

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、為了減少交通事故,交通工作者開展了大量富有成效的工作,如提高車輛安全性能、改善道路安全設(shè)施、優(yōu)化線形設(shè)計(jì)以及研究交通安全機(jī)理等。其中,關(guān)于交通安全機(jī)理的研究,特別是交通事故的影響因素分析,不僅能從原理上探究事故的影響因素,而且可以根據(jù)因素的重要性和影響程度采取針對(duì)性的改善措施,同時(shí)對(duì)道路事故做出相應(yīng)的預(yù)測(cè)。本文通過(guò)構(gòu)建多種空間計(jì)量模型,分析并預(yù)測(cè)道路線形、交通特性、人口特征、土地利用和周邊環(huán)境等因素對(duì)交通事故和行人事故的影響,為減少交通
2、事故、降低事故嚴(yán)重程度奠定理論基礎(chǔ)。本論文開展了如下工作:
(1)選取美國(guó)德克薩斯州2012年交通事故統(tǒng)計(jì)資料,分別從事故、人員、車輛和因素等四個(gè)方面,分析交通事故分布特征和發(fā)生規(guī)律,查找道路交通安全問(wèn)題,確定進(jìn)一步分析對(duì)象。
(2)針對(duì)交通事故數(shù)據(jù)存在大量零值現(xiàn)象,選取多種擬合優(yōu)度,綜合分析多種零值回歸模型,包括零膨脹泊松模型、零膨脹負(fù)二項(xiàng)模型、多層零膨脹泊松模型、多層零膨脹負(fù)二項(xiàng)模型、泊松Lindley模型和負(fù)二
3、項(xiàng)Lindley模型等,統(tǒng)計(jì)結(jié)果表明,負(fù)二項(xiàng)Lindley模型的擬合效果最好,其次是多層零膨脹負(fù)二項(xiàng)模型;而在模型預(yù)測(cè)能力方面,負(fù)二項(xiàng)Lindley模型表現(xiàn)最好。
(3)應(yīng)用多種單變量空間模型(正態(tài)CAR模型、泊松伽馬CAR模型和泊松對(duì)數(shù)正態(tài)CAR模型),提出時(shí)間權(quán)重矩陣,對(duì)比其他權(quán)重矩陣(相鄰權(quán)重矩陣和距離權(quán)重矩陣),分析不同類型交通事故與多種影響因素之間的關(guān)系。依據(jù)離差信息準(zhǔn)則和貝葉斯信息準(zhǔn)則,統(tǒng)計(jì)結(jié)果表明,基于指數(shù)遞減形
4、式的時(shí)間權(quán)重矩陣模型的擬合效果在所有模型中表現(xiàn)最好,這表明,對(duì)于路網(wǎng)的空間相關(guān)性,時(shí)間比距離更能體現(xiàn)空間的鄰近。此外,泊松對(duì)數(shù)正態(tài)空間模型優(yōu)于泊松伽馬空間模型和正態(tài)空間模型。
(4)提出兩種基于泊松分布的多變量條件自回歸模型(泊松伽馬MCAR模型和泊松對(duì)數(shù)正態(tài)MCAR模型),用于擬合變量相關(guān)性、過(guò)度散布性和空間相關(guān)性。通過(guò)對(duì)比擬合優(yōu)度發(fā)現(xiàn):無(wú)論基于距離權(quán)重矩陣還是時(shí)間權(quán)重矩陣,多變量空間模型的擬合效果明顯優(yōu)于單變量空間模型和非
5、空間模型。運(yùn)用多變量空間模型分析三種類型事故,包括未受傷事故、輕微事故和嚴(yán)重事故等,選取包括道路線形、交通特性、人口特征、土地利用和周邊環(huán)境等五大類,共17個(gè)連續(xù)協(xié)變量和10個(gè)啞變量。參數(shù)估計(jì)結(jié)果表明,基于距離和時(shí)間權(quán)重矩陣的泊松伽馬MCAR和泊松對(duì)數(shù)正態(tài)MCAR等四種模型的結(jié)果基本一致,但對(duì)于不同類型事故,參數(shù)估計(jì)卻存在較大的差異。此外,不同類型交通事故之間的平均彈性和邊際效應(yīng)不同,總體上看,協(xié)變量對(duì)未受傷事故影響最大,而對(duì)嚴(yán)重事故影
6、響最小。
(5)將多變量空間模型和負(fù)二項(xiàng)Lindley模型結(jié)合,提出多變量條件自回歸Lindley模型,擬合大量零值現(xiàn)象、變量相關(guān)性、過(guò)度散布性和空間相關(guān)性,選取公交出行情況、土地利用、路網(wǎng)密度、就業(yè)密度、距離學(xué)校百分比和路網(wǎng)車輛里程等六類共17個(gè)指標(biāo),研究宏觀層面(人口普查區(qū))行人嚴(yán)重事故和非嚴(yán)重事故與影響因素的關(guān)系。參數(shù)估計(jì)結(jié)果表明隨著曝光變量人口密度的不斷增加,行人事故率反而下降,行人嚴(yán)重事故和非嚴(yán)重事故之間存在明顯的相
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于GM-BP模型的交通事故預(yù)測(cè).pdf
- 城市交通事故灰色預(yù)測(cè)模型
- 基于數(shù)據(jù)挖掘的道路交通事故分析及預(yù)測(cè)模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的交通事故預(yù)測(cè).pdf
- 交通事故經(jīng)濟(jì)損失計(jì)量模型的研究.pdf
- 公路隧道交通事故預(yù)測(cè)與預(yù)防.pdf
- 基于GIS的道路交通事故多發(fā)點(diǎn)自動(dòng)搜索及交通事故預(yù)測(cè)的研究.pdf
- 基于模糊事故樹的交通事故仿真與分析.pdf
- 基于IHSDM框架的高速公路交通事故預(yù)測(cè)模型.pdf
- 基于MATLAB神經(jīng)網(wǎng)絡(luò)模型的道路交通事故預(yù)測(cè).pdf
- 船舶交通事故混沌預(yù)測(cè)研究.pdf
- 交通事故非參數(shù)預(yù)測(cè)研究.pdf
- 基于最優(yōu)加權(quán)組合模型的交通事故預(yù)測(cè)與可視化實(shí)現(xiàn).pdf
- 基于GIS的交通事故分析系統(tǒng).pdf
- 運(yùn)行速度對(duì)交通事故影響分析及預(yù)測(cè)模型研究.pdf
- 道路交通事故統(tǒng)計(jì)分析及預(yù)測(cè)模型研究.pdf
- 平原高速公路交通事故預(yù)測(cè)模型研究.pdf
- 基于Hybrid有限混合模型的交通事故嚴(yán)重程度分析.pdf
- 一級(jí)公路交通事故預(yù)測(cè)模型研究.pdf
- 交通事故補(bǔ)貼
評(píng)論
0/150
提交評(píng)論