摘要：为了探寻交通事故严重程度的主要致因,本文提出了1种利用CN N-LSTM神经网络的交通事故致因分析方法,可分析多种因素对事故严重程度的作用效果,并针对较强的影响因素提出改善的策略.以“U S-Accidents”公开数据集进行验证.研究结果表明①CN N-LSTM网络能在事故的多项影响因素中分析出事故主要致因;②根据分析结果可知:能见度、高峰小时、工作日节假日和停车标志附近这几种因素是事故严重程度的主要致因.结论:本文所提出的方法能较为准确的分析出事故的主要影响致因,针对这些致因,在交通设施规划以及管理控制上做出改善能有效的降低城市道路的事故严重程度,提升道路交通安全,促进城市的发展.

摘要：超车事件数作为衡量非机动车服务水平的重要指标,是计算非机动车换算系数的依据,可通过微观仿真获取多样化的运行数据进行分析。现有非机动车社会力模型仅考虑超车车辆的交通行为,未关注被超车辆受超车行为的影响,以临贴超车为研究对象,考虑超车干扰对被超车辆横向偏移距离的影响改进车辆间排斥力,考虑车头间距对期望速度的影响改进驱动力,再现被超车辆在临贴超车过程中的横向偏移、纵向减速避让行为,通过速度-密度基本图及超越行为验证了模型有效性。应用该模型仿真获得电动自行车混入比例低于25%时的超车事件数,建立非机动车超车事件数模型并计算相应非机动车换算系数值为0.92。