基于Multinomial Logit模型的美国北卡罗莱纳州慢行交通事故严重程度分析

为分析慢行(自行车与行人)交通事故严重程度的显著性影响因素,将交通事故分为仅财产损失事故、潜在伤害事故、非伤残事故、伤残事故、死亡事故5类,从人、车、路、环境4个层次选出11个自变量,以交通事故严重程度为因变量,基于Multinomial Logit模型计算每个变量对慢行交通事故严重程度的边际效应。结果表明,驾驶员性别、驾驶员饮酒状态、行人年龄、道路特征、路面状态、一天内发生时间、光线条件、年平均日交通量、地形等9个变量均与道路交通事故严重程度显著相关。     

高速公路隧道交通事故特性及其防范措施

为探讨公路隧道交通事故的发生机理及防范对策,对浙江省10条高速公路隧道进行了调研,收集交通事故599次,抛锚5 280次.基于调研数据,分析了公路隧道交通事故的形态分布、交通事故的车型构成与原因以及隧道百万车公里交通事故率等.研究了交通事故率与隧道交通量,追尾、火灾、翻车、撞壁事故率与隧道交通量之间的关系,给出了交通事故率与隧道交通量、追尾事故率与隧道交通量关系的拟合公式以及隧道交通事故的防范措施,为进一步研究隧道交通事故的发生机理,避免特大、重大等恶性交通事故提供了参考.     

青藏高原双车道事故严重程度预测模型的建立

分析了青藏高原地区的交通事故数据,发现大部分交通事故都是死伤人数较高的事故,即死伤事故占比较大。将事故严重程度作为因变量,选取海拔、氧含量、天气、事故地点的线形、事故地点的环境、肇事车辆的类型、交通量、大车比例、大小车的速度差等9个因素作为自变量,建立了累积Logistic回归预测模型,研究了影响高原地区交通事故严重程度的因素。结果表明:海拔、大车比例、交通量、肇事车辆类型和大小车的速度差与交通事故严重程度有显著的相关性。预测模型的建立能够为相关公路管理部门制定安全措施提供理论依据。     

基于神经网络的交通事故严重程度影响因素研究

为分析交通事故严重程度的影响因素,运用感知器神经网络理论,从人、车、路(环境)因素及交通流因素等方面选取12个输入参数,以交通事故严重程度为输出参数,搭建基于MATLAB平台的3层前馈人工神经网络模型。对建立的网络模型的拟合优度进行检验,求解回归曲线以及总响应,并通过实例验证模型的有效性。分析表明,驾驶员性别、年龄、事故类型对交通事故严重程度的影响可以忽略不计,交通流特征对交通事故严重程度的影响最大,天气情况、路面情况对交通事故严重程度的影响程度基本相同。     

基于Ordinal Logistic模型的事故严重性影响因素分析——以翻车事故为例

为准确分析影响交通事故严重性的各项因素,引入Ordinal Logistic模型研究驾驶员、车辆、环境因素对事故严重程度的影响,利用统计学方法对模型进行显著性检验。并使用该模型对北卡罗来纳州2010—2014年385个翻车事故样本进行严重性影响因素分析,所得回归模型符合平行线检验(=0.115 1)和似然比检验(≤0.000 1)。通过模型分析得出变量"安全带"(≤0.000 1)、"路面状况"(=0.013 6)、"道路线形"(=0.005 7)对翻车事故的严重性具有显著影响,研究结果表明:Ordinal Logistic模型适合于分析与揭示影响交通事故严重性的各个因素。     

考虑乘客的交通事故受伤严重程度模型

为分析比较交通事故中驾驶员和乘客的受伤严重程度,根据某城市的道路交通事故数据,分别以交通事故驾驶员和乘客受伤严重程度为因变量,从事故基本信息、事故人员数据、现场环境数据等方面选取自变量,运用二项Logit模型分别建立驾驶员和乘客受伤严重程度模型。研究结果表明:驾驶员和乘客的受伤严重程度影响因素存在差异,仅有人员的年龄变量、事故形态变量在驾驶员模型和乘客模型中都表现为显著,其余变量的显著性在两模型中不同。因此,不仅要关注驾驶员的受伤严重程度,还要重视乘客的受伤情况,给予乘客更多保护。     

基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度。使用2015-2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利用平均边际效应量化各显著变量对事故严重程度的影响。结果表明,均值异质性随机参数Logit模型具有更好的拟合优度;女性、老年人、酒后驾驶、车辆无安全气囊、能见度低于50 m、夜间无路灯照明等因素显著增加了驾驶员受伤害严重程度;随机参数Logit模型的效用函数中,夜间有路灯照明和事故发生在夜间为随机变量,且夜间有路灯照明与柔性护栏和车辆无安全气囊相关;事故发生在夜间与路侧行道树相关。     

基于随机森林的电动自行车骑行者事故伤害程度影响因素分析

为研究电动自行车道路交通事故对骑行者伤害程度影响因素的重要性排序,分析电动自行车骑行者事故伤害程度的影响因素。收集某市2013-2015年电动自行车交通事故数据,对其进行描述性统计分析,从中选出与交通事故严重程度相关的22个影响因素。利用随机森林模型对电动自行车骑行者受伤严重程度进行预测,并对相关因素的重要程度进行排序。研究表明,影响电动自行车骑行者受伤严重程度的最主要因素依次为车辆间事故类型、受伤部位、道路物理隔离类型等。针对交通事故相关因素提出改进建议,研究结论可为电动自行车事故预防提供决策参考。     

建成环境对老年人交通事故严重程度异质性影响

为量化建成环境因素对事故伤害严重程度的影响,本文构建基于均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行异质性分析。采用2019年美国某州老年人交通事故数据,从老年人特性、车辆特性、道路特性、道路环境特性、建成环境特性这5个方面选取17个影响因素,利用平均弹性系数捕捉各因素对事故伤害严重程度的影响。结果表明：基于均值和方差异质性随机参数Logit模型的拟合优度更高;建成环境因素中事故发生地300 m缓冲区 内存在购物中心为随机变量,其均值与男性老年人、车道数为3显著相关,方差与道路控制方式为未控制显著相关;摩托车、直线、湿润等因素显著增加了老年人交通事故伤害严重程度。研究结果有助于交通管理者采取适当的策略降低老年人交通事故伤害严重程度。     

海底隧道交通事故影响因素与防控策略

为研究海底隧道各方因素对交通事故的影响,总结国内外对海底隧道交通事故的研究进展。以国内某海底隧道为例,阐述隧道交通事故发生的形式、空间与时间分布、车型等事故特点,将海底隧道事故安全影响因素按人、车、路、环境与管理五个方面进行分析,提出交通事故并非由单一因素引起、而是由多个因素共同作用导致的观点。有针对性地提出在海底隧道设计、施工、运营管理过程中,减少和防止交通事故发生的方法、途径及对策,提高海底隧道内的交通安全,从而减少人员伤亡、降低财产损失。     

基于人-车-路关系模型的交通事故信息管理研究

对复杂而庞大的交通事故信息进行计算机管理,可以使相关数据的输入、导出、维护、查询及统计变得方便易行。作者结合交通事故统计研究的需求,对交通事故包含的数据变量进行了论证,在Paradox数据库上建立了人、车、路关系模型,并在Delphi软件平台下开发了数据库的客户端界面,由此构建了一个交通事故信息管理系统的基本框架。本文的设计实现了数据的录入、浏览、修改、查询、统计等功能,可用来管理各种交通事故信息,并为交通安全相关性分析提供基本的、有针对性的数据源,亦可通过添加功能模块来对程序进行扩展,用于开展深入的数据分析。     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制，在系统选取影响事故严重程度潜在变量的基础上，利用有序Logit模型获取影响事故严重程度的显著自变量，并运用偏比例优势模型修正变量参数，从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM)，以云南省元(谋)-双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优，更适用于研究该问题；涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应，驾驶人性别及接入口等3个变量对一般及以上事故具有负效应；就影响程度来看，接入口最大(边际效应为14.466%)，驾驶人性别次之(10.581%)，竖曲线长度最小(0.114%).     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制,在系统选取影响事故严重程度潜在变量的基础上,利用有序Logit模型获取影响事故严重程度的显著自变量,并运用偏比例优势模型修正变量参数,从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM),以云南省元(谋)—双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优,更适用于研究该问题;涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应,驾驶人性别及接入口等3个变量对一般及以上事故具有负效应;就影响程度来看,接入口最大(边际效应为14.466%),驾驶人性别次之(10.581%),竖曲线长度最小(0.114%).     

考虑潜在类别的老年行人交通事故严重程度致因分析

人口老龄化问题日益突出，老年行人的出行安全同样引起各界重视。本文基于潜在类别聚类分析和随机参数Logit模型相结合的两步法深入探究影响老年行人交通事故严重程度的诱因。对北卡罗来纳州2007—2019年65岁及以上老年行人与机动车的碰撞数据进行清洗。为消除碰撞数据中固有的未观察到的异质性，首先进行潜在类别聚类分析，依据拟合优度指标确定最佳聚类数，将数据分成3个集群，分别对每个集群进行特征描述。然后，分别对每个集群建立随机参数Logit模型，以进一步探索集群内部未观察到的异质性，同时计算各显著变量的边际效应，量化其对事故严重程度概率的影响。结果显示，随机参数Logit模型具有更好的拟合优度；不同集群参数估计结果有所差异，一些变量只在特定集群内是显著的；集群1中，“救护车援助”为随机变量，集群2中“事故发生在城市”为随机变量，集群3中未发现随机变量，退化为多项Logit模型。本文研究结果可为交通工程师和政策制定者提供更可靠准确的老年行人交通事故严重程度诱因信息，为老年行人出行安全改善方案的制定提供理论支撑和技术支持。     

基于事故综合强度的公交事故严重程度分析

为更加精确地对公交事故严重程度进行分类以探究其影响因素，本文提出一种基于事故综合强度+K-means的公交事故严重程度分类方法，并基于此分类方法建立公交事故严重程度影响因素分析模型。首先，针对传统事故严重程度分类中的定性分类方法，引入事故综合强度法定量计算公交事故严重程度，并运用K-means聚类算法对事故严重程度进行聚类。其次，选取环境、驾驶员、道路车辆和事故特征这 4 方面的 17 个因素作为自变量，分别将事故综合强度+K-means分类法和传统分类法的结果作为因变量，运用有序Logit模型分析公交车事故严重程度，同时利用平均边际效应量化各显著因素的影响程度，以佛山市2021年156起公交车事故数据为例进行分析。结果表明，基于事故综合强度+K-means分类法的有序Logit模型具有更好的拟合优度。高峰期、换道、超速、加速度过大、注意力分散和进出站会增大发生极严重公交车事故的概率，增大的概率分别为11.57%、29.06%、23.98%、17.13%、30.97%和12.27%；白天和晴天会减小发生极严重公交车事故的概率，减少的概率分别为22.31%和12.34%。     

基于累积Logistic模型的交通事故严重程度预测模型

为了分析交叉口交通事故严重程度的影响因素,在对北京周边无信号三路交叉口交通事故数据调查的基础上,建立的累积Logistic模型,可为我国交叉口严重交通事故的预防提供科学依据。模型分析结果表明,交叉口转弯车辆比例、控制方式和土地开发强度对无信号三路交叉口交通事故的严重程度有显著影响。     

基于数据驱动的交通事故伤害程度影响因素 及其耦合关系研究

为准确识别影响山区高速公路交通事故伤害程度(TAIDME)的相关因素，本文构建随机森林朴素贝叶斯-耦合度模型(RFNB-CDM)对其进行研究。首先，处理2016—2020年云南省1760起山区高速公路事故数据，综合考量后，将涉及事故信息、道路信息、肇事机动车辆信息及驾驶人信息等4类18个相关因素作为初始特征进行研究，使用RF模型进行特征提取，并得到各因素对于山区高速公路交通事故严重程度(TASME)的重要性排序；其次，将新特征输入 NB 模型，对TAIDME的影响因素进行单因素分析；为改进原有模型不能对影响因素之间的关系进行准确刻画的缺点，本文引入耦合度模型并进行实例验证分析。结果表明：RFNB模型相较于RF和NB模型，得到的预测结果更加精确，分类性能分别提升5.56%和14.79%。其中，追尾碰撞、18:00-次日 6:00、事故车辆数2辆、下坡段、夜间无路灯照明、货运、大中型货车和直行匀速这8类因素存在时更易加重TAIDME，追尾碰撞和直行匀速这两类因素发生耦合作用时，最易导致重大伤害事故； 道路表面干燥、路侧金属防护和中央绿化带隔离这3类因素存在时可降低TAIDME，路侧金属防护和中央绿化带隔离这两类因素发生耦合作用时TAIDME最低。研究结论可为山区高速公路交通事故预防及降低山区高速公路事故发生后的伤害程度提供理论依据与决策参考。     

基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性。另外,计算结果表明基于主成分分析（PCA）的BP神经网络法优于BP神经网络法。     

高速公路交通安全对策研究

对沪宁路近三年半交通事故进行了统计分析，从事故的严重程度、形态分布、时间分布等方面对沪宁路的交通事故特征进行了系统分析，并采用了改进的事故频率法进行了事故黑点鉴别，对造成事故黑点的成因进行了详细地分析．进而提出了具有针对性的交通安全对策。所得结论对其他地区高速公路的交通安全具有指导意义。