期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
广东省机-非交通事故时空特征与严重程度分析
被引量:
6
1
作者
林庆丰
邓院昌
《科学技术与工程》
北大核心
2019年第29期327-332,共6页
为探究广东省机-非交通事故的时空特征和事故严重程度影响因素,对2011~2017年广东省发生的机-非交通事故进行统计分析;并选取2017年发生的3 337起事故,以事故严重程度为因变量,道路线形、照明条件和路面状况等12个道路环境因素为候选自...
为探究广东省机-非交通事故的时空特征和事故严重程度影响因素,对2011~2017年广东省发生的机-非交通事故进行统计分析;并选取2017年发生的3 337起事故,以事故严重程度为因变量,道路线形、照明条件和路面状况等12个道路环境因素为候选自变量构建Logistic模型。结果表明:广东省机-非交通事故数量和死伤人数整体呈上升态势。冬季事故伤亡情况最严重,且高峰期容易出现事故,但夜间事故致死率高。珠三角地区的事故数量和死伤人数比例最高,而东翼地区的事故致死率最高;非城市道路事故情况比城市道路严重。事故严重程度与道路线形、路口路段类型、横断面位置、地形、时段、能见度和照明条件等7个因素显著相关。研究结论可为降低机-非交通事故的危害性提供参考依据。
展开更多
关键词
交通安全
机-非交通事故
时空特征
事故严重程度
广东省
在线阅读
下载PDF
职称材料
不同性别驾驶员小轿车交通事故的影响因素分析
被引量:
24
2
作者
张圆
邓院昌
+1 位作者
林庆丰
史晨军
《安全与环境工程》
CAS
北大核心
2019年第3期166-170,共5页
为定量分析不同性别驾驶员发生交通事故的主要影响因素,以广东省9 886条小型轿车交通事故数据为基础,对比分析不同性别驾驶员的交通事故特征;以交通事故严重程度为因变量,分为严重事故和非严重事故,从14个候选自变量中筛选出对不同性别...
为定量分析不同性别驾驶员发生交通事故的主要影响因素,以广东省9 886条小型轿车交通事故数据为基础,对比分析不同性别驾驶员的交通事故特征;以交通事故严重程度为因变量,分为严重事故和非严重事故,从14个候选自变量中筛选出对不同性别驾驶员交通安全具有显著影响的自变量因素;采用二项Logit模型分别建立男、女性驾驶员交通事故严重程度预测模型,并对模型进行参数估计与检验。结果表明:两个模型的拟合效果和平均预测能力均较好;对不同性别驾驶员交通事故严重程度均有显著作用的影响因素有驾驶员是否系安全带、车辆有无保险、道路安全属性、路口路段类型以及照明条件等。
展开更多
关键词
驾驶员性别
小轿车交通事故
严重程度
影响因素
二项Logit模型
在线阅读
下载PDF
职称材料
机非交通事故中驾驶员过错和事故严重程度影响因素的Logistic回归分析
被引量:
14
3
作者
林庆丰
邓院昌
胡继华
《安全与环境工程》
CAS
北大核心
2019年第5期187-193,共7页
为探究人、车、路和环境等因素对机非交通事故中机非双方驾驶员过错和事故严重程度的影响,选取2017年广东省发生的1357起机非交通事故的数据作为基础,分别构建二元Logistic回归模型和三元有序Logistic回归模型,分析机动车驾驶员属性、...
为探究人、车、路和环境等因素对机非交通事故中机非双方驾驶员过错和事故严重程度的影响,选取2017年广东省发生的1357起机非交通事故的数据作为基础,分别构建二元Logistic回归模型和三元有序Logistic回归模型,分析机动车驾驶员属性、非机动车驾驶员属性、机动车辆、非机动车辆、道路和环境等因素与机非双方驾驶员过错和事故严重程度之间的关系。结果表明:模型拟合度良好;机动车驾驶员是否出现过错与机动车驾驶员的性别、机动车使用性质、道路类型和天气等9个变量显著相关;非机动车驾驶员是否出现过错与非机动车驾驶员的性别、非机动车类型和道路物理隔离等6个变量显著相关;机非交通事故的严重程度与机动车驾驶员的驾龄、机动车安全状况、道路线形和机动车驾驶员过错等7个变量显著相关。该研究结果可为降低机非交通事故严重程度提供参考依据。
展开更多
关键词
交通安全
机非交通事故
驾驶员过错
事故严重程度
LOGISTIC回归模型
在线阅读
下载PDF
职称材料
手机信令的时空密度轨迹点识别算法
被引量:
4
4
作者
陈略
熊宸
蔡铭
《计算机工程》
CAS
CSCD
北大核心
2021年第3期83-93,共11页
手机信令具有时空序列性以及数据量大、采样频率不均、定位精度低与基站振荡等特点,导致传统手机信令聚类方法数据密度分布不均、时空开销大且聚类效果差。提出一种用于手机信令的时空密度轨迹点识别算法。将手机信令数据网格化以统一...
手机信令具有时空序列性以及数据量大、采样频率不均、定位精度低与基站振荡等特点,导致传统手机信令聚类方法数据密度分布不均、时空开销大且聚类效果差。提出一种用于手机信令的时空密度轨迹点识别算法。将手机信令数据网格化以统一评估尺度,根据振荡噪声特征对网格簇进行时空联结减少空间不确定性和计算量,结合网络轨迹的曲折性以及移动与停留时间重新定义网格簇内轨迹点时空移动能力,计算网格簇的时空密度以判断用户停留区域,并采集具有移动停留标签的轨迹数据以验证算法有效性和识别效率。实验结果表明,该算法识别精度较改进DBSCAN算法更高,适用于识别手机信令数据停留区域,对复杂轨迹停留区域的识别效果更好。
展开更多
关键词
手机信令
时空联结
时空移动能力
时空密度
停留区域
在线阅读
下载PDF
职称材料
题名
广东省机-非交通事故时空特征与严重程度分析
被引量:
6
1
作者
林庆丰
邓院昌
机构
中山大学智能工程学院广东省智能交通系统重点实验室
出处
《科学技术与工程》
北大核心
2019年第29期327-332,共6页
基金
广东省科技计划(2017B010111007)资助.
文摘
为探究广东省机-非交通事故的时空特征和事故严重程度影响因素,对2011~2017年广东省发生的机-非交通事故进行统计分析;并选取2017年发生的3 337起事故,以事故严重程度为因变量,道路线形、照明条件和路面状况等12个道路环境因素为候选自变量构建Logistic模型。结果表明:广东省机-非交通事故数量和死伤人数整体呈上升态势。冬季事故伤亡情况最严重,且高峰期容易出现事故,但夜间事故致死率高。珠三角地区的事故数量和死伤人数比例最高,而东翼地区的事故致死率最高;非城市道路事故情况比城市道路严重。事故严重程度与道路线形、路口路段类型、横断面位置、地形、时段、能见度和照明条件等7个因素显著相关。研究结论可为降低机-非交通事故的危害性提供参考依据。
关键词
交通安全
机-非交通事故
时空特征
事故严重程度
广东省
Keywords
traffic safety
motor vehicle-bicycle accident
spatial-temporal characteristics
accident severity
Guangdong province
分类号
U491.3 [交通运输工程—交通运输规划与管理]
X951 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
不同性别驾驶员小轿车交通事故的影响因素分析
被引量:
24
2
作者
张圆
邓院昌
林庆丰
史晨军
机构
中山大学智能工程学院广东省智能交通系统重点实验室
出处
《安全与环境工程》
CAS
北大核心
2019年第3期166-170,共5页
基金
广东省科技计划项目(2017B010111007)
文摘
为定量分析不同性别驾驶员发生交通事故的主要影响因素,以广东省9 886条小型轿车交通事故数据为基础,对比分析不同性别驾驶员的交通事故特征;以交通事故严重程度为因变量,分为严重事故和非严重事故,从14个候选自变量中筛选出对不同性别驾驶员交通安全具有显著影响的自变量因素;采用二项Logit模型分别建立男、女性驾驶员交通事故严重程度预测模型,并对模型进行参数估计与检验。结果表明:两个模型的拟合效果和平均预测能力均较好;对不同性别驾驶员交通事故严重程度均有显著作用的影响因素有驾驶员是否系安全带、车辆有无保险、道路安全属性、路口路段类型以及照明条件等。
关键词
驾驶员性别
小轿车交通事故
严重程度
影响因素
二项Logit模型
Keywords
drivers’ gender
car accident
severity
influencing factor
binomial Logit model
分类号
X928 [环境科学与工程—安全科学]
U491.31 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
机非交通事故中驾驶员过错和事故严重程度影响因素的Logistic回归分析
被引量:
14
3
作者
林庆丰
邓院昌
胡继华
机构
中山大学智能工程学院广东省智能交通系统重点实验室
出处
《安全与环境工程》
CAS
北大核心
2019年第5期187-193,共7页
基金
广东省科技计划项目(2017B010111007)
文摘
为探究人、车、路和环境等因素对机非交通事故中机非双方驾驶员过错和事故严重程度的影响,选取2017年广东省发生的1357起机非交通事故的数据作为基础,分别构建二元Logistic回归模型和三元有序Logistic回归模型,分析机动车驾驶员属性、非机动车驾驶员属性、机动车辆、非机动车辆、道路和环境等因素与机非双方驾驶员过错和事故严重程度之间的关系。结果表明:模型拟合度良好;机动车驾驶员是否出现过错与机动车驾驶员的性别、机动车使用性质、道路类型和天气等9个变量显著相关;非机动车驾驶员是否出现过错与非机动车驾驶员的性别、非机动车类型和道路物理隔离等6个变量显著相关;机非交通事故的严重程度与机动车驾驶员的驾龄、机动车安全状况、道路线形和机动车驾驶员过错等7个变量显著相关。该研究结果可为降低机非交通事故严重程度提供参考依据。
关键词
交通安全
机非交通事故
驾驶员过错
事故严重程度
LOGISTIC回归模型
Keywords
traffic safety
motor-bicycle accident
driver’s fault
accident severity
Logistic regression model
分类号
X951 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
手机信令的时空密度轨迹点识别算法
被引量:
4
4
作者
陈略
熊宸
蔡铭
机构
中山大学智能工程学院广东省智能交通系统重点实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第3期83-93,共11页
基金
国家重点研发计划(2018YFB1601001)
高校基本科研资助项目(19lgpy290)。
文摘
手机信令具有时空序列性以及数据量大、采样频率不均、定位精度低与基站振荡等特点,导致传统手机信令聚类方法数据密度分布不均、时空开销大且聚类效果差。提出一种用于手机信令的时空密度轨迹点识别算法。将手机信令数据网格化以统一评估尺度,根据振荡噪声特征对网格簇进行时空联结减少空间不确定性和计算量,结合网络轨迹的曲折性以及移动与停留时间重新定义网格簇内轨迹点时空移动能力,计算网格簇的时空密度以判断用户停留区域,并采集具有移动停留标签的轨迹数据以验证算法有效性和识别效率。实验结果表明,该算法识别精度较改进DBSCAN算法更高,适用于识别手机信令数据停留区域,对复杂轨迹停留区域的识别效果更好。
关键词
手机信令
时空联结
时空移动能力
时空密度
停留区域
Keywords
celluar signaling
space-time connection
space-time mobility
space-time density
residence area
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
广东省机-非交通事故时空特征与严重程度分析
林庆丰
邓院昌
《科学技术与工程》
北大核心
2019
6
在线阅读
下载PDF
职称材料
2
不同性别驾驶员小轿车交通事故的影响因素分析
张圆
邓院昌
林庆丰
史晨军
《安全与环境工程》
CAS
北大核心
2019
24
在线阅读
下载PDF
职称材料
3
机非交通事故中驾驶员过错和事故严重程度影响因素的Logistic回归分析
林庆丰
邓院昌
胡继华
《安全与环境工程》
CAS
北大核心
2019
14
在线阅读
下载PDF
职称材料
4
手机信令的时空密度轨迹点识别算法
陈略
熊宸
蔡铭
《计算机工程》
CAS
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部