I.J. Information Technology and Computer Science, 2014, 02, 22-28
Published Online January 2014 in MECS (https://www.doczj.com/doc/7912332053.html,/)
DOI: 10.5815/ijitcs.2014.02.03
Traffic Accident Analysis Using Decision Trees
and Neural Networks
Olutayo V.A
Computer Science Department, Joseph Ayo Babalola University, Ikeji-Arakeji, Nigeria
Corresponding E-mail: vicsy2004@https://www.doczj.com/doc/7912332053.html,
Eludire A.A
Computer Science Department, Joseph Ayo Babalola University, Ikeji-Arakeji, Nigeria
E-mail: aaeludire@https://www.doczj.com/doc/7912332053.html,
Abstract—This work employed Artificial Neural Networks and Decision Trees data analysis techniques to discover new knowledge from historical data about accidents in one of Nigeria’s busiest roads in order to reduce carnage on our highways. Data of accidents records on the first 40 kilometres from Ibadan to Lagos were collected from Nigeria Road Safety Corps. The data were organized into continuous and categorical data. The continuous data were analysed using Artificial Neural Networks technique and the categorical data were also analysed using Decision Trees technique .Sensitivity analysis was performed and irrelevant inputs were eliminated. The performance measures used to determine the performance of the techniques include Mean Absolute Error (MAE), Confusion Matrix, Accuracy Rate, True Positive, False Positive and Percentage correctly classified instances. Experimental results reveal that, between the machines learning paradigms considered, Decision Tree approach outperformed the Artificial Neural Network with a lower error rate and higher accuracy rate. Our research analysis also shows that, the three most important causes of accident are Tyre burst, loss of control and over speeding.
Index Terms—Traffic Accident Data Mining, Accident Causes Prediction and Sensitivity Analysis, Performance Comparison
I.Introduction
The problem of deaths and injuries as a result of accidents is acknowledged to be a global phenomenon and traffic safety has been a serious concern since the start of the automobile age, almost one hundred years ago. It has been estimated that over 300,000 persons die and 10 to 15 million persons are injured every year in road accidents throughout the world. Statistics have also shown that mortality in road accidents is very high among young adults that constitute the major part of the work force. In order to combat this problem, various road safety strategies, methods and counter measures have been proposed and used. These methods mainly involve conscious planning, design and operations of roads. One important feature of this method is the identification and treatment of accident-prone locations commonly called black spots [1].
However, black spots are not the only causes of accidents on the highway. Regression analysis is a common approach used in modelling highway geometrics, traffic characterizations and accident frequencies in order to determine other causes of accidents. Regression analysis highly depends on traffic flow data such as Average Daily Traffic (ADT). It also requires the researcher to know exactly the dependent variables as well as the independent variables. Sadly however, in Nigeria, data are often looked at from one dimension. More often than not, the causes for road accidents in developing country like Nigeria may have nothing to do with the highway geometry, or even traffic characterization.
Also, a large number of data mining algorithmic solution exist; but until now, little or no empirical research has been done on comparing their efficiency especially on road accidents data set. Therefore, this research work is useful to ascertain which of these data mining classification’s algor ithmic solutions will scale better (Artificial Neural Networks and Decision Trees) on road accident database.
Finally, the purpose of this research is to look at historic al data of road accidents on one of the Nigeria’s busiest roads on how can be more analysed in order to discover new knowledge about road accidents in Nigeria and use this knowledge to reduce the carnage on our high way.
Related important works can be summarized as follows. Abdelwahab et al. [2] studied the 1997 accident data for the Central Florida area focusing on two-vehicle accidents that occurred at signalized intersections. The injury severity was divided into three classes: no injury, possible injury and disabling injury. The performance of Neural Network (NN) trained by Levenberg-Marquardt algorithm and Fuzzy ARTMAP were compared, and found that NN (65.6% and 60.4%
classification accuracy for the training and testing phases) performed better than Fuzzy ARTMAP (56.1%). Bedard et al. [3] applied a multivariate logistic regression to determine the independent contribution of driver, crash, and vehicle characteristics to drivers’ fatality risk. It was found that increasing seatbelt use, reducing speed, and reducing the number and severity of driver-side impacts might prevent fatalities. Some researchers studied the relationship between drivers’ age, gender, vehicle mass, impact speed or driving speed measure with fatalities [4,]Dia et al. used real-world data for developing a multi-layered NN freeway incident detection model [5]. Results showed that NN could provide faster and more reliable incident detection over the model that was in operation on Melbourne’s freeways.
Evanco conducted a multivariate population-based statistical analysis to determine the relationship between fatalities and accident notification times [6]. The analysis demonstrated that accident notification time is an important determinant of the number of fatalities for accidents on rural roadways. Kim et al. [7, 8] developed a log-linear model to clarify the role of driver characteristics and behaviours in the causal sequence leading to more severe injuries. They found that driver behaviours of alcohol or drug use and lack of seat belt use greatly increase the odds of more severe crashes and injuries.
Shankar, et al. [9] applied a nested logic formulation for estimating accident severity likelihood conditioned on the occurrence of an accident. The study found that there is a greater probability of evident injury or disabling injury/fatality relative to no evident injury if at least one driver did not use a restraint system at the time of the accident. Ossiander et al. [10,11,12,13] used Poisson regression to analyse the association between the fatal crash rate (fatal crashes per vehicle mile travelled) and the speed limit increase and found that the speed limit increase was associated with a higher fatal crash rate and more deaths on freeways in Washington State.
Yang, et al. used NN approach to detect safer driving patterns that have less chances of causing death and injury when a car crash occurs [14,15,16]. They performed the Cramer’s V Coefficient test [17, 18] to identify significant variables that cause injury, therefore, reduced the dimensions of the data for the analysis. The 1997 Alabama interstate alcohol-related data was used and was found that by controlling a single variable (such as driving speed, or light conditions) fatalities and injuries could be reduced by up to 40%. Akomolafe O.P. [19] employed Artificial Neural Network using Multilayer perceptron to predict likelihood of accident happening at particular location between the first 40 kilometres along Lagos-Ibadan Express road. He used Neurosolution version 4.1 software from Neurodimension Inc. on a Pentium III. He performed sensitivity analysis to extract redundant input and discovered that location 2 recorded the highest number of road accident occurrence and found out that, tyre burst was the major cause of accident along the route after implementing training, verification and test data set.
The remaining part of this paper is organized as follows: In Section II, we discuss the accident data set used in our work. Section III is devoted to introduction of the machine learning techniques utilized in our work, performance results and their analysis are also presented here.
II.Accident Data Set
The heart of any decision tree and artificial neural network prediction model is relevant and historical data of the domain in consideration. The selection of inputs is the most important aspect of creating a useful prediction, as it represents all of the knowledge that is available to the model to base the prediction on. This study used dataset from the Nigeria Road Safety Corps. The data sample used in this study covered a period of twenty four Months from January 2002 to December 2003 on the first 40 kilometres from Ibadan to Lagos. It consists of label-variables as given in table 1.
Table 1: Continuous and Categorical Variables values
The unknown causes may include other factors such as; i.
Law enforcement agents problems ii. Driver’s condition iii. Attitude of other road users iv. Inadequate traffic road signs v. Condition of the road surface
vi. Demographic factors of the location of accident vii. Traffic congestion viii. Vehicle make
ix. Vehicle year of manufacturing x. General Vehicle conditions
The output variable is the location, critical study of the accident data showed that the locations can be divided into three distinct regions tagged region A, region B and region C, meaning we have three outputs. Where,
First location 1 – 10km is Region A or location 1 Between 10km – 20km is region B or Location 2 Above 20km is region C or Location 3
In this research, the datasets were organized into both categorical data and continuous data. The decision tree was given the categorical data and the artificial neural networks was equally given continuous data, this is to allow the data mining algorithms to run on different data type, so as to determine which performs better. The major step required to obtain result of the research involved analysis of the data using WEKA. WEKA is a collection of machine learning algorithms and data processing tools. It contains various tools for data pre-processing, classification, regression, clustering, association rules and visualization. There are many learning algorithms implemented in WEKA including Bayesian classifier, Trees, Rules, Functions, Lazy classifiers and miscellaneous classifiers. The algorithms can be applied directly to a data set. WEKA is also data mining software developed in JAVA it has a GUI chooser from which any one of the four major WEKA applications can be selected. For the purpose of this study, the Explorer application was used.
III. Experimental Setup, Analysis and Results 3.1. Artificial Neural Networks Analysis
In the case of ANN based modelling, the hyperbolic activation function was used in the hidden layer and the logistic activation function otherwise known as sigmoid in the output layer. Models were trained with BP (100 epochs, learning rate 0.01) and SCGA (500 epochs) to minimize the root mean square and mean absolute error. For each output class, both multilayer perception (MLP) and Radical Basis Function Neural Networks (RBF) were used to determine the better networks.
3.2. Radial Basis Function Performance Analysis The RBF model was experimented with using different number of hidden neurons, and the model with highest classification accuracy for the correctly classified instances was determined. From the result analysis, the RBF model achieved training and testing performance of 5
4.73% and 40.56% respectively with 0.3478 of mean absolute error.
Table 2: Detailed Accuracy by Class
Table 3: Confusion Matrix
3.3. Multilayer Perception Performance Analysis For the case of MLP model, the model achieved training and testing performance of 78 correctly classified instances representing 52.70% and 28 representing 45.20% with mean absolute error of 0.3479 and root mean square error of 0.500
4.
Table 4: Detailed Accuracy by Class
Table 5: Confusion Matrix
A confusion matrix provides detailed information about how data rows are classified by the model. The matrix has a row and column for each category of the target variable (Location).
The categories shown in the first Column are the actual categories of the target variable.
The categories shown across the top of the table 5 cells are the predicted categories. The numbers in the cells are weights of the data rows with the actual category of the row and the predicted category of the column.
The numbers in the diagonal cells are the weights for the correctly classified cases where the actual category matches the predicted category the off-diagonal cells have misclassified row weights.
For both RBF and MLP, the confusion matrix showed that the model gave a good performance on location2. Further investigation into the input data especially on the importance of variables revealed that Tyre burst has the highest value of all the sixteen variables, followed by loss of control and over speeding.
3.4.Sensitivity and Specificity Report
The sensitivity and specificity report is used for classification problems where the target variable has two categories. For these types of analyses, one category o f the target variable is called the ‘positive’ category, and the other is called the ‘negative’ category. These are the parameters used to measure the performance and the accuracy rate of the models. That is,
TP-represent True positive
FP-represent false positive and
ROC- represent receive operating characteristic curve for the model
ROC is also called the “C statistic”.
3.5.Decision Tree Performance Analysis
Several numbers of setups of decision tree algorithms have been experimented and r the best results obtained is reported for my data set.
Each class was trained with entropy of fit measure, the prior class probabilities parameter was set to equal, the stopping option for pruning was misclassification error, the minimum n per node was set to 5, the fraction of objects was 0.05, the maximum number of nodes was 100, surrogates was 5, 10 fold cross-validation was used, and generated comprehensive results.
The best decision tree result was obtained with Id3 with 115 correctly classified instances and 33 incorrectly classified instances which represents 77.70% and 22.29% respectively.
Mean absolute error was 0.1835 and Root mean squared error was 0.3029.
3.5.1.Decision Tree Performance Analysis on Id3
Table 6: Detailed Accuracy by Class
Table 7: Confusion Matrix
3.5.2.Decision Tree performance Analysis on Function Tree (FT)
Table 8: Detailed Accuracy by Class
Table 9: Confusion Matrix
3.6.Discussion
In the case of neural networks based modelling, two types of algorithms were used: Multilayer perceptron MLP and Radial Basis Function (RBF).
Models were trained with 500 epochs to minimize the root mean square and mean absolute error.
For the RBF model, different numbers of hidden neurons were experimented and report the model with highest classification accuracy for the correctly classified instances. From the result, RBF model achieved training and testing performance of 54.73% and 40.56% respectively with 0.3478 of mean absolute error and 0.4484 of root mean square error. Also from the detailed accuracy by class and from confusion matrix of the result, RBF attained an accuracy rate of 0.547.
For the MLP model, the model achieved training and testing performance of 78 correctly classified instances representing 52.70% and 28 incorrectly classified instances representing 45.20% with mean absolute error of 0.3479 and mean square error of 0.5004. From the detailed accuracy by class, MLP attained an accuracy rate of 0.399.
In the case of Decision Tree Performance analysis, the, dataset were experimented with two algorithms. They are Id3 and FT (function tree)
For Id3 algorithm, there are 115 correctly classified instances and 33 incorrectly classified instances which represent 77.70% and 22.29% respectively. Mean absolute error was 0.1835 and Root mean squared error was 0.3029.
Also for functional tree algorithm (FT), total number of tree size was 5 with 105 correctly classified instances representing 70.27% and 44 incorrectly classified instances representing 29.73%.
From the detailed
accuracy by class and confusion matrix, Id3 attained accuracy rate of 0.777 and FT attained accuracy rate of 0.703.
Finally, comparing the techniques from the result analysis shows that Decision Tree performs better than the Neural Networks based on the error report, number of correctly classified instances and accuracy rate generated.
Table 10: Summary of Performance
On the attribute selection, using chi-squared attribute evolution with ranking method, tyre burst which represent attribute 7 has the highest value of 13.7826 followed by broken-shaft with 11.1 and loss of control with 10.8756 Also, Location two has the highest record of accidents with tyre burst being the major cause of accident on the highway.
IV.Conclusion
In this paper, a comparison of different Decision Tree algorithms and Artificial Neural Networks performance, were analysed on road accident data set. The location is between the first 40 kilometres along the Ibadan-Lagos Express road. The work used Multilayer Perceptron as well as Radial Basis Function (RBF) Neural Networks and Id3 and Function Tree algorithms.
Results shows that the Id3 tree algorithm performed better with higher accuracy rate, while Radial basis function performed better than multilayer perceptron in terms of time used in the building of the model and number of correctly classified instances. Finally, our experiments showed that, Decision Tree techniques outperformed Artificial Neural Networks with a lower error report and with a higher number of correctly classified instances and better accuracy rate generated. Tyre burst, broken shaft and loss of control variables were the three major causes of accidents where tyre burst represents the major cause of accidents. References
[1] Olutayo, V.A. (2011); Comparison of different
data mining techniques performance in knowledge discovery from road accident database. M.Sc.
Thesis, Department of computer science, University of Ibadan, Nigeria.
[2] Abdelwahab, H. T. & Abdel-Aty, M. A.
Development of Artificial Neural Network Models to Predict Driver Injury Severity in Traffic Accidents at Signalized Intersections.
Transportation Research Record1746, Paper No.
01-2234.
[3] Bedard, M., Guyatt, G. H., Stones, M. J., & Hireds,
J. P., The Independent Contribution of Driver, Crash, and Vehicle Characteristics to Driver Fatalities. Accident analysis and Prevention, Vol.
34, 2002, pp. 717-727.
[4] Buzeman, D. G., Viano, D. C., & Lovsund, P., Car
Occupant Safety in Frontal Crashes: A Parameter Study of Vehicle Mass, Impact Speed, and Inherent Vehicle Protection. Accident Analysis and Prevention, Vol. 30, No. 6, pp. 713-722, 1998. [5] Dia, H., & Rose, G., Development and Evaluation
of Neural Network Freeway Incident Detection
Models Using Field Data. Transportation Research C, Vol. 5, No. 5, 1997, pp. 313-331. [6] Evanco, W.M., the Potential Impact of Rural
Mayday Systems on Vehicular Crash Fatalities.
Accident Analysis and Prevention, Vol. 31, 1999, pp. 455-462.
[7] Kim, K., Nitz, L., Richardson, J., & Li, L.,
Personal and Behavioural Predictors of Automobile Crash and Injury Severity. Accident Analysis and Prevention, Vol. 27, No. 4, 1995, pp.
469-481.
[8] Kweon, Y. J., & Kockelman, D. M., Overall Injury
Risk to Different Drivers: Combining Exposure, Frequency, and Severity Models. Accident Analysis and Prevention, Vol. 35, 2003, pp. 441-450.
[9] Shankar, V., Mannering, F., & Barfield, W.,
Statistical Analysis of Accident Severity on Rural Freeways. Accident Analysis and Prevention, Vol.
28, No. 3, 1996, pp.391-401.
[10] Ossiander, E. M., & Cummings, P., Freeway speed
limits and Traffic Fatalities in Washington State.
Accident Analysis and Prevention, Vol. 34, 2002, pp. 13-18.
[11] Martin, P. G., Crandall, J. R., & Pilkey, W. D.,
Injury Trends of Passenger Car Drivers In the USA. Accident Analysis and Prevention, Vol. 32, 2000, pp. 541-557.
[12] Mayhew, D. R., Ferguson, S. A., Desmond, K. J.,
& Simpson, G. M., Trends In Fatal Crashes Involving Female Drivers, 1975-1998. Accident Analysis and Prevention, Vol. 35, 2003, pp. 407-415.
[13] Mussone, L., Ferrari, A., & Oneta, M., An analysis
of urban collisions using an artificial intelligence model. Accident Analysis and Prevention, Vol. 31, 1999, pp. 705-718.
[14] Yang, W.T., Chen, H. C., & Brown, D. B.,
Detecting Safer Driving Patterns by a Neural Network Approach. ANNIE ’99 for the Proceedings of Smart Engineering System Design Neural Network, Evolutionary Programming, Complex Systems and Data Mining, Vol. 9, pp.
839-844, Nov. 1999.
[15] Sohn, S. Y., & Lee, S. H., Data Fusion, Ensemble
and Clustering to Improve the Classification Accuracy for the Severity of Road Traffic Accidents in Korea. Safety Science, Vol. 4, issue1, February 2003, pp. 1-14.
[16] Tavris, D. R., Kuhn, E. M, & Layde, P. M., Age
and Gender Patterns In Motor Vehicle Crash injuries: Importance of Type of Crash and Occupant Role. Accident Analysis and Prevention, Vol. 33, 2001, pp. 167-172.
[17] Kweon, Y. J., & Kockelman, D. M., Overall Injury
Risk to Different Drivers: Combining Exposure, Frequency, and Severity Models. Accident Analysis and Prevention, Vol. 35, 2003, pp. 441-
450.
[18] Zembowicz, R. & Zytkow, J. M., 1996. From
Contingency Tables to Various Forms of Knowledge in Database. Advances in knowledge Discovery and Data Mining, editors, Fayyad, U. M.
et al., AAAI Press/The MIT Press, pp.329-349. [19] Akomolafe, O.P. (2004); predicting possibilities of
Road Accidents occurring, using Neural Network.
M. Sc. Thesis, Department of Computer Science, University of Ibadan.
Authors’ Profiles
OLUTAYO V.A: Has M.Sc. in computer science from University of Ibadan, Nigeria. Post-graduate student for doctoral degree for computer science in University of Benin, Nigeria. Currently, an Assistant Lecturer in Computer Science Department Joseph Ayo Babalola University, Ikeji-Arakeji, Nigeria. Member, Computer Professionals Association of Nigeria (CPN). Major in Data Mining, and Service Oriented Computing. ELUDIRE A.A: Has M.Sc., Ph.D. in Computer Engineering from Kiev Polytechnical Institute, Ukraine. Currently, a Senior Lecturer at the Computer Science Department, Joseph Ayo Babalola University, Ikeji-Arakeji, Nigeria. Member of IEEE, Nigeria Society of Engineer and Nigeria Computer Society (NCS). Major in Computer Networking and Computer Architecture and Organization.
How to cite this paper: Olutayo V.A, Eludire A.A,"Traffic Accident Analysis Using Decision Trees and Neural Networks", International Journal of Information Technology and Computer Science(IJITCS), vol.6, no.2, pp.22-28, 2014. DOI: 10.5815/ijitcs.2014.02.03
Ｙ８２６６０Ｉ１０７ｌＯ－２２０８７学位论文指导教师姓名垫垒占鲎熊焦壅煎申请学位级别塑±专业名称主垫苎焦论文提交日期２００５．０６论文答辩日期呈Ｑ盟：Ｑ昼：！璺学位授予单位垫尘．去堂答辩委员会主席塑叁堡壅亟评阅人塑圭堡整垫查壅鲎一查．墨二ｏｏ五年六月摘要目前，道路交通安全研究已趋于从交通事故成因、机理入手，寻找道路交通事故发生时的人员、车辆、道路环境等方面的诱导因素，以及交通事故与影响因素间的相互关系，所以道路交通事故的调查和统计分析是交通事故研究的一个很重要的方面。我国关于道路交通安全中事故影响因素定量分析工作还不是很完善，而符合实际功用的事故数据统计分析系统无疑会促进这一工作的发展。本文在对国内外道路交通事故数据采集项目和道路交通事故数据分析系统进行详细的研究分析后，确定了我国的道路事故数据采集项目及道路事故数据分析方面存在的问题，针对所存在的问题，提出了适合于道路安全研究的道路交通事故数据的加工整理方法，建立了能展示更多交通事故信息的数据分析系统，从而为道路交通事故的规律总结提供了一定的依据。关键词：道路交通事故事故数据采集交通事故统计统计分析系统ＡｂｓｔｒａｃｔＡｔｐｒｅｓｅｎｔ，ｔｈｅｃａｓｅｓｔｕｄｙｏｆｔｈｅｔｒａｆｆｉｃｈａｓａｌｒｅａｄｙｔｅｎｄｅｄｔｏｗａｒｄ
ｓｐｒｏｃｅｅｄｉｎｇ淅ｍｏｒｉｇｉｎｃａｕｓｅｏｆｔｒａｆｆｉｃａｃｃｉｄｅｎｔ，ｍｅｃｈａｎｉｓｍ，ｆａｃｔｏｒｏｆｌｅａｄｉｎｇｉｎｓｕｃｈｒｅｓｐｅｃｔｓａｓｔｈｅｒｏａｄ，ｔｒａｆｆｉｃ，ｅｎｖｉｒｏｎｍｅｎｔｗｈｉｌｅｌｏｏｋｉｎｇｆｏｒｔｈｅｔｒａｆｆｉｃａｃｃｉｄｅｎｔｏｆｔｈｅｒｏａｄｔｏｈａｐｐｅｎ，ａｎｄｔｒａｆｆｉｃａｃｃｉｄｅｎｔａｎｄｉｎｔｅｒａｃｔｉｏｎｏｆｉｎｆｌｕｅｎｃｅｆａｃｔｏｒ，ＳＯｉｎｖｅｓｔｉｇａｔｉｏｎａｎｄｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｏｆｔｈｅｒｏａｄｔｒａｆｆｉｃａｃｃｉｄｅｎｔａｒｅｉｍｐｏｒｔａｎｔｗａｙ ｉｎｔｒａｆｆｉｃａｃｃｉｄｅｎｔｓｔｕｄｙ．Ｉｔｉｓｎｏｔｓｔｉｌｌｖｅｒｙｐｅｒｆｅｃｔｔｈａｔｏｕｒｃｏｕｎｔｒｙｈｉｔｓｔｈｅｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｔｉｃａｌｗｏｒｋｏｆｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｏｆａｃｃｉｄｅｎｔａｂｏｕｔｔｈｅｔｒａｆｆｉｃｓａｆｅｔｙｏｆｔｈｅｒｏａｄ，ｔｈｅａｃｃｉｄｅｎｔｄａｔａｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｓｙｓｔｅｍｏｆｔｈｅｆｕｎｃｔｉｏｎｔｈａｔｃｏｒｒｅｓｐｏｎｄｔｏｒｅａｌｉｔｙｗｉｌｌｕｎｄｏｕ
道路交通事故十大典型案例 随着我国经济社会发展,机动车、驾驶人数量迅猛增长，由于人、车、路、环境等道路交通系统的要素不完善、不协调，安全出行知识缺乏，法制观念不强，重特大道路交通事故依然多发。 为警示交通参与者、道路运输从业者自觉守法，共同维护道路交通安全，我局从近年来发生的重特大道路交通事故中，选择涉及安全护栏、客车安全带、货运车辆肇事、小客车肇事、起火燃烧导致重特大事故等典型事故案例，逐案剖析事故教训，以警示社会，引起关注，希望道路交通参与者、道路运输从业者能够以此为鉴，自觉遵守道路交通安全法律法规，依法、文明、安全行车，自觉履行道路交通安全主体责任，预防和减少重特大道路交通事故。 “带”血的教训 ——2012.8.31连霍高速公路河南三门峡 重大道路交通事故 一、基本情况 2012年8月31日8时48分，灵宝市宝通汽车客运有限责任公司驾驶人郭世平驾驶号牌为豫M15260的金龙牌大型普通客车(核载29人，实载27人)，沿连霍高速公路(G30)自西向东行驶至784公里加420米处河南三门峡境内，因遇大雨，车辆发生侧滑，翻至道路右侧沟中，造成大客车上8人当场死亡，2人经抢救无效死亡， 15人受伤。 二、教训与启示 当高速行驶的汽车发生碰撞或者遇到意外紧急制动时，将产生巨大的惯性力，这个惯性力可以超过驾驶人、乘车人自身体重的20倍(不同的行车速度及撞击程度有所不同)，使驾驶人及乘车人与车内的方向盘、玻璃、座椅靠背、车门等发生碰撞，极易造成对驾乘人员的伤害。美国每年有超过1万名驾驶人因为使用安全带而保住生命，欧洲通过使用安全带每年挽救超过5000人的生命。我国对于驾驶人和乘车人使用安全带有明确规定。《道路交通安全法》第51条规定，机动车行驶时，驾驶人、乘坐人员应当按规定使用安全带。交通运输部明确要求，7月1日起没有配备安全带的客运车辆不得上高速公路行驶。 此次事故中，肇事车座位虽然全部装有安全带，但40%的座位配备安全带不能正常使用，存在缺少安全带锁扣等问题;客运车驾驶人在发车前未履行安全告知义务，提醒乘车人系安全带，客运站也未对出站车辆乘车人系安全带情况进行检查。从事故的后果来看，车辆左前部直接撞击地面的部分变形较为严重，车体大部分变形不严重，未影响内部生存空间，大部分乘员是先被甩出车外，后被事故车辆砸压致死。如果能够有效使用安全带，必然会大大减少伤亡人数。 违法装载危险品车毁人亡痛惊心 ——2011.7.22京港澳高速公路河南信阳 特别重大道路交通事故 一、基本情况 2011年7月22日3时43分，山东威海市交通运输集团有限公司驾驶人邹建洲驾驶鲁K08596号大型卧铺客车，乘载47人(核载35人)，行驶至河南省信阳市境内京港澳高速公
2017年交通安全事故案例及分析一 一、事故简要案情 07月31日07时25分，驾驶人罗某驾驶粤T/192**号大型客车(经检验车辆制动性能不合格)载客从坦洲往中山市城区方向行驶，途经Y003线2KM+100M路段处，遇右前方驾驶人冯某驾驶自行车从右往左横过机动车道，大客车避让不及与自行车发生碰撞。事故造成冯某当场死亡及车辆损坏。 二、事故原因分析 经过现场勘查和调查取证证实，冯某驾驶自行车横过机动车道时，不按规定通行，违反《中华人民共和国道路交通安全法实施条例》第七十条第一款规定;罗某驾驶制动不良的机动车上道路行驶，违反《中华人民共和国道路交通安全法》第二十一条规定。 根据《道路交通事故处理程序规定》第四十六条第一款第(二)项规定，冯某承担此事故的主要责任，罗某承担此事故的次要责任。 三、相关法条摘录 1、《中华人民共和国道路交通安全法实施条例》第七十条第一款规定：驾驶自行车、电动自行车、三轮车在路段上横过机动车道，应当下车推行，有人行横道或者行人过街设施的，应当从人行横道或者行人过街设施通过;没有人行横道、没有行人过街设施或者不便使用行人过街设施的，在确认安全后直行通过。 2、《中华人民共和国道路交通安全法》第二十一条规定：驾驶人驾驶机动车上道路行驶前，应当对机动车的安全技术性能进行认真检查;不得驾驶安全设施不全或者机件不符合技术标准等具有安全隐患的机动车。 2017年交通安全事故案例及分析二
一、事故经过： 1月8日7:36分左右，在福建食堂西侧主干道上，泡花碱厂员工厉业忠在去往碱厂上班的路上，被外来物流车辆车牌号为鲁D26276的送煤车在左拐弯的时侯碰倒，并被车辆前轮轧断右腿。 事发后，保卫部值班班长朱玉鹏在第一时间汇报保卫部主管孙昂，孙昂随即带领保安到现场进行现场警戒和车辆管制，在7：40分拨打120，逐级向潘经理、林总汇报。总经办张宁在去食堂的途中，听到事故发生后分别向刘总、BOB汇报，刘总于7：46分左右到达现场。安环部付景海在接到现场目击者炼一车间员工张光慈通知后，随即向崔总汇报，崔总于7：38分左右到达现场，7点54分急救车到厂将伤员往医院。 二、事故调查： 1、询问与厉业忠一同上班的在场目击人员王淑玲和王广文。据王淑玲供述，当时王淑玲、王广文和厉业忠三人往泡花碱方向南行走到交叉路口处时，从西边过来一辆货车，因车速很快，王淑玲和王广文急忙往东西两边躲闪，所幸两人躲过车辆只被车灯挂到了衣服，并让司机马上停车，告诉司机轧到人了。 2、肇事司机所属滕州汉源商贸有限公司，事发时已将煤卸掉，空车行驶。驾驶员进厂时各类证件驾驶证、行驶证齐全。据车主程明所述，司机已经一整夜未睡觉，属于疲劳驾驶。 3、在事发前，约7：36分，保卫部王德光在西地磅发现此车行驶速度过快，目测车速不低于40公里/小时，要求司机减速停车，但司机没有理睬保安的警告，依然原速往东行驶，王德光随即通知东大门保安朱玉鹏将此车辆拦截。 三、事故原因：
道路交通事故十大典型案例(1.17)
道路交通事故十大典型案例 随着我国经济社会发展,机动车、驾驶人数量迅猛增长，由于人、车、路、环境等道路交通系统的要素不完善、不协调，安全出行知识缺乏，法制观念不强，重特大道路交通事故依然多发。 为警示交通参与者、道路运输从业者自觉守法，共同维护道路交通安全，我局从近年来发生的重特大道路交通事故中，选择涉及安全护栏、客车安全带、货运车辆肇事、小客车肇事、起火燃烧导致重特大事故等典型事故案例，逐案剖析事故教训，以警示社会，引起关注，希望道路交通参与者、道路运输从业者能够以此为鉴，自觉遵守道路交通安全法律法规，依法、文明、安全行车，自觉履行道路交通安全主体责任，预防和减少重特大道路交通事故。 “带”血的教训 ——2012.8.31连霍高速公路河南三门峡 重大道路交通事故 一、基本情况 2012年8月31日8时48分，灵宝市宝通汽车客运有限责任公司驾驶人郭世平驾驶号牌为
豫M15260的金龙牌大型普通客车(核载29人，实载27人)，沿连霍高速公路(G30)自西向东行驶至784公里加420米处河南三门峡境内，因遇大雨，车辆发生侧滑，翻至道路右侧沟中，造成大客车上8人当场死亡，2人经抢救无效死亡，15人受伤。 二、教训与启示 当高速行驶的汽车发生碰撞或者遇到意外紧急制动时，将产生巨大的惯性力，这个惯性力可以超过驾驶人、乘车人自身体重的20倍(不同的行车速度及撞击程度有所不同)，使驾驶人及乘车人与车内的方向盘、玻璃、座椅靠背、车门等发生碰撞，极易造成对驾乘人员的伤害。美国每年有超过1万名驾驶人因为使用安全带而保住生命，欧洲通过使用安全带每年挽救超过5000人的生命。我国对于驾驶人和乘车人使用安全带有明确规定。《道路交通安全法》第51条规定，机动车行驶时，驾驶人、乘坐人员应当按规定使用安全带。交通运输部明确要求，7月1日起没有配备安全带的客运车辆不得上高速公路行驶。 此次事故中，肇事车座位虽然全部装有安全带，但40%的座位配备安全带不能正常使用，存
2017年最新交通安全事故案例分析 2017年交通安全事故案例及分析一 一、事故简要案情 07月31日07时25分，驾驶人罗某驾驶粤T/192**号大型客车(经检验车辆制动性能不合格)载客从坦洲往中山市城区方向行驶，途经Y003线2KM+100M路段处，遇右前方驾驶人冯某驾驶自行车从右往左横过机动车道，大客车避让不及与自行车发生碰撞。事故造成冯某当场死亡及车辆损坏。 二、事故原因分析 经过现场勘查和调查取证证实，冯某驾驶自行车横过机动车道时，不按规定通行，违反《中华人民共和国道路交通安全法实施条例》第七十条第一款规定;罗某驾驶制动不良的机动车上道路行驶，违反《中华人民共和国道路交通安全法》第二十一条规定。 根据《道路交通事故处理程序规定》第四十六条第一款第(二)项规定，冯某承担此事故的主要责任，罗某承担此事故的次要责任。 三、相关法条摘录 1、《中华人民共和国道路交通安全法实施条例》第七十条第一款规定：驾驶自行车、电动自行车、三轮车在路段上横过机动车道，应当下车推行，有人行横道或者行人过街设施的，应当从人行横道或者行人过街设施通过;没有人行横道、没有行人过街设施或者不便使用行人过街设施的，在确认安全后直行通过。 2、《中华人民共和国道路交通安全法》第二十一条规定：驾驶人驾驶机动车上道路行驶前，应当对机动车的安全技术性能进行认真检查;不得驾驶安全设施不全或者机件不符合技术标准等具有安全隐患的机动车。
2017年交通安全事故案例及分析二 一、事故经过： 1月8日7:36分左右，在福建食堂西侧主干道上，泡花碱厂员工厉业忠在去往碱厂上班的路上，被外来物流车辆车牌号为鲁D26276的送煤车在左拐弯的时侯碰倒，并被车辆前轮轧断右腿。 事发后，保卫部值班班长朱玉鹏在第一时间汇报保卫部主管孙昂，孙昂随即带领保安到现场进行现场警戒和车辆管制，在7：40分拨打120，逐级向潘经理、林总汇报。总经办张宁在去食堂的途中，听到事故发生后分别向刘总、BOB汇报，刘总于7：46分左右到达现场。安环部付景海在接到现场目击者炼一车间员工张光慈通知后，随即向崔总汇报，崔总于7：38分左右到达现场，7点54分急救车到厂将伤员往医院。 二、事故调查： 1、询问与厉业忠一同上班的在场目击人员王淑玲和王广文。据王淑玲供述，当时王淑玲、王广文和厉业忠三人往泡花碱方向南行走到交叉路口处时，从西边过来一辆货车，因车速很快，王淑玲和王广文急忙往东西两边躲闪，所幸两人躲过车辆只被车灯挂到了衣服，并让司机马上停车，告诉司机轧到人了。 2、肇事司机所属滕州汉源商贸有限公司，事发时已将煤卸掉，空车行驶。驾驶员进厂时各类证件驾驶证、行驶证齐全。据车主程明所述，司机已经一整夜未睡觉，属于疲劳驾驶。 3、在事发前，约7：36分，保卫部王德光在西地磅发现此车行驶速度过快，目测车速不低于40公里/小时，要求司机减速停车，但司机没有理睬保安的警告，依然原速往东行驶，王德光随即通知东大门保安朱玉鹏将此车辆拦截。 三、事故原因： 1、外来司机不遵守公司交通管理规定，在厂区交通干道上超速行驶，不听从保卫人员警告，在车辆拐弯时车速过快，为事
2009年交通事故典型案例分析 一、专业运输车辆交通违法造成重大交通事故 1、大型客车超员行驶造成交通事故 案件经过： 2009年1月6日8时20分许，王某驾驶天津牌照大型客车，沿新华路由南向北行驶，行至承德道交口时，遇张某骑自行车沿承德道由西向东行驶，王某因车上载人过多，造成制动失效，所驾驶大客汽车前部与张某骑的自行车左侧接触，造成张某受伤，经抢救无效死亡的交通事故。 2009年2月26日17时55分许，蓟县驾驶人林某超员驾驶大客车，沿蓟县北外环由西向东行驶至营坊桥处发生侧翻，造成乘车人张某、王某、李某受伤，朱某、郑某经医院救治无效死亡。 案例分析： 《中华人民共和国道路交通安全法》第四十九条规定：机动车载人不得超过核定的人数，客运机动车不得违反规定载货。第九十二条规定：公路客运车辆载客超过额定乘员的，处二百元以上五百元以下罚款；超过额定乘员百分之二十或者违反规定载货的，处五百元以上二千元以下罚款。公安机关交通管理部门扣留机动车至违法状态消除。运输单位的车辆有本条情形，经处罚不改的，对直接负责的主管人员处二千元以上五千元以下罚款。大客车超员行驶多是出于经济利益的驱使，载客超员会造成车辆过重，制动性能降低，制动距离延长。同时超过车辆限定的载客人数后，乘车人员不能在车辆设定的座位就座，乘客的危险系数增高，且此部分增设的座位不能纳入到乘客保险中，出事故后，乘客伤亡极易得不到应有的赔偿。乘车空间狭小使车厢内人员拥挤，发生交通事故时造成的损害也将加大。 交警提示： 客运公司、客车司机不能只顾经济利益不顾交通安全，要时刻将自身、乘客与他人的交通安全摆在首位，一定要按照客车核定载客人数承载，不得超载，更不能为了超员行驶私自拆改座位、增设座位。乘车人为了自身安全和权益，应主动拒绝乘坐超员行驶的车辆，并有义务向公安交通管理部门举报超员运营的行为。
交通事故统计分析 第一节交通事故统计的意义和任务 一、交通事故统计分析及其意义 ㈠交通事故统计分析 交通事故统计分析属于宏观分析，按统计的范围又包括地域性事故调查统计分析和线路事故统计分析。地域性调查主要针对全国、省、市等特定地区进行的，为制定安全性法规和政策服务。线路统计是针对某一路段进行调查，目的是找出道路的事故多发路段，为道路交通状况的改善和安全设施的设置提供依据。 ㈡交通事故统计分析的意义 事故统计分析对于科学地搞好交通管理，减少和防止交通事故的发生，保证道路交通安全具有非常重要的意义. 二、交通事故统计分析的内容 第二节交通事故统计指标 一、总量指标 总量指标是指反映交通事故现象在一定时间、地点、条件下的总体规模和水平，其表现形式为绝对数，也称绝对指标。指标反映的状况不同，可分为时期指标和时点指标。时期指标是反映总体在一段时期内活动过程的总量，是一个时间间隔内的数字。如某年、某月的交通事故次数。时点指标是反映总体在某一时点上规模或水平的总量，是在某一时刻的数字。如某年底某地的人口数、机动车辆数、驾驶员数等。 二、相对指标 相对指标是两个有联系的指标的比值，也叫相对数，通常是两个绝对数之比。交通事故相对指标是用两个交通事故绝对数的比值来表示的，更便于分析和说明两相比较指标之间的数量关系。相对指标的计算公式为：相对指标（%）=比数/基数×100% 三、平均指标 平均指标反映统计某一数量指标的一般水平或平均水平，也叫统计平均数。利用平均指标可以对比同类现象在不同地区、不同单位的一般水平，也可以分析在不同时期的一般水平，分析其发展变化。 四、动态分析指标 交通事故动态分析指标是通过事故动态数列计算的分析指标。交通事故动态数列可以反映事故发展变化的过程和趋势，但要分析事故的变化特点的规律性，还需计算动态分析指标，即计算平均水平、增长量、发展速度、增长速度、平均发展速度、平均增长速度等。 第三节统计分析方法 一、统计表格分析法 把统计调查所得到的数据资料汇总整理，按一定的顺序填在特定的统计表格中，便得到统计表。任何一种统计表都是统计表格与统计数据的结合体，利用统计表中的绝对指标、相对指标和平均指标，可以研究各类交通事故的规模、趋势和比例关系。 二、比重图分析法 比重图是一种表示事物构成情况的平面图形。可以在平面图上形象、直观地反映事物的各种构成所占的比例。例如，根据公安部交通管理局的统计资料，1997
十大交通事故典型案例 时刻提醒我们遵守交通法规 经过多年努力，我国道路交通事故稳中有降，但总量仍然较大，并且80%以上道路交通事故因交通违法导致。“全国交通安全日”（2012年12月2日）来临之际，陕西省公安厅交管局转发了公安部发布的道路交通事故十大典型案例，希望道路交通参与者、道路运输从业者能够以此为鉴，自觉遵守道路交通安全法律法规。 2012.10.7 青银高速山东淄博重大道路交通事故 2012年10月7日11时44分，山东省济南市商河县长途汽车运输公司驾驶人牛传更驾驶鲁A96925大客车，自东向西沿青银高速公路行驶至淄博路段，在超越同向右侧车道一辆大货车时，突遇山东省高密市王瑞先驾驶鲁GJ031B小客车从两车间强行超车并线，导致鲁A96925大客车与鲁GJ031B小客车刮擦后，失控冲过中央活动护栏，与对向济南旅顺旅游汽车有限公司驾驶人周玉山驾驶的鲁A18526大客车发生碰撞，致鲁A18526大客车翻入高速公路边沟，造成14人死亡、6人重伤。2012.8.31 连霍高速公路河南三门峡重大道路交通事故 2012年8月31日8时48分，灵宝市宝通汽车客运有限责任公司驾驶人郭世平驾驶号牌为豫M15260的金龙牌大型普通客车（核载29人，实载27人），沿连霍高速公路（G30）自西向东行驶至784公里加420米处河南三门峡境内，因遇大雨，车辆发生侧滑，翻至道路右侧沟中，造成大客车上8人当场死亡，2人经抢救无效死亡，15人受伤。
包茂高速陕西延安特别重大道路交通事故 2012年8月26日2时31分许，内蒙古包头市驾驶人陈强驾驶蒙AK1475号宇通牌卧铺大客车（以下简称大客车），沿包茂高速公路由北向南行驶至484km+95m处，与河南省焦作市孟州市驾驶人闪文全驾驶的重型罐式半挂汽车列车（主车豫HD6962号解放牌重型半挂牵引车/挂车豫H213A挂号中集牌罐式半挂车，以下简称“汽车列车”）发生追尾碰撞，致罐式半挂车内甲醇泄漏并起火，造成大客车内36人当场死亡，3人受伤。 2012.3.13 四川马尔康重大道路交通事故 2012年3月13日12时28分，四川省阿坝藏族羌族自治州马尔康县驾驶人王千驾驶川U20777号金龙大客车从成都驶往马尔康县，该车核载35人，实载21人，行至马尔康县境内317国道295公里加138米一连续下坡且转弯处，翻坠于垂高65米的山沟下，造成15人死亡，6人受伤。 2012.1.4 沪昆高速贵州黔南重大道路交通事故 2012年1月4日18时30分，安徽省黄山市凯鸿旅游客运有限公司驾驶人杨献辉驾驶皖J06318号大型普通客车（核载53人，实载57人，其中包括4名儿童），从浙江省义乌市驶往四川省泸州市叙永县，沿沪昆高速公路行至1765公里加500米处贵州省黔南州贵定县境内裕民大桥路段，车辆越过中心隔离带及对向车道路侧防护栏，翻入路边垂直高度8.8米下水沟中，造成18人死亡，39人受伤。
2009年交通事故典型案例分析 日期：2011年10月11日 16:16:36 一、专业运输车辆交通违法造成重大交通事故 1、大型客车超员行驶造成交通事故 案件经过： 2009年1月6日8时20分许，王某驾驶天津牌照大型客车，沿新华路由南向北行驶，行至承德道交口时，遇张某骑自行车沿承德道由西向东行驶，王某因车上载人过多，造成制动失效，所驾驶大客汽车前部与张某骑的自行车左侧接触，造成张某受伤，经抢救无效死亡的交通事故。 2009年2月26日17时55分许，蓟县驾驶人林某超员驾驶大客车，沿蓟县北外环由西向东行驶至营坊桥处发生侧翻，造成乘车人张某、王某、李某受伤，朱某、郑某经医院救治无效死亡。 案例分析： 《中华人民共和国道路交通安全法》第四十九条规定：机动车载人不得超过核定的人数，客运机动车不得违反规定载货。第九十二条规定：公路客运车辆载客超过额定乘员的，处二百元以上五百元以下罚款；超过额定乘员百分之二十或者违反规定载货的，处五百元以上二千元以下罚款。公安机关交通管理部门扣留机动车至违法状态消除。运输单位的车辆有本条情形，经处罚不改的，对直接负责的主管人员处二千元以上五千元以下罚款。大客车超员行驶多是出于经济利益的驱使，载客超员会造成车辆过重，制动性能降低，制动距离延长。同时超过车辆限定的载客人数后，乘车人员不能在车辆设定的座位就座，乘客的危险系数增高，且此部分增设的座位不能纳入到乘客保险中，出事故后，乘客伤亡极易得不到应有的赔偿。乘车空间狭小使车厢内人员拥挤，发生交通事故时造成的损害也将加大。 交警提示： 客运公司、客车司机不能只顾经济利益不顾交通安全，要时刻将自身、乘客与他人的交通安全摆在首位，一定要按照客车核定载客人数承载，不得超载，更不能为了超员行驶私自拆改座位、增设座位。乘车人为了自身安全和权益，应主动拒绝乘坐超员行驶的车辆，并有义务向公安交通管理部门举报超员运营的行为。
统计分析 道路交通事故 学院：应用数学学院 专业：信息与计算科学 姓名：张琪 学号：1117020102
一．背景 汽车的发明使用使人类的生活方式发生了巨大的变化，汽车以其特有的优越性为人类生活带来了舒适和便捷，但同时，它也给人类带来了道路交通事故等负面效应。由于汽车工业和交通运输业的高速发展，车辆保有量急剧增加，交通流量急剧增大，造成车辆与道路比例的严重失调，导致交通事故频发，伤亡人数增多，经济损失增加，当今世界面临道路交通安全问题的困扰，无论是工业发达国家，还是发展中国家，无不为交通事故所烦恼，道路交通事故问题已成为深刻的全球性社会问题，所以开展道路交通事故研究更具有重要性和紧迫性。 二．数据的收集 2.1 关于中国交通安全问题的调查问卷 1.你对目前中国交通安全状况有何看法？ A很好B一般C糟糕 2你认为中国最近几年交通事故频繁吗？ A频繁B较多C一般 3你认为交通知识主要由谁来灌输？ A老师B家长C交警 4你认为中国在普及交通安全知识方面全面吗？ A全面B不全面C不清楚 5你认为中国政府在处理交通事故方面做得够了吗？ A够了B不够C不清楚 6你认为机动车哪些行为对交通安全影响大？ A乱闯红灯B强行抢道C车辆乱停 7你认为行人及非机动车哪些行为对交通安全影响大？ A乱闯红灯B乱穿马路C非机动车驶入机动车道 8哪类车辆交通违章较突出？ A电动车B出租车C摩托车 9你认为造成交通安全意识差的原因是什么？（可多选） A缺乏交通安全意识B缺乏交通安全知识 C缺乏交通安全责任感D存在侥幸心理 E存在麻痹思想F没有交警的监督 G惩处违法行为力度不够
10.你认为今后中国的交通在哪些方面需要改进？（可多选） A机动车的性能和质量B逃生设施 C服务质量D基础设施及环境的舒适度 E监管体质F配套法律 G事故处理能力 2.2 为了简便地了解关于交通事故方面的相关内容，在网站上找到了以下的统计数据。 表1 1995-2004年全国道路交通事故统计表
案例一：杭州重大交通肇事典型事故案例分析 8月4日21时40分，29岁的司机魏志刚酒后驾驶黑色保时捷越野车，将正在过马路的16岁女孩马某某撞死。检查机关经审查认为，魏志刚违反交通运输管理法规，酒后驾车(其体内血液乙醇成分含量为0.36mg/ml)，且超速行驶。根据鉴定结论，车速为74—83km/h，(道路限速为60km/h)，对横过马路的行人动态观察不力，措施不及，致使所驾车辆撞上行人马某某，并造成其死亡的后果，在事故中负主要责任，行为已经涉嫌交通肇事罪。 案例分析： 面对这次案件，我们从情感和法律上都是无法接受的。毕竟，胡斌案件的宣判声还在耳边萦绕，却又一次发生了类似的交通案件。豪车、饮酒、超速、追悔不及这一系列的词汇和以往的案件都惊人的相似，而它们的后果都是无辜年轻生命的逝去，屡次发生的事故仍然不能引起某些人的警醒，更令我们震惊的是，根据交警部门对肇事司机违法记录的查询，从2008年5月至2009年7月期间，他名下的这款豪华越野车就有14次交通违法行为，我们从中读出得只能是交通意识的淡薄!任何苦口婆心的劝戒和后果惨重的前车之鉴在驾驶者无克制的酒瘾面前丧失了效力，“酒乃穿肠毒药”，总是有一些极少数的驾驶者开车还肆无忌惮地饮酒，饮酒完了还不算，还在大街上驾驶着豪车游逛。我们除了期望这些
似乎忌惮的人能够得到法律的严惩同时也还要呼吁所有交通参与者能够一起努力来构建和谐的交通环境，司机能够主动礼让行人，慢行通过，而行人也要提高安全意识，做好自我防护，养成良好的交通习惯。我们期望通过法律的严惩和全社会的共同治理，能够把这些极少数的害群之马赶出马路去!还全社会一个安宁和谐的环境。 案例二：黑龙江鸡西发生恶性酒后驾车交通事故 据报道，8月5日，黑龙江省鸡西市发生一起恶性酒后驾车事故，一醉驾男子连撞26人，造成2人死亡，7人住院治疗，3人留院观察的恶性后果。 8月5日18时左右，家住鸡西市鸡冠区的司机张某某酒后驾驶牌照为黑G9XXX的路虎越野车，行驶至鸡冠区跃进街跃进桥桥头时，轧伤一行人右脚，并于伤人及其家属发生争执，导致大量群众围观。再此过程中，张某某向后倒车，又撞到了车后一名围观群众，随后车辆又向前驶处十米左右，撞上围观群众多人，当场导致1人死亡，多人受伤。据目击者证实，当时驾驶员满身酒气，路虎越野车再次启动后，撞飞路边的小吃摊，并撞到许多人，造成当时现场群众情绪十分激动，很多群众用棍棒围打司机，警察及时赶到维持秩序，并把肇事司机带回接受调查。 案例分析： 交通肇事罪，是指违反交通运输管理法规，因而发生重
九十一年道路交通事故分析 提報單位：統計室 92.9.30 一、前言 隨著科技進步，車輛、道路工程不斷改進，且車輛安全配備及道路服務水準受到重視，交通投資建設在於滿足行的需求與加強安全保障。 依據本署統計資料，九十一年交通事故A1及A2類死傷案件為86,259件，死亡2,861人（只計算事故發生起24小時死亡者），受傷109,594人。若依衛生署機動車死亡人數統計資料，由84年的高峰7,427人逐年降低，91年為4,322人，顯示近年來交通安全政策已具成效。惟我國每十萬人口死亡19.2人（2002年），與日本6.6人（2002年）、新加坡5.2人（2000年）比較，仍有進步空間，本文就警察機關交通事故資料分析，提供制訂道路交通安全決策之參考。 二、歷年概況 表一、歷年臺閩地區道路交通里程、機動車輛及道路交通事故 說明：道路含國道、省道、縣道、鄉道、專用道路及市區道路。
道路交通事故死亡人數(衛生署資料) 人口 (80年=100) 50100150 200 80 81 82 83 84 85 86 87 88 89 90 91年 九十一年臺閩地區機動車輛為17,906,957輛，較上年增加441,920輛或增2.53%，其中汽車數5,923,200輛（平均每千人263.01輛）；道路交通事故死亡4,322人，較上年減少465人或減9.71%；人口為22,520,776人，較上年增加115,208人或增0.51%；道路里程37,299公里，較上年增加601公里或增1.64%（詳表一）。 以八十年至九十一年止十二年之資料觀察，機動車輛增加68.76%，道路里程增加31.00%，人口增加9.29%，道路交通事故死亡人數則在政府積極推動多項安全措施（如註一）及警察嚴正執法下減少3,000人（-40.97％）（詳圖一）。 圖一、歷年臺閩地區道路交通事故等之變動 三、世界主要國家道路交通事故概況 主要國家機動車交通事故死亡率以新加坡 5.2人/十萬人口（2000年）最低，英國5.6人（1999年）次之、日本6.6人、德國7.9人又次之，韓國22.3人/十萬人口（2000年），我國2002年死亡率為19.2人/十萬人口，略高於美國15.1人/十萬人口。就狀態別結構觀察，我國以騎乘機車死亡占54.6％最多（2002年），歐美、日本以乘坐汽車死亡為主約占40-50％（2001年），韓國以徒步死亡較高占38.7％。就年齡組（每十萬人口死亡人數）觀察，我國、日、韓等亞洲國家以65歲以上組較高，美、英、德等歐美國家則以15-24歲組較高（詳表二、三）。
10个道路交通事故典型案例详解 江苏省东海县人民法院 阅读提示：随着机动车保有量的快速增长，交通事故案件数量不断上升。江苏东海法院近日发布了十件道路交通事故纠纷典型案例，逐案剖析权利主张和阐明法律责任。 案例一：车辆没有过户，发生交通事故后的赔偿责任主体 案情概要：2012年 8 月11日16时许，朱某驾驶的轿车与陈某无证驾驶的二轮摩托车发生交通事故，摩托车前部与轿车右侧发生撞碰，致陈某受伤。交警部门认定朱某负事故的主要责任，陈某负次要责任。另查明，朱某为冒某所雇驾驶员，该轿车登记车主为刘某，实际车主为冒某。 陈某遂将登记车主刘某、实际车主冒某和肇事司机朱某以及保险公司作为被告统统告上法庭，索赔3400余元。 裁判要旨：保险公司应当在交强险的赔偿限额内赔偿原告陈某的损失。超过交强险赔偿限额外的损失由原告陈某、被告冒某按责承担。被告刘某虽系登记车主，因无过错，依法不应承担赔偿责任。被告朱某作为雇员，其造成交强险限额外的损失应由其雇主被告冒某承担。 法官点评：按照《侵权责任法》第五十条的规定，在连环买卖车辆且未办理过户手续的情况下，因为原车主已经将车辆交付买受人，买受人是该车辆的实际支配控制者，也是该车辆运营利益的享有者，所以买受人应对该车辆发生交通事故造成的损害承担赔偿责任。原车主既不能支配该车辆的运营，也不能从该车的运营中获得利益，故不应承担赔偿责任。不过法官同时也提醒车主，在转让车辆时，买卖双方最好及时办理过户手续，以免事故后双方陷入说不清的境况。 案例二：车辆借给没有驾驶照的人员驾驶，发生事故后车主是否承担赔偿责任案情概要：2012年4月4日，刘某将其二轮摩托车（无证、未投保险）借给朋友王某外出游玩，王某没有驾照。在某一路段上王某驾驶二轮摩托车与孙某驾驶二轮摩托车相撞，导致孙某受伤。因事故原因无法查清，交警队没有进行责任认定。孙某伤好后将车主刘某、借车人（肇事者）王某告上法庭，索赔6万多元。裁判要旨：机动车辆之间因事故无法认定责任，双方各承担 50%。考虑到被告刘某作为车主将车辆借给无驾照的孙某具有一定的过错，酌情判定其承担 15%责
我国道路交通事故的现状、特点、原因分析及对策 时间：2011-04-25 16:34 作者：来源：我要评论(0) 【找法网交通安全论文】随着我国道路交通事业的飞速发展，交通事故发生率呈上升趋势。由于交通事故的发生不仅造成大量人员伤亡，给无数家庭带来不幸，而且严重影响着经济发展和社会稳定，已引起了各级政府的高度重视和关注。人们在谈“故”色变的同时，开始寻找诱发道路交通事故的原因。本文运用大量的数据对交通事故发生的特点进行归纳，认为交通事故的发生具有一定规律性，而造成事故的原因又具有复杂性和多样性。通过对“人、车、路、”等交通因素的分析研究，提出了预防和减少交通事故的初步对策，以便采取针对性措施，遏制交通事故的发生。 道路交通事故伴随着交通运输业的发展应运而生，与交通事故密切相关的因素是人、车、路和环境。本文通过介绍我国道路交通事故的现状，对道路交通事故的特点进行研究，根据交通事故特点，分析其产生的原因，并对预防和减少交通事故的对策进行初步的探讨。 一、当前道路交通事故的基本情况 随着我国道路交通事业的飞速发展，交通事故猛增已成了交通管理所面临的严重问题。汽车交通作为人类文明的标志，彻底地改变了人类发展的历史进程，给人类以舒适和便捷等正面效应的同时也给人类生活带来一些负面效应，交通事故就是其中最严重、危害最大的负面效应之一。正因为交通事故造成的严重后果，世界各国尤其是发达国家都对事故预防及对策倾注了大量人力、物力和财力，制定了较为完善的道路交通管理法律、法规和相关政策，许多国家从20世纪60 年代起开始实行了综合治理交通和减少交通事故的措施，虽然每年因交通事故造成的损失很高，但交通事故上升的势头已趋于平缓，欧美、日本等发达国家交通事故尤其是近几年交通事故处于稳定趋势，而我国的道路交通事故所造成的损害后果却依然严重，而且一直处于上升的趋势，每年交通事故死亡人数居于世界首位。近年来在我国机动车数量快速增长的情况下，交通事故及伤亡人数呈不断上升趋势。我国自1951年开始统计交通事故数据，当年全国共发生交通事故5922起，死亡852人，伤5159人。①1951年至1984年的30多年间，交通事故各项指标的变化基本上是平稳的。80年代中期以后至今，社会交通需求日益旺盛，城乡交通活动随之剧增，而道路建设和交通管理的发展却不能满足交通运输发展的客观需要，道路交通事故急剧增加，尤其是1991年后随着国家总体经济实力的不断增强，机动车保有量急剧增加，交通运输发展迅速，交通事故及其死亡人数急剧增长。从1998-2002年的5年中，全国道路交通事故绝对数呈上升趋势，事故起数、死亡人数、受伤人数年均增长率分别为32.5%、8.8%、42.7%。2002年全国一般以上道路共发生交通事故77.31万起，造成10.94万人死亡、56.21万人受伤，直接经济损失33.24亿元，与2001年相比分别增长了2.41%、3.26%、2.85%、和7.66%，是历年之最。②我国的道路交通事故造成的损失远大于世界
日1月172014年 道路交通事故十大典型案例机动车、驾驶人数量迅猛增长，由于人、车、路、环境等道路,随着我国经济社会发展重特大道路交通事故不协调，安全出行知识缺乏，法制观念不强，交通系统的要素不完善、依然多发。为警示交通参与者、道路运输从业者自觉守法，共同维护道路交通安全，我局从近年来发生的重特大道路交通事故中，选择涉及安全护栏、客车安全带、货运车辆肇事、小客车以警示社会，引起关逐案剖析事故教训，肇事、起火燃烧导致重特大事故等典型事故案例，自觉遵守道路交通安全法律法规，道路运输从业者能够以此为鉴，注，希望道路交通参与者、预防和减少重特大道路交通事故。安全行车，自觉履行道路交通安全主体责任，依法、文明、“带”血的教训连霍高速公路河南三门峡——2012.8.31 重大道路交通事故一、基本情况分，灵宝市宝通汽车客运有限责任公司驾驶人郭世平驾驶号时8488月31日2012年自西沿连霍高速公路(G30)27人)，牌为豫M15260的金龙牌大型普通客车(核载29人，实载翻至道路右侧因遇大雨，车辆发生侧滑，公里加420米处河南三门峡境内，向东行驶至784 15人受伤。人当场死亡，2人经抢救无效死亡，沟中，造成大客车上8 二、教训与启示当高速行驶的汽车发生碰撞或者遇到意外紧急制动时，将产生巨大的惯性力，这个惯，使)倍(不同的行车速度及撞击程度有所不同性力可以超过驾驶人、乘车人自身体重的20车门等发生碰撞，极易造成对驾乘人员座椅靠背、驾驶人及乘车人与车内的方向盘、玻璃、欧洲通过使用安全带每万名驾驶人因为使用安全带而保住生命，的伤害。美国每年有超过1人的生命。我国对于驾驶人和乘车人使用安全带有明确规定。《道路交通5000年挽救超过条规定，机动车行驶时，驾驶人、乘坐人员应当按规定使用安全带。交通运51安全法》第日起没有配备安全带的客运车辆不得上高速公路行驶。月1输部明确要求，7的座位配备安全带不能正常使用，但40%此次事故中，肇事车座位虽然全部装有安全带，客运车驾驶人在发车前未履行安全告知义务，提醒乘车人系安存在缺少安全带锁扣等问题;车辆左前客运站也未对出站车辆乘车人系安全带情况进行检查。从事故的后果来看，全带，大部车体大部分变形不严重，未影响内部生存空间，部直接撞击地面的部分变形较为严重，必然会大大减如果能够有效使用安全带，分乘员是先被甩出车外，后被事故车辆砸压致死。少伤亡人数。车毁人亡痛惊心违法装载危险品 京港澳高速公路河南信阳——2011.7.22 特别重大道路交通事故一、基本情况分，山东威海市交通运输集团有限公司驾驶人邹建洲驾驶鲁43322日时72011年月，行驶至河南省信阳市境内京港澳高速公人)(号大型卧铺客车，乘载47人核载35K08596页6 共页1 第 日月172014年1 客车起火燃烧，因车厢内违法装载的易燃危险化学品突然发生爆燃，115米处，路938公里加人受伤。人死亡、6造成41 二、教训与启示危险化学品因其自身的物质特性和化学成份存在着极强的危险性，使得其储存、运输也要有特殊的方式，否则极易因危险化学品泄露、爆炸、燃烧导致人民生命财产受到损失。条规定“通过公路运输危险化学品的，托运人只38对此，《危险化学品安全管理条例》第条规定“托运人托运危险化学品，41能委托有危险化学品运输资质的运输企业承运。”第应当向承运人说明运输的危险化学品的品名、数量、危害、应急措施等情况。”此次事故中，张辉在明知偶氮二异庚腈属于易燃、易爆、有毒危险化学品情况下，隐瞒货物性质，通过公路营运客车托运没有危险品标识且运输条件不符合标准的偶氮二异庚号卧铺客车在营运过程中，的有关规定。鲁K08596腈，违反了《危险化学品安全管理条例》站外上客、上货，客厢内客货混装，违反了《中华人民共和国道路运输条例》中“道路运输将危险品被装载客厢不得超过核定的人数，不得违反规定载货”的规定，车辆运输旅客的，摩擦、发动机放热等因素综合
1、2006年10月5日6时许，陈海某（20岁）驾驶无号牌的三轮摩托车（发动机号616154××）搭载陈某、谢某在江滨堤路由东往西行驶，行至出事地点越过道路中心线超越前方车辆时，与由西往东李某（18岁）驾驶的无号牌两轮摩托车（发动机号061032××）发生碰撞，造成两车损坏及李某受伤的交通事故。经过公安局交警支队第一大队交管股事故处理民警林某、冯某的现场勘查及调查材料综合分析证实：陈海某未依法取得驾驶证驾驶未经公安机关交通管理部门登记的机动车，在道路上没有按照交通信号越过对方车道行驶。李某未依法取得驾驶证驾驶未经公安机关交通管理部门登记的机动车在道路上行驶 问：本案中陈海某和李某是否违反《道路交通安全法》？如何处理？ 答：陈海某未依法取得驾驶证驾驶未经公安机关交通管理部门登记的机动车，在道路上没有按照交通信号越过对方车道行驶，其行为违反了《中华人民共和国道路交通安全法》第八条（国家对机动车实行登记制度。机动车经公安机关交通管理部门登记后，方可上道路行驶。尚未登记的机动车，需要临时上道路行驶的，应当取得临时通行牌证）、第十九条第一款（驾驶机动车，应当依法取得机动车驾驶证）及第三十八条（车辆、行人应当按照交通信号通行；遇有交通警察现场指挥时，应当按照交通警察的指挥通行；在没有交通信号的道路上，应当在确保安全、畅通的原则下通行）的规定，是造成此事故的主要原因；其次，李某未依法取得驾驶证驾驶未经公安机关交通管理部门登记的机动车在道路上行驶，其行为违反了《中华人民共和国道路交通安全法》第八条及第十九条第一款的规定。因此，交警部门应依法确定陈海某承担此事故主要责任，李某承担次要责任，对陈海某处以二百元以上二千元以下罚款，并处十五日以下拘留，对李某处以二百元以上二千元以下罚款。 2、吴某某被通州市某纺织有限公司录用工人，2007年3月15日，吴某某在下班途中与单某某驾驶的机动车发生碰撞受伤。为赔偿问题，吴某某将单某某及其投保的保险公司告上法庭，要求两被告赔偿。经法院审理，双方达成了调解协议，由保险公司赔偿医药费、护理费、误工费等损失37000元，单某某赔偿1500元。事故发生后，吴某某同时向某市劳动和社会保障局申请工伤认定，经某市劳动和社会保障局认定，吴某某因交通事故受伤构成工伤。吴某某受伤情况经某某市劳动能力鉴定委员会鉴定为九级伤残。由于市某纺织有限公司未为吴某某交纳工伤保险金，吴某某遂申请劳动仲裁，要求用人单位某市某纺织有限公司承担工伤保险责任，并终止劳动关系。通州市劳动争议仲裁委员会作出裁决后，通州市某纺织有限公司不服，认为仲裁裁决未扣除吴某某在交通事故赔偿案件中已获赔的医疗费等费用，遂向通州市人民法院提起诉讼。 问：劳动者在获得交通事故肇事者的赔偿后，是否可以要求用人单位承担工伤保险责任？法院应如何判决？ 答：用人单位以外的第三人侵权造成劳动者损害的，侵权人已对劳动者（受害人）进行了赔偿，并不影响受害人享受工伤待遇，因此对通州市某纺织有限公司提出吴某某享受工伤待遇时应扣除交通事故侵权人已赔部分的主张本院依法不予支持。因通州市某纺织有限公司没有为吴某某缴纳工伤保险费，故吴某某享受的工伤待遇应当由通州市某纺织有限公司直接支付。用人单位被判决承担医疗费、护理费、一次性工伤医疗补助金、一次性伤残就业补助金、一次性伤残补助金等。
道路交通事故的现状特点原因分析及对策 集团公司文件内部编码：（TTT-UUTT-MMYB-URTTY-ITTLTY-
我国道路交通事故的现状、特点、原因分析及对策论文摘要： 随着我国道路交通事业的飞速发展，交通事故发生率呈上升趋势。由于交通事故的发生不仅造成大量人员伤亡，给无数家庭带来不幸，而且严重影响着经济发展和社会稳定，已引起了各级政府的高度重视和关注。人们在谈“故”色变的同时，开始寻找诱发道路交通事故的原因。本文运用大量的数据对交通事故发生的特点进行归纳，认为交通事故的发生具有一定规律性，而造成事故的原因又具有复杂性和多样性。通过对“人、车、路、”等交通因素的分析研究，提出了预防和减少交通事故的初步对策，以便采取针对性措施，遏制交通事故的发生。 道路交通事故伴随着交通运输业的发展应运而生，与交通事故密切相关的因素是人、车、路和环境。本文通过介绍我国道路交通事故的现状，对道路交通事故的特点进行研究，根据交通事故特点，分析其产生的原因，并对预防和减少交通事故的对策进行初步的探讨。 一、当前道路交通事故的基本情况
随着我国道路交通事业的飞速发展，交通事故猛增已成了交通管理所面临的严重问题。汽车交通作为人类文明的标志，彻底地改变了人类发展的历史进程，给人类以舒适和便捷等正面效应的同时也给人类生活带来一些负面效应，交通事故就是其中最严重、危害最大的负面效应之一。正因为交通事故造成的严重后果，世界各国尤其是发达国家都对事故预防及对策倾注了大量人力、物力和财力，制定了较为完善的道路交通管理法律、法规和相关政策，许多国家从20世纪60年代起开始实行了综合治理交通和减少交通事故的措施，虽然每年因交通事故造成的损失很高，但交通事故上升的势头已趋于平缓，欧美、日本等发达国家交通事故尤其是近几年交通事故处于稳定趋势，而我国的道路交通事故所造成的损害后果却依然严重，而且一直处于上升的趋势，每年交通事故死亡人数居于世界首位。近年来在我国机动车数量快速增长的情况下，交通事故及伤亡人数呈不断上升趋势。我国自1951年开始统计交通事故数据，当年全国共发生交通事故5922起，死亡852人，伤5159人。 ①1951年至1984年的30多年间，交通事故各项指标的变化基本上是平稳的。80年代中期以后至今，社会交通需求日益旺盛，城乡交通活动随之剧增，而道路建设和交通管理的发展却不能满足交通运输发展的客观需要，道路交通事故急剧增加，尤其是1991年后随着国家总体经济实力的不断增强，机动车保有量急剧增加，交通运输发展迅速，交通事故及其死亡人数急剧增长。从1998-2002年的5年中，全国道路交通事故绝对数呈上升趋势，事故起数、死亡人数、受伤人数年均增长率分别为32.5%、8.8%、42.7%。2002年全国一般以上道路共发生交通事故77.31