考虑数据异质性的行人交通事故严重程度分析
发布时间：2021-11-16 22:20
慢行交通是现代城市交通系统的重要组成部分。考虑到城市拥挤程度不断加剧、停车成本不断提高,慢行交通作为无可替代的交通方式已经越来越被重视。行人作为践行慢行交通的主体,越来越频繁地暴露到城市交通系统中,与其他交通方式的冲突不断增加,行人交通事故问题也更加严重。在行人交通事故中,发生在交叉口处的事故占主要比例,因此有必要对交叉口处行人交通事故严重程度进行研究。本文以交叉口处行人交通事故为研究对象,考虑到数据中的异质性可能导致模型的系数估计偏差,分别对空间异质性和时间异质性进行研究,提出贝叶斯分位数回归模型和时空地理加权回归模型,识别影响事故严重程度的显著因素,并从实证的角度提出改善措施。首先,针对事故数据收集时间不同从而存在的时间异质性问题,提出贝叶斯二元分位数回归模型和贝叶斯序数分位数回归模型,对A市交叉口行人事故严重程度进行了实证分析,并对模型的结果进行了对比验证,结果表明将行人事故严重程度作为二元或序数变量都是可行的。在模型的拟合度方面,贝叶斯二元分位数回归模型优于贝叶斯序数分位数回归模型。其次,针对事故数据收集时间和地点不同从而存在的时间和空间异质性问题,提出时空地理加权回归模型,对...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
技术路线图
议设计更多的将电车/轻轨站与行人专用站连接起来的替[4]的研究结论不同的是，变量右转专用车道的具有统计显影响高于在低分数和中分位数中的影响，影响趋势在 6是否存在右转专用车道会对行人受伤产生影响。与没有车辆和行人之间发生冲突时，右转专用车道更容易导致所提出的贝叶斯二元分位数回归模型的分类性能，我们特征曲线（Receiver Operating Characteristic Curve, ROC）rea Under Curve,AUC）（Miguéis 等人[69]）。AUC 的值越接越好，而越接近 0.5 意味着该模型分类效果越差。图 3-2OC 曲线和 AUC 值。从图中可以看出 AUC 值为 0.737。准，这意味着我们的模型在分类效果方面表现良好。
43图 4-1 常数项分布图常数项的系数分布图如图 4-1 所示，本节我们主要分析自变量对行人事故严重程度的影响，常数项不在分析的范围内，在此不做分析。2、车辆数（X1）图 4-2 显示了车辆数的系数分布图，由图中的数据可知，车辆数与行人事故伤害严重程度并没有明显的正负相关关系，回归系数跨度较小，-1.01956 到 0.896578 之间正负均有分布，说明车辆数对行人事故严重程度的影响并不是十分稳定的。但对于大部分交叉口而言，车辆数与事故伤害严重程度呈现负相关关系，B 市北部地区这种负相关关系尤为明显，在 B 市中心城区，正相关关系则比较突出。这可能是由于 B 市中心城区，交通流量大，车辆众多，容易发生多车相撞的交通事故，从而导
【参考文献】：
期刊论文
[1]基于Logistics回归的道路交通事故影响因素辨识方法[J]. 陈艳艳,李向楠,孙智源,熊杰. 交通科技与经济. 2018(05)
[2]基于有序Logit与Probit模型的交通事故严重性影响因素分析[J]. 胡骥,闫章存,卢小钊,胡万欣. 安全与环境学报. 2018(03)
[3]青藏高原双车道事故严重程度预测模型的建立[J]. 孙小端,侯洋洋,贺玉龙,冯丙丙. 重庆交通大学学报(自然科学版). 2017(07)
[4]基于SVM灵敏度的城市交通事故严重程度影响因素分析[J]. 孙轶轩,邵春福,岳昊,朱亮. 吉林大学学报(工学版). 2014(05)
[5]交通事故严重程度C5.0决策树预测模型[J]. 孙轶轩,邵春福,赵丹,欧阳松寿. 长安大学学报(自然科学版). 2014(05)
[6]道路交通安全规划理论研究前沿[J]. 黄合来,许鹏鹏,马明,ABDEL-ATY M. 中国公路学报. 2014(09)
[7]基于神经网络的交通事故严重程度影响因素研究[J]. 叶飞,张冬梅,郭宝义. 山东交通学院学报. 2013(02)
[8]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]道路作业区交通事故伤亡程度影响因素分析模型研究[D]. 朱家正.北京交通大学 2016
本文编号：3499675
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
技术路线图
议设计更多的将电车/轻轨站与行人专用站连接起来的替[4]的研究结论不同的是，变量右转专用车道的具有统计显影响高于在低分数和中分位数中的影响，影响趋势在 6是否存在右转专用车道会对行人受伤产生影响。与没有车辆和行人之间发生冲突时，右转专用车道更容易导致所提出的贝叶斯二元分位数回归模型的分类性能，我们特征曲线（Receiver Operating Characteristic Curve, ROC）rea Under Curve,AUC）（Miguéis 等人[69]）。AUC 的值越接越好，而越接近 0.5 意味着该模型分类效果越差。图 3-2OC 曲线和 AUC 值。从图中可以看出 AUC 值为 0.737。准，这意味着我们的模型在分类效果方面表现良好。
43图 4-1 常数项分布图常数项的系数分布图如图 4-1 所示，本节我们主要分析自变量对行人事故严重程度的影响，常数项不在分析的范围内，在此不做分析。2、车辆数（X1）图 4-2 显示了车辆数的系数分布图，由图中的数据可知，车辆数与行人事故伤害严重程度并没有明显的正负相关关系，回归系数跨度较小，-1.01956 到 0.896578 之间正负均有分布，说明车辆数对行人事故严重程度的影响并不是十分稳定的。但对于大部分交叉口而言，车辆数与事故伤害严重程度呈现负相关关系，B 市北部地区这种负相关关系尤为明显，在 B 市中心城区，正相关关系则比较突出。这可能是由于 B 市中心城区，交通流量大，车辆众多，容易发生多车相撞的交通事故，从而导
【参考文献】：
期刊论文
[1]基于Logistics回归的道路交通事故影响因素辨识方法[J]. 陈艳艳,李向楠,孙智源,熊杰. 交通科技与经济. 2018(05)
[2]基于有序Logit与Probit模型的交通事故严重性影响因素分析[J]. 胡骥,闫章存,卢小钊,胡万欣. 安全与环境学报. 2018(03)
[3]青藏高原双车道事故严重程度预测模型的建立[J]. 孙小端,侯洋洋,贺玉龙,冯丙丙. 重庆交通大学学报(自然科学版). 2017(07)
[4]基于SVM灵敏度的城市交通事故严重程度影响因素分析[J]. 孙轶轩,邵春福,岳昊,朱亮. 吉林大学学报(工学版). 2014(05)
[5]交通事故严重程度C5.0决策树预测模型[J]. 孙轶轩,邵春福,赵丹,欧阳松寿. 长安大学学报(自然科学版). 2014(05)
[6]道路交通安全规划理论研究前沿[J]. 黄合来,许鹏鹏,马明,ABDEL-ATY M. 中国公路学报. 2014(09)
[7]基于神经网络的交通事故严重程度影响因素研究[J]. 叶飞,张冬梅,郭宝义. 山东交通学院学报. 2013(02)
[8]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]道路作业区交通事故伤亡程度影响因素分析模型研究[D]. 朱家正.北京交通大学 2016
本文编号：3499675
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3499675.html
