基于广义线性模型的高速公路事故预测能力对比研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于广义线性模型的高速公路事故预测能力对比研究

孟祥海, 刘振博, 温程

文章导航 > 交通信息与安全 > 2020 > 38(2): 1-8,36

孟祥海, 刘振博, 温程. 基于广义线性模型的高速公路事故预测能力对比研究[J]. 交通信息与安全, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

引用本文:

孟祥海, 刘振博, 温程. 基于广义线性模型的高速公路事故预测能力对比研究[J]. 交通信息与安全, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

MENG Xianghai, LIU Zhenbo, WEN Cheng. A Comparative Study of Forecasting Ability of Traffic Accidents on Highways Based on Generalized Linear Model[J]. Journal of Transport Information and Safety, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

Citation:

MENG Xianghai, LIU Zhenbo, WEN Cheng. A Comparative Study of Forecasting Ability of Traffic Accidents on Highways Based on Generalized Linear Model[J]. Journal of Transport Information and Safety, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

孟祥海, 刘振博, 温程. 基于广义线性模型的高速公路事故预测能力对比研究[J]. 交通信息与安全, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

引用本文:

孟祥海, 刘振博, 温程. 基于广义线性模型的高速公路事故预测能力对比研究[J]. 交通信息与安全, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

MENG Xianghai, LIU Zhenbo, WEN Cheng. A Comparative Study of Forecasting Ability of Traffic Accidents on Highways Based on Generalized Linear Model[J]. Journal of Transport Information and Safety, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

Citation:

MENG Xianghai, LIU Zhenbo, WEN Cheng. A Comparative Study of Forecasting Ability of Traffic Accidents on Highways Based on Generalized Linear Model[J]. Journal of Transport Information and Safety, 2020, 38(2): 1-8,36. doi: 10.3963/j.jssn.1674-4861.2020.02.001

基于广义线性模型的高速公路事故预测能力对比研究

doi: 10.3963/j.jssn.1674-4861.2020.02.001

哈尔滨工业大学交通科学与工程学院哈尔滨 150090
四川省国土空间规划研究院成都 610084
哈尔滨工业大学交通科学与工程学院哈尔滨 150090

基金项目:

国家自然科学基金项目

中图分类号: U491.31
计量
- 文章访问数: 520
- HTML全文浏览量: 98
- PDF下载量: 1
- 被引次数: 0
出版历程
- 刊出日期: 2020-04-28

A Comparative Study of Forecasting Ability of Traffic Accidents on Highways Based on Generalized Linear Model

摘要: 为了寻求能够高效拟合事故数据的模型,提高高速公路交通事故预测的能力,以广东省京珠、粤赣以及开阳高速为研究对象,收集整理了共4657起交通事故及相关影响因素数据,通过路段划分得到5573个交通事故建模样本.基于系统聚类及四分位数法,筛选交通事故数据中的异常值,剔除了建模样本中的离群样本;基于方差膨胀因子法,对模型的解释变量进行共线性诊断,对存在共线性问题的解释变量进行了处理.分别对负二项(NB)、零膨胀负二项(ZINB)及Tobit模型进行变量筛选,分别确定了16,24,16个解释变量;基于模型变量筛选结果,利用交通事故数据样本,完成了NB,ZINB及Tobit模型的建模.分析对比了NB,ZINB及Tobit模型的拟合效果及预测能力,结果显示,在模型的事故预测能力方面,当交通事故数据中存在大量零值,NB,ZINB及Tobit模型经过K折交叉检验计算得出的PRESS值分别为2185,2239,4442,表明Tobit模型预测能力最优,ZINB模型其次,NB模型再次.
- 交通安全 /
- 高速公路 /
- 事故预测模型 /
- 零膨胀负二项回归 /
- Tobit回归

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 520
HTML全文浏览量: 98
PDF下载量: 1
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发