级划分,共分为五个等级。
步骤S4:建立预警模块。根据步骤S3得到的当前安全态势等级,在当前安全态势等级为四级和五级时进行报警,并给出报警原因;根据步骤S3得到的未来安全态势等级,在未来安全态势等级为四级和五级时进行预警,并给出预警原因。根据各个指标因素的权重和指标数值的乘积得到该指标对安全态势指数的影响程度,将影响程度最大的前三种因素输出,再从专家建议模块调出相应的建议,企业进而能得知报警及预警原因以及相应的建议。
步骤S5:控制模块从预警模块调用报警及预警原因,并从专家建议模块调用针对该原因的建议。在判断有驾驶人和车辆需要调整的地方时,传输给车辆上的控制模块,控制模块通过对车辆动态参数的修改进而对车辆进行控制,再从专家建议模块调取针对该原因的建议并告知驾驶人,督促驾驶人及时整改。如:当报警及预警原因为天气下的降雨量时,根据降雨量确定对应的车辆限速值,控制模块自动调整车辆的速度参数,并告知驾驶人。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种公交企业运营安全态势动态预测方法,其特征在于,包括以下步骤:
步骤S1:采集、存储影响营运公交车交通安全的人、车、路、环境、公交企业管理相关数据并进行数据预处理,其中,所述数据预处理为:对定性数据赋值并处理各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据;
步骤S2:将预处理后的人、车、路、环境、公交企业管理相关数据及前一天同时段的企业安全态势指数作为自变量,计算公交企业安全态势指数;
步骤S3:根据步骤S2得到的公交企业安全态势指数和过去24小时的安全态势指数,动态预测企业未来24小时内安全态势指数;其中,针对当前安全态势指数和未来24小时内安全态势指数,进行动态的安全态势等级划分,从低到高共划分为五个安全态势等级;
步骤S4:建立预警模块,根据步骤S3得到的当前安全态势等级,在当前安全态势等级为四级和五级时进行报警,并给出报警原因;根据步骤S3得到的未来安全态势等级,在未来安全态势等级为公交企业安全态势指数四级和五级时进行预警,并给出预警原因;其中,根据各个指标因素的权重和指标数值的乘积得到该指标对安全态势指数的影响程度,将影响程度最大的前三种因素输出,再从专家建议模块调出相应的建议,企业进而能得知报警及预警原因及相应的建议;
步骤S5:将步骤S4给出的报警、预警原因以及从专家建议模块中调取对应的建议传输给控制模块,进而对涉及车辆的运动学参数进行调整,并告知驾驶人注意事项。
2.根据权利要求1所述的一种公交企业运营安全态势动态预测方法,其特征在于,在步骤S1中采集的影响交通安全的人、车、路、环境、公交企业管理相关数据包括:驾驶行为数据、生理数据、心理数据、个体人口学与社会学数据、车辆性能数据、交通事故数据、气象数据、公交企业安全氛围数据和线路数据。
3.根据权利要求2所述的一种公交企业运营安全态势动态预测方法,其特征在于,所述驾驶行为数据包括:准驾车型、不安全行为比例、驾龄、驾驶时长;其中,不安全行为比例指的是不安全行为次数与公交驾驶人出岗次数比例,驾驶时长指的是截止到统计时段当天公交驾驶人驾驶公交车总时长,所述不安全行为具体包括抽烟、打电话、分心驾驶、超速、疲劳。
4.根据权利要求2所述的一种公交企业运营安全态势动态预测方法,其特征在于,所述生理数据包括:年龄、性别、体温、呼吸频率、血压、血氧、心率、睡眠质量、睡眠时长、视力、暗视力、夜间视力、已有影响驾驶安全的病史;所述的睡眠质量与睡眠时长均指出岗前一天公交驾驶人睡眠情况;
所述心理数据包括:人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态;
所述个体人口学和社会学数据包括:文化程度、婚姻状况、个人收入、家庭人均收入;
所述车辆性能数据包括:车龄、行驶里程、机动性、平顺性;所述的机动性指最小转弯半径,平顺性指降震程度;
所述交通事故数据包括:道路交通责任事故起数、死亡人数、受伤人数、安全行车公里数、公交车事故经济损失;
所述气象数据包括:温度、风速、蒸气压、能见度、降雨/降雪量;
所述公交企业安全氛围数据包括:对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率。
5.根据权利要求2所述的一种公交企业运营安全态势动态预测方法,其特征在于,所述线路数据包括:线路长度、线路站数、发车间隔、车道数、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数。
8.根据权利要求1所述的一种公交企业运营安全态势动态预测方法,其特征在于,在步骤S1中的数据预处理包括以下步骤:
步骤S101:采集并存储某市评估日过去30天内的所有公交驾驶人驾驶行为数据,对驾驶行为数据进行预处理;
其中,采集并存储的驾驶行为数据包括准驾车型、不安全行为次数、驾龄、驾驶时长;
处理驾驶行为数据的方法为:准驾车型A1赋值0、准驾车型A3赋值1;取驾驶人不安全行为次数与驾驶人出岗次数比例为不安全行为赋值;驾龄与驾驶时长取其实际数值,其中驾龄以月为统计单位,驾驶时长以小时为统计单位;
步骤S102:采集并存储某市评估日过去30天内的所有公交驾驶人生理数据,对生理数据进行预处理;
其中,采集并存储的生理数据包括年龄、性别、视力、暗视力、夜间视力、已有影响驾驶安全的病史、体温、呼吸频率、血压、血氧、心率、睡眠质量、睡眠时长;
处理生理数据的方法为:性别男赋值0、性别女赋值1;睡眠质量及已有影响驾驶安全的病史按照其严重程度分别赋值1、2、3、4、5,数值的增大代表着越危害安全驾驶;年龄、视力、暗视力、夜间视力、体温、呼吸频率、血压、血氧、心率、睡眠时长取其实际数值;
步骤S103:采集并存储某市评估日过去30天内的所有公交驾驶人心理数据,并对心理数据进行预处理;
其中,采集并存储的心理数据包括人格特质、抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态;
处理心理数据的方法为:人格特质为驾驶人入职时企业对驾驶人做的评判,并根据其人格对驾驶安全的影响,分别赋值1、2、3、4、5,数值的增大代表着越危害安全驾驶;根据企业定期对驾驶人进行的心理健康调查得出抗压能力、抗干扰能力、沟通能力、情绪调控能力、心理状态的评分,评分即为其数值;
步骤S104:采集并存储某市评估日过去30天内的所有公交驾驶人个体人口学和社会学数据,并对个体人口学和社会学数据进行预处理;
其中,采集并存储的个体人口学和社会学数据包括:文化程度、婚姻状况、个人收入、家庭人均收入;
处理人口学和社会学数据的方法为:将文化程度按照学历高低进行赋值,其中:本科赋值1、大专赋值2、普高赋值3、职高赋值4、初中赋值5、小学赋值6;婚姻状况分为非单身与单身,非单身赋值0,单身赋值1;个人收入、家庭人均收入取其实际采集数值;
步骤S105:采集并存储某市评估日过去30天内的所有公交车车辆性能数据,并对车辆性能数据进行预处理;
其中,采集并存储的车辆性能数据包括:车龄、总行驶里程、机动性、平顺性;
处理车辆性能数据的方法为:车龄、总行驶里程、机动性、平顺性取其实际数值;
步骤S106:采集并存储某市评估日过去30天内的所有公交企业相关的交通事故数据,并对交通事故数据进行预处理;
其中,采集并存储的交通事故数据包括道路交通责任事故起数、事故造成的死亡人数、事故造成的受伤人数、安全行车公里数、公交车事故经济损失;
处理交通事故数据的方法为:道路交通责任事故起数、死亡人数、受伤人数、总安全行车公里数、公交车事故经济损失取其实际数值;
步骤S107:采集并存储某市评估日前24h和评估日每小时的气象数据,并对气象数据进行预处理;
其中,采集并存储的气象数据包括温度、风速、蒸气压、能见度、降雨/降雪量;
处理气象数据的方法为:温度、风速、蒸气压、能见度、降雨/降雪量取其实际数值;
步骤S108:采集并存储某市评估日过去30天内公交企业安全氛围数据,并对公交企业安全氛围数据进行预处理;
其中,采集并存储的公交企业安全氛围数据包括:对驾驶员奖惩金额、安全投入金额、培训频率、管理机构和人员配备率、法规和安全管理制度完善率;
处理公交企业安全氛围数据的方法为:对驾驶员奖惩金额、安全投入金额、培训次数、管理机构和人员配备率、法规和安全管理制度完善率取其实际数值;
步骤S109:采集并存储某市评估日过去30天内线路数据,并对线路数据进行预处理;
其中,线路数据包括:线路长度、线路站数、营运时间、发车间隔、机动车与非机动车道隔离方式、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数;
处理线路数据的方法为:线路长度、线路站数、营运时间、发车间隔、转弯半径、转弯转角、公交专用道长度占道路长度比例、路面完整度、路面摩擦系数取其实际数据数值;机动车与非机动车道隔离方式按照机动车与非机动车道有隔离和机动车与非机动车道无隔离进行划分,其中机动车与非机动车道有隔离赋值0,机动车与非机动车道无隔离赋值1。
9.根据权利要求6所述的一种公交企业运营安全态势动态预测方法,其特征在于,在步骤S2中的企业安全态势指数计算包括以下步骤:
步骤S201:将人、车、路、环境、公交企业管理相关数据及前一天同时段安全态势指数作为自变量,共n个待评价样本,一位驾驶人为一个样本,p项评价指标,其形成原始指标数据矩阵:
步骤S202:进行无量纲化处理,本发明采用正向化及逆向化处理方法:
步骤S203:计算指标变异性,以标准差的形式来表现:
步骤S204:计算指标冲突性,用相关系数进行表示:
步骤S205:计算信息量:
步骤S206:计算客观权重:
因此,
10.一种公交企业运营安全态势动态预测系统,其特征在于,包括:专家建议模块、数据采集与存储模块、数据预处理模块、交通安全态势指数计算及预测模块、预警模块、控制模块;
其中,所述专家建议模块用于存储企业和交通运输管理部门内具有丰富经验的人输入的预警原因和相应的调整建议;
其中,所述数据采集与存储模块用于采集与存储各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据;
所述数据预处理模块用于对定性数据赋值并处理各区域内影响交通事故的人、车、路、环境、公交企业管理相关数据;
所述交通安全态势计算及预测模块用于调用预处理后的人、车、路、环境、公交企业管理各类数据,及前一天同时段的企业安全态势指数,并以上述数据为自变量,计算安全态势指数;其中,根据当前公交企业安全态势指数和过去24小时的安全态势指数,动态预测企业未来24小时内安全态势指数;针对当前安全态势指数和未来24小时内安全态势指数,进行动态的安全态势等级划分,从低到高共划分为五个安全态势等级;
所述预警模块用于对不同企业当前安全态势等级,在当前安全态势等级为四级和五级时进行报警,并给出报警原因;对未来安全态势等级,在未来安全态势等级为四级和五级时进行预警,并给出预警原因;根据各个指标因素的权重和指标数值的乘积得到该指标对安全态势指数的影响程度,将影响程度最大的前三种因素输出,再从专家建议模块调出相应的建议,进而企业能得知报警及预警原因和相应的建议从而做出调整;
所述控制模块用于调取预警模块给出的报警及预警原因再从专家建议模块中调取对应的建议,进而对涉及车辆的运动学参数进行调整,并告知驾驶人注意事项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454120.XA CN115662143B (zh) | 2022-11-21 | 2022-11-21 | 一种公交企业运营安全态势动态预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454120.XA CN115662143B (zh) | 2022-11-21 | 2022-11-21 | 一种公交企业运营安全态势动态预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115662143A true CN115662143A (zh) | 2023-01-31 |
CN115662143B CN115662143B (zh) | 2023-04-14 |
Family
ID=85019978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211454120.XA Active CN115662143B (zh) | 2022-11-21 | 2022-11-21 | 一种公交企业运营安全态势动态预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115662143B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611621A (zh) * | 2023-07-18 | 2023-08-18 | 枣庄卡企安网络科技有限公司 | 多角色实时数据交互及监督的交通运输安全管理系统 |
CN117541035A (zh) * | 2024-01-10 | 2024-02-09 | 交通运输部公路科学研究所 | 一种融合多源数据的道路运输驾驶员适岗性画像方法 |
CN117912255A (zh) * | 2024-03-19 | 2024-04-19 | 河北鹏鹄信息科技有限公司 | 一种实时智能驱动全域数据采集公路监控系统和监控方法 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080249869A1 (en) * | 2007-04-03 | 2008-10-09 | Robert Lee Angell | Method and apparatus for presenting disincentive marketing content to a customer based on a customer risk assessment |
CN101465059A (zh) * | 2008-12-31 | 2009-06-24 | 公安部交通管理科学研究所 | 城市道路交通安全态势鉴判预警系统 |
CN106652562A (zh) * | 2017-02-09 | 2017-05-10 | 吉林大学 | 一种高速公路道路交通安全预警方法 |
WO2018023331A1 (zh) * | 2016-08-01 | 2018-02-08 | 中国科学院深圳先进技术研究院 | 一种常规公交服务指数实时评价系统及评价方法 |
CN107909230A (zh) * | 2018-01-12 | 2018-04-13 | 国网福建省电力有限公司 | 一种农网配变重过载短期预警模型的建模方法 |
CN109345117A (zh) * | 2018-09-30 | 2019-02-15 | 北京工业大学 | 一种多维数据驱动的交通运输主体综合画像方法 |
CN109741599A (zh) * | 2018-12-28 | 2019-05-10 | 天津易华录信息技术有限公司 | 交通运行评价方法 |
CN109979193A (zh) * | 2019-02-19 | 2019-07-05 | 中电海康集团有限公司 | 一种基于马尔科夫模型的数据异常诊断方法 |
CN111696350A (zh) * | 2020-06-10 | 2020-09-22 | 交通运输部科学研究院 | 一种基于运营监测数据的电动公交车本地工况评价方法 |
CN111786974A (zh) * | 2020-06-19 | 2020-10-16 | 恒安嘉新(北京)科技股份公司 | 一种网络安全评估方法、装置、计算机设备和存储介质 |
CN111860979A (zh) * | 2020-07-01 | 2020-10-30 | 广西大学 | 一种基于tcn与ipso-lssvm组合模型的短期负荷预测方法 |
CN112037513A (zh) * | 2020-09-01 | 2020-12-04 | 清华大学 | 一种实时交通安全指数动态综合评价系统及其构建方法 |
CN112669596A (zh) * | 2020-12-14 | 2021-04-16 | 长春汽车工业高等专科学校 | 一种基于大数据的交通安全态势判别系统及方法 |
CN112991677A (zh) * | 2021-02-07 | 2021-06-18 | 中国建筑材料工业地质勘查中心安徽总队 | 一种野外地质勘查安全监测系统及方法 |
CN113034271A (zh) * | 2021-04-23 | 2021-06-25 | 天道金科股份有限公司 | 一种基于大数据的企业信用评估系统 |
CN113487110A (zh) * | 2021-07-28 | 2021-10-08 | 中国银行股份有限公司 | 备付金管理方法及装置 |
CN113887896A (zh) * | 2021-09-17 | 2022-01-04 | 东南大学 | 一种营运货车驾驶员行车安全水平评价方法 |
CN113920732A (zh) * | 2021-10-11 | 2022-01-11 | 长安大学 | 一种针对特定驾驶人群的道路交通事故风险预警方法 |
CN114168646A (zh) * | 2021-10-29 | 2022-03-11 | 山东大学 | 基于多数据融合的营运车辆运输监控方法及系统 |
CN114742444A (zh) * | 2022-04-28 | 2022-07-12 | 青岛理工大学 | 一种基于博弈组合赋权的城市低碳客运交通结构评价方法 |
CN114802266A (zh) * | 2022-06-07 | 2022-07-29 | 公安部第三研究所 | 一种基于驾驶人情绪和疲劳度分析的行车安全管理系统 |
CN114943403A (zh) * | 2022-03-29 | 2022-08-26 | 吉林大学 | 一种基于大数据的公交驾驶员生态驾驶评价系统及方法 |
CN114997527A (zh) * | 2022-07-18 | 2022-09-02 | 苏州智能交通信息科技股份有限公司 | 基于道路运输动态数据的企业考核评价方法、系统及终端 |
CN115239182A (zh) * | 2022-08-10 | 2022-10-25 | 国网河南省电力公司信息通信公司 | 基于电力数据和增益激励的企业信用动态综合评价方法 |
-
2022
- 2022-11-21 CN CN202211454120.XA patent/CN115662143B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080249869A1 (en) * | 2007-04-03 | 2008-10-09 | Robert Lee Angell | Method and apparatus for presenting disincentive marketing content to a customer based on a customer risk assessment |
CN101465059A (zh) * | 2008-12-31 | 2009-06-24 | 公安部交通管理科学研究所 | 城市道路交通安全态势鉴判预警系统 |
WO2018023331A1 (zh) * | 2016-08-01 | 2018-02-08 | 中国科学院深圳先进技术研究院 | 一种常规公交服务指数实时评价系统及评价方法 |
CN106652562A (zh) * | 2017-02-09 | 2017-05-10 | 吉林大学 | 一种高速公路道路交通安全预警方法 |
CN107909230A (zh) * | 2018-01-12 | 2018-04-13 | 国网福建省电力有限公司 | 一种农网配变重过载短期预警模型的建模方法 |
CN109345117A (zh) * | 2018-09-30 | 2019-02-15 | 北京工业大学 | 一种多维数据驱动的交通运输主体综合画像方法 |
CN109741599A (zh) * | 2018-12-28 | 2019-05-10 | 天津易华录信息技术有限公司 | 交通运行评价方法 |
CN109979193A (zh) * | 2019-02-19 | 2019-07-05 | 中电海康集团有限公司 | 一种基于马尔科夫模型的数据异常诊断方法 |
CN111696350A (zh) * | 2020-06-10 | 2020-09-22 | 交通运输部科学研究院 | 一种基于运营监测数据的电动公交车本地工况评价方法 |
CN111786974A (zh) * | 2020-06-19 | 2020-10-16 | 恒安嘉新(北京)科技股份公司 | 一种网络安全评估方法、装置、计算机设备和存储介质 |
CN111860979A (zh) * | 2020-07-01 | 2020-10-30 | 广西大学 | 一种基于tcn与ipso-lssvm组合模型的短期负荷预测方法 |
CN112037513A (zh) * | 2020-09-01 | 2020-12-04 | 清华大学 | 一种实时交通安全指数动态综合评价系统及其构建方法 |
CN112669596A (zh) * | 2020-12-14 | 2021-04-16 | 长春汽车工业高等专科学校 | 一种基于大数据的交通安全态势判别系统及方法 |
CN112991677A (zh) * | 2021-02-07 | 2021-06-18 | 中国建筑材料工业地质勘查中心安徽总队 | 一种野外地质勘查安全监测系统及方法 |
CN113034271A (zh) * | 2021-04-23 | 2021-06-25 | 天道金科股份有限公司 | 一种基于大数据的企业信用评估系统 |
CN113487110A (zh) * | 2021-07-28 | 2021-10-08 | 中国银行股份有限公司 | 备付金管理方法及装置 |
CN113887896A (zh) * | 2021-09-17 | 2022-01-04 | 东南大学 | 一种营运货车驾驶员行车安全水平评价方法 |
CN113920732A (zh) * | 2021-10-11 | 2022-01-11 | 长安大学 | 一种针对特定驾驶人群的道路交通事故风险预警方法 |
CN114168646A (zh) * | 2021-10-29 | 2022-03-11 | 山东大学 | 基于多数据融合的营运车辆运输监控方法及系统 |
CN114943403A (zh) * | 2022-03-29 | 2022-08-26 | 吉林大学 | 一种基于大数据的公交驾驶员生态驾驶评价系统及方法 |
CN114742444A (zh) * | 2022-04-28 | 2022-07-12 | 青岛理工大学 | 一种基于博弈组合赋权的城市低碳客运交通结构评价方法 |
CN114802266A (zh) * | 2022-06-07 | 2022-07-29 | 公安部第三研究所 | 一种基于驾驶人情绪和疲劳度分析的行车安全管理系统 |
CN114997527A (zh) * | 2022-07-18 | 2022-09-02 | 苏州智能交通信息科技股份有限公司 | 基于道路运输动态数据的企业考核评价方法、系统及终端 |
CN115239182A (zh) * | 2022-08-10 | 2022-10-25 | 国网河南省电力公司信息通信公司 | 基于电力数据和增益激励的企业信用动态综合评价方法 |
Non-Patent Citations (2)
Title |
---|
张春勤;隽志才;景鹏;: "公交企业运营绩效的信息熵与SE-DEA组合评价方法" * |
李亚军;: "基于深度关联分析思路的道路交通安全综合评价体系研究" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611621A (zh) * | 2023-07-18 | 2023-08-18 | 枣庄卡企安网络科技有限公司 | 多角色实时数据交互及监督的交通运输安全管理系统 |
CN116611621B (zh) * | 2023-07-18 | 2023-11-07 | 枣庄卡企安网络科技有限公司 | 多角色实时数据交互及监督的交通运输安全管理系统 |
CN117541035A (zh) * | 2024-01-10 | 2024-02-09 | 交通运输部公路科学研究所 | 一种融合多源数据的道路运输驾驶员适岗性画像方法 |
CN117912255A (zh) * | 2024-03-19 | 2024-04-19 | 河北鹏鹄信息科技有限公司 | 一种实时智能驱动全域数据采集公路监控系统和监控方法 |
CN117912255B (zh) * | 2024-03-19 | 2024-05-10 | 河北鹏鹄信息科技有限公司 | 一种实时智能驱动全域数据采集公路监控系统和监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115662143B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115662143B (zh) | 一种公交企业运营安全态势动态预测系统及方法 | |
CN113065804B (zh) | 一种危化品道路运输风险评估方法及系统 | |
CN112037513B (zh) | 一种实时交通安全指数动态综合评价系统及其构建方法 | |
Satiennam et al. | Red light running by young motorcyclists: Factors and beliefs influencing intentions and behavior | |
Parker et al. | Determinants of intention to commit driving violations | |
Wittman | Prior regulation versus post liability: The choice between input and output monitoring | |
Ratanavaraha et al. | Impacts of accident severity factors and loss values of crashes on expressways in Thailand | |
CN108647743B (zh) | 驾驶人安全画像系统 | |
CN111242484B (zh) | 基于转移概率的车辆风险综合评价方法 | |
EP4046888A1 (en) | A device, a method and a computer program for determining the driving behavior of a driver | |
Richman | Human risk factors in alcohol-related crashes. | |
WO2016200924A1 (en) | Situational awareness analysis and fatigue management system | |
Cadar et al. | Effects of traffic volumes on accidents: The case of romania’s national roads | |
CN114550445A (zh) | 一种城市区域交通安全状态评估方法和装置 | |
Hermans et al. | Developing a theoretical framework for road safety performance indicators and a methodology for creating a performance index | |
Liu et al. | A driving behavior model evaluation for UBI | |
CN115759880A (zh) | 一种公交驾驶人在岗适岗性实时评价系统及方法 | |
Mirmohammadi et al. | Investigation of road accidents and casualties factors with MCDM methods in Iran | |
CN116596307A (zh) | 一种基于公交运营安全数据构建驾驶员安全画像模型的方法 | |
Roberts et al. | Empirical sentencing research: Options and opportunities | |
Rahimi | Neuro-fuzzy system modelling for the effects of intelligent transportation on road accident fatalities | |
Khaksar et al. | Comparison of Accident Severity and Frequency Index Method in Identifying Hotspot Segments of Intercity Road Network | |
Zewdie et al. | Transport route segments and stress effect on drivers. | |
CN116665342B (zh) | 新能源汽车驾驶行为分析方法、系统及设备 | |
Li | Big data based exploration of risk factors to traffic crashes in southeast Texas and an experimental validation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |