基于Scobit模型的城市道路交通事故受伤严重程度及其影响因素研究

发布时间：2021-03-05 20:11

　　随着我国社会经济的快速发展,机动车保有量迅速增加,使得城市交通运行压力增大,交通安全问题频发,交通事故屡见不鲜,严重地危害了人民的生命财产安全。交通安全研究不仅仅是为避免交通事故的发生,更是要预先采取措施,最大限度地降低交通事故的危害程度。道路交通事故的发生具有随机性和偶然性,并且影响交通事故严重程度的因素有很多也很复杂。建立交通事故严重程度模型,分析交通事故影响因素是能够有效地指导交通管理,能够起到有的放矢地采取措施降低事故的严重程度的作用。本研究提出使用Scobit模型对事故严重程度进行分析。该模型是在经典Logit概率计算模型上增加一个大于0的指数参数α（偏斜参数）,得到了一种新形式的分布,称之为Burr-10分布。Scobit模型可以考虑个体对于变量改变的敏感性,在根据个体对于偏斜参数是否异质的基础上,模型又可以分为同质Scobit模型和异质Scobit模型。根据某市的交通事故数据,以交通事故人员受伤严重程度为因变量,考虑10个影响因素,分别运用二项Logit模型、同质Scobit模型和异质Scobit模型,建立交通事故人员受伤严重程度模型,利用R语言对模型的参数进行估计和检验... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

交通事故人员的受伤严重程度比例

新疆大学硕士学位论文量设定及数据描述通过因变量和自变量的相关性分析对自变量进行了前期的影响因素根据经验判断选择性剔除，最终筛选得到以下 性别、事故人员的年龄、事故人员的交通方式、事故发生在高峰时段、事故形态、路表情况、照明条件、路口路段型。人员性别：人员的性别分为男性和女性，其中，设定男性通事故数据中，男性人员所占比例很大，是女性人员的 4性人员占总人数比例分别为 82%和 18%。具体数据如图

图 4-3 交通事故人员的年龄比例的交通方式：在交通事故数据中，交通方式的种类很多，为 3 类，分别为驾驶机动车、乘坐机动车、行人和非机动包括驾驶小型客车、驾驶重型货车、驾驶普通摩托车等，客车、乘大中型汽车、乘普通货车等，行人和非机动车包交通事故数据中，驾驶机动车的人员所占比例最大，约占机动车，约占 24%，乘坐机动车的人员所占比例最小，图 4-4 所示。

【参考文献】：
期刊论文
[1]道路环境对绕城高速公路交通事故严重程度影响分析[J]. 冯忠祥,雷叶维,张卫华,王锟,韩松.  中国公路学报. 2016(05)
[2]城市道路交通事故严重程度影响因素分析[J]. 马柱,陈雨人,张兰芳.  重庆交通大学学报(自然科学版). 2014(01)
[3]基于Ordered Probit模型的交通事故受伤人数预测[J]. 宗芳,许洪国,张慧永.  华南理工大学学报(自然科学版). 2012(07)
[4]基于累积Logistic模型的交通事故严重程度时空分析[J]. 马壮林,邵春福,董春娇,王抢.  中国安全科学学报. 2011(09)
[5]基于Logistic模型的公路隧道交通事故严重程度的影响因素[J]. 马壮林,邵春福,李霞.  吉林大学学报(工学版). 2010(02)
[6]基于累积Logistic模型的交通事故严重程度预测模型[J]. 李世民,孙明玲,关宏志.  交通标准化. 2009(Z1)

硕士论文
[1]基于Hybrid有限混合模型的交通事故严重程度分析[D]. 王观.北京交通大学 2017



本文编号：3065794