模板支撑体系坍塌安全事故应急救援预案.pdf，这是一份不错的文件

【演练脚本】配电柜火灾 事故应急救援演练方案(9页).pdf，这是一份不错的文件

目的：探讨桂林市道路交通事故伤亡特征和道路交通事故时间分配特征。 方法：通过对桂林市2007-2014年道路交通事故数据进行分析，探讨道路交通伤害的伤亡特征和道路交通事故的时间分布特征。 结果：共研究了3162例道路交通事故伤亡。 大多数研究对象是男性（63.23％），几乎是女性的两倍。 伤亡年龄为5至78岁，平均年龄为33.65±16.76岁。 男性的RTC死亡率显着高于女性（61.39对38.61，P <0.05）。 RTIs对成年人的影响不成比例，其中大多数死亡发生在15-59岁的人群中。 RTC的死亡率因教育程度的不同而有很大差异，其中三分之一以上发生在中学人群中。 大约40.25％的道路交通事故死亡发生在日常工作中，这表明死亡率显着高于其他职业（P <0.05）。 道路交通死亡的季节分布涉及Spring（24.72％），夏季（15.56％），秋季（30.56％）和冬季（29.17％）。 道路交通死亡的比例从9:00-12:00的最低6.02％到0:00-3：0的最高的16.78％不等； 午夜（0:00-3:00）显示报告的道路交通死亡比例显着更高（P <0.05）。 上肢和下

驾驶员因素是导致交通事故发生的主要因素之-，综合号虑年龄、性别、累计驾驶时间、生理状况等多个驾驶员特征参数，通过部卷调查的方式，利用BP神经网络分析技术，建立具有不同隐含层、神经元个数、作用函数的神经嘲络结构。对驾驶员因素与交通事故二者之间的内在关联性进行研究，确定最优的神经网络结构对事故率进行预测。结果表明，采用神经BP叫络对驾驶员交通事故率预测可行，同时明确了易发交通事故的驾驶员子组。

最近的研究预测，到2030年，交通事故将成为全球第五大死因。 由于驾驶员的精神状态、道路状况、天气状况、交通和违反交通规则等特征的复杂组合，如今很难确定交通事故的根本原因。 交通事故造成的死亡和驾驶员伤害的成本对社会产生了很大的影响。 如今，机器学习技术在道路事故领域的应用越来越受欢迎。 机器学习分类器的部署取代了传统的数据挖掘技术，以产生更高的结果和准确性。 这项工作对使用机器学习领域的与事故预测相关的各种现有工作进行了调查。

2019安全生产月事故警示周.pdf，这是一份不错的文件

针对工业企业重特大事故中的人员疏散问题，提出了一种能有效决策、指挥人员疏散的物联网系统．在此基础上，以较短的时间使全部人员疏散为优化目标，设计了一种快速搜索人员疏散路线的启发式算法ERSA．该算法根据厂区内道路和当前人员的分布情况，在规定的时间内通过多次循环迭代优化人员疏散路径．大量对比实验表明，ERSA能够有效地减少疏散时间，与最短路径疏散方法和随机疏散方法相比全体人员的疏散时间分别缩短了15％和28％．

八大类高发事故预防对策 安全生产管理

【元胞自动机】基于元胞自动机模拟交通事故道路通行量matlab源码.md

【元胞自动机】模拟交通事故道路通行量matlab源码.md