不同区域高速公路货车事故特征研究

doi:10.16265/j.cnki.issn1003-3033.2020.06.018

中国安全科学学报 ›› 2020, Vol. 30 ›› Issue (6): 121-127.doi: 10.16265/j.cnki.issn1003-3033.2020.06.018

不同区域高速公路货车事故特征研究

李振明¹ 副教授, 牛毅², 樊运晓² 教授, 王睿¹

1.浙江工业大学化学工程学院, 浙江杭州 310023;
2.中国地质大学(北京) 工程技术学院,北京 100083

收稿日期:2021-03-27 修回日期:2020-05-19 出版日期:2020-06-28
作者简介:李振明(1964—),男,浙江乐清人,硕士,副教授,主要从事行为安全管理、企业安全管理与事故预警技术等方面的研究。E-mail:lizmzf@163.com。
基金资助:
国家自然科学基金资助(51674224)。

Research on characteristics of expressway truck accidents in different regions

LI Zhenming¹, NIU Yi², FAN Yunxiao², WANG Rui¹

1. College of Chemical Engineering, Zhejiang University of Technology, Hangzhou Zhejiang 310023, China;
2. School of Engineering & Technology, China University of Geosciences(Beijing), Beijing 100083, China

Received:2021-03-27 Revised:2020-05-19 Published:2020-06-28

摘要/Abstract

摘要： 为深入探究我国不同区域高速公路货车事故特征的差异性,解决货车事故高发问题,应用分类学和社会网络分析等方法,分别选取南方的浙江省和北方的吉林省两地主要货车事故数据,初步分类分析后,构建事故影响因素关系网络图和中心度排序表,对比2组数据,结果表明:浙江、吉林两地货车事故在数量、严重程度、原因以及复杂程度等方面存在较大差异;气象条件、车辆类型和疲劳驾驶是影响事故严重程度的重要因素;不同区域、天气和驾驶经验对司机的不安全驾驶行为有较大影响。

关键词: 社会网络分析, 高速公路, 货车事故, 分类学, 中心度排序

Abstract: In order to fully explore differences of truck accident characteristics in different regions and prevent high occurrence of truck accidents, methods such as taxonomy and social network analysis were applied to study data of major accidents in Zhejiang from South and Jilin Province from North respectively. Then, based on preliminary classification analysis of data, a network diagram of influencing factors and a ranking table of centrality were constructed, and two sets of data were compared. The results show that there are great differences in number, severity, cause and complexity of truck accidents between two provinces. Weather condition, vehicle type and fatigue driving are important factors that affect accident severity while region difference, weather and driving experience exert comparatively significant influence on unsafe driving behaviors.

Key words: social network analysis, highway, truck accident, taxonomy, centrality ranking

中图分类号:

X951

李振明, 牛毅, 樊运晓, 王睿. 不同区域高速公路货车事故特征研究[J]. 中国安全科学学报, 2020, 30(6): 121-127.

LI Zhenming, NIU Yi, FAN Yunxiao, WANG Rui. Research on characteristics of expressway truck accidents in different regions[J]. China Safety Science Journal, 2020, 30(6): 121-127.

参考文献

[1] 中华人民共和国国家统计局. 中国统计年鉴2016[M]. 北京: 中国统计出版社, 2017.
[2] 公安部交通管理局. 中华人民共和国道路交通事故统计年报(2016年度)[R], 2017.
[3] 刘柏秀, 李刚, 肖殿良, 等. 高速公路货车事故成因及货车专用道分析[J]. 中国安全科学学报, 2008, 18(4): 157-162.
LIU Baixiu, LI Gang, XIAO Dianliang, et al. Analysis on causes for truck accidents on highway and special lane for trucks [J]. China Safety Science Journal, 2008, 18(4): 157-162.
[4] HARRIS W. Fatigue, circadian rhythm and truck accidents[J]. Vigilance, 1977, 3: 133-146.
[5] GATES J, DUBOIS S, MULLEN N, et al. The influence of stimulants on truck driver crash responsibility in fatal crashes[J]. Forensic Science International, 2013, 228(1/2/3): 15-20.
[6] LEMP J D, KOCKELMAN K, UNNIKRISHNAN A. Analysis of large truck crash severity using heteroskedastic ordered probit models[J]. Accident Analysis & Prevention, 2011, 43(1): 370-380.
[7] 孙维富. 基于数据挖掘的高速公路交通事故分析及预防对策研究[D]. 长春: 吉林大学, 2018.
SUN Weifu. Study on freeway traffic accident analysis and countermeasures based on data mining[D]. Changchun: Jilin University, 2018.
[8] 陈玲玲, 李凤, 杨家其, 等. 多因素影响下高速公路突发事件安全预警模型[J]. 中国安全科学学报, 2018, 28(1): 50-55.
CHEN Lingling, LI Feng, YANG Jiaqi, et al. Safety early warning model of freeway emergency influenced by multiple factors [J]. China Safety Science Journal, 2018, 28(1): 50-55.
[9] 张存保,彭汉辉,张珊,等.雾天高速公路实时交通安全状态评价方法[J].中国安全科学学报,2017,27(4): 110-115.
ZHANG Cunbao, PENG Hanhui, ZHANG Shan, et al. Real-time traffic safety evaluation method for freeway in fog[J]. China Safety Science Journal, 2017, 27(4): 110-115.
[10] KUDO T, BELZER M H. The association between truck driver compensation and safety performance[J]. Safety Science, 2019, 120: 447-455.
[11] 李振明, 康家宁, 苗建楠, 等. 高速公路“1315”模式的二次事故预防机制实证的研究[J]. 安全, 2019, 40(10): 20-23.
LI Zhenming, KANG Jianing, MIAO Jiannan, et al. Empirical study on secondary accident prevention mechanism of highway '1315' mode[J]. Safety, 2019, 40(10): 20-23.
[12] 高铭. 河北省高速公路交通事故分析及预防对策研究[D].北京:中国人民公安大学, 2019.
GAO Ming. Analysis of highway traffic accidents in Hebei province and preventive measures[D]. Beijing: People's Public Security University of China, 2019.
[13] FAN Yunxiao, PEI Jingjing, LUO Yun. Taxonomic analysis of Chinese power transmission and distribution industry accidents based on hazard components[J]. Engineering Failure Analysis, 2013, 35: 360-369.
[14] 李书全, 冯雅清, 胡松鹤, 等. 基于社会网络的建筑施工不安全行为关系研究[J]. 中国安全科学学报, 2017, 27(6): 7-12.
LI Shuquan, FENG Yaqing, HU Songhe, et al. Research on relationship among various kinds of unsafe construction behavior based on social network analysis[J]. China Safety Science Journal, 2017, 27(6): 7-12.
[15] 陈杰, 胡启洲, 诸云. 兼顾主客观因素的高速公路交通安全综合评价模型[J]. 中国安全科学学报, 2017, 27(5): 36-40.
CHEN Jie, HU Qizhou, ZHU Yun. Comprehensive evaluation model of freeway traffic safety considering subjective and objective factor[J]. China Safety Science Journal, 2017, 27(5): 36-40.
[16] 谭章禄, 陈孝慈. 基于复杂网络分析的煤矿安全隐患管理研究[J]. 工矿自动化, 2019, 45(6): 86-90,108.
TAN Zhanglu, CHEN Xiaoci. Research on coal mine safety hidden danger management based on complex network analysis[J]. Industrial and Mining Automation, 2019, 45(6): 86-90,108.
[17] FREEMAN L. Centrality in social network[J]. Social Networks, 1979, 16(1): 215-239.

不同区域高速公路货车事故特征研究

Research on characteristics of expressway truck accidents in different regions

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	胡立伟, 贺雨, 侯智, 张瑞杰, 陈琛, 刘冰. 山区高速公路交通事故风险多维度耦合研究[J]. 中国安全科学学报, 2024, 34(5): 17-27.
[2]	张韡, 高晗昊, 唐鑫琦, 徐坤淼. 基于随机参数logit的山区高速公路事故严重程度研究[J]. 中国安全科学学报, 2024, 34(4): 101-110.
[3]	刘丹, 罗颜声, 李诗轩, 许钢焱, 李墨潇. 面向飞行全过程的民航事故致因关联网络分析[J]. 中国安全科学学报, 2024, 34(3): 84-92.
[4]	温惠英, 黄坤火, 赵胜. 基于机器学习的高速公路大型货车追尾风险预测[J]. 中国安全科学学报, 2023, 33(9): 173-180.
[5]	郑号染, 杜志刚, 王首硕, 文竞舟, 焦方通. 基于线性诱导的高速公路隧道交通安全优化设计[J]. 中国安全科学学报, 2023, 33(8): 134-141.
[6]	刘星良, 谢厅, 刘唐志, 尚婷, 王建. 基于HNAC-FD的高速公路网应急疏导措施效用评估[J]. 中国安全科学学报, 2023, 33(7): 222-229.
[7]	张驰, 王博, 陈星光, 任士鹏, 翟艺阳. 基于风险场的高速公路高风险区域甄别方法[J]. 中国安全科学学报, 2023, 33(5): 144-151.
[8]	陈为公, 王丽占, 张永亮, 王相丹. 突发公共卫生事件政府协同治理网络韧性评价:以新冠疫情防治为例[J]. 中国安全科学学报, 2023, 33(4): 140-147.
[9]	陈娇娜, 靳引利, 陶伟俊, 李道峰. 基于文本信息的高速公路事故持续时间中介效应研究[J]. 中国安全科学学报, 2023, 33(4): 155-162.
[10]	刘丹, 朱卫昌, 李墨潇, 金青松, SAIDAH Saad. 利益相关者视角下化工安全关键致因网络分析[J]. 中国安全科学学报, 2023, 33(11): 59-66.
[11]	陈述, 孙孟文, 陈云, 聂本武, 李智, 刘文濯. 基于无监督LDA的水电工程施工安全事故致因分析[J]. 中国安全科学学报, 2023, 33(10): 79-85.
[12]	孟祥海, 由冰玉, 邱志雄, 李之啸, 张明扬. 基于事故修正系数的山区高速公路事故预测模型[J]. 中国安全科学学报, 2023, 33(1): 10-17.
[13]	戴秉佑, 杨文臣, 戢晓峰, 周林义, 房锐. 冬季高速公路逐时路表温度LSTM预测模型[J]. 中国安全科学学报, 2023, 33(1): 136-144.
[14]	王付鹏, 王红, 吴景安, 朱顺应, 蒋若曦, 赵龙. 安全与效率协同的高速公路改扩建时机决策[J]. 中国安全科学学报, 2023, 33(1): 152-160.
[15]	冯凤江, 程新平, 孙晓宁. 高速公路雾天人工和智能网联车混行交通流仿真[J]. 中国安全科学学报, 2022, 32(7): 158-164.