共查询到20条相似文献,搜索用时 46 毫秒
1.
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。 相似文献
2.
3.
目前,国内外有关双责事故的研究方兴未艾,特别是对道路环境因素对于双责事故受伤严重程度影响的研究更加缺乏。虽然道路环境是事故的外在因素,但通常对事故的发生以及受伤严重程度有着不可忽略的影响作用。本文正是基于上述背景,采用二项有序probit展开道路环境因素对双责事故受伤严重程度的影响研究分析,旨在探寻事故中道路环境因素对双方驾驶员受伤严重程度的显著影响因素,并针对这些影响因素提出相应的建议或措施来降低双责事故后果的严重性,为改善交通安全状况提供一定的参考。 相似文献
4.
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... 相似文献
5.
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%。 相似文献
6.
为了探究公交事故严重性影响因素的时间稳定性和潜在未观察到的异质性,构建了随机阈值随机参数分层有序probit模型(RTRPHOPIT),并利用2016—2019年的公交事故数据,分析了驾驶员特征、道路环境特征和事故特征变量对死亡、重伤以及轻伤事故的潜在影响.基于似然比检验对影响因素时间稳定性的判断,构建了两个不同时间段... 相似文献
7.
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。 相似文献
8.
为了明确交互危险驾驶行为与双责事故严重程度的关系,从驾驶行为方面有效减轻双责事故的危害后果,结合双责事故的特点及各统计分析模型的适用性,采用广义有序logit模型鉴别各种危险驾驶行为交互作用对双责事故受伤严重程度的影响作用,并分析危险驾驶行为对不同等级受伤严重程度的影响规律以及影响机理.研究结果表明:双方驾驶员均偏离车道、双方均分心驾驶、一方超速另一方让行失败、一方超速另一方鲁莽驾驶以及一方违反交通规则另一方让行失败的交互危险行为会显著增加事故严重程度.根据分析结果,提出应对驾驶员做好宣传教育工作促使其养成良好的驾驶行为习惯,并结合超速监测系统、电子执法系统等技术手段加强对危险驾驶行为的监控. 相似文献
9.
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... 相似文献
10.
为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明:事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40, 60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。 相似文献
11.
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。 相似文献
12.
为分析电动自行车事故和车牌使用影响因素,采用问卷调查和电话访谈方式采集了宁波市862个电动自行车用户有效样本,利用统计学方法构建了Bivariate Probit(BP)联立方程模型,计算了显著影响因素的边际效应,量化分析了电动自行车事故和车牌使用影响因素效用,并检验了两者之间潜在的关联关系.结果表明:BP模型不仅可以识别电动自行车事故和车牌使用的影响因素,而且可以有效刻画两者之间的潜在联系;两者之间关联系数为-0.475,表明电动自行车车牌的使用可以降低电动自行车事故概率;模型结果显示性别、年龄、驾驶执照、家庭是否拥有小汽车、电动自行车驾龄、法律遵守程度、驾驶行为、危险感知度等具有统计显著性,是影响电动自行车事故和车牌使用的显著因素. 相似文献
13.
为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据,本文以建成环境“5D”要素为基础,围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系,基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型,探究城市建成环境对行人交通事故严重程度的影响机制,结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系,并以深圳市为例进行实证分析。结果表明:建成环境对行人交通事故的影响效应存在显著的时段异质性;昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响;夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0, 3]km时,地铁站可达性小于1km时,对行人事故严重程度有较大抬升作用;夜间时段娱乐POI可达性小于0.5km时,对行人事故严重程度有抬升作用;不论昼夜,人行道可达性对行人事故严重程度均有压降作用,且临街院门密度低的区域行人事故严重程度较
高。昼-夜间模型均表现出优秀的效果,分类准确率分别为96.38%和92.08%。 相似文献
14.
本研究利用新泽西的事故数据在控制其他影响因素的条件下分析货车重量与事故严重程度的关系。Logit和Probit模型被用来估计解释变量对事故严重程度的影响,比较模型的性能指标后,最终选定了Probit模型。模型研究结果表明:涉及任何重量类型货车都会加重事故严重程度。和无未涉及货车的事故相比,轻型货车、中型货车和重型货车的涉及,分别增加严重事故的概率为0.03%,0.33%,0.42%,此发现说明了事故严重程度和货车重量的正相关关系,其他变量对于事故严重程度的影响和先前的研究文献一致,且货车类型的边际效应差别说明了粗略重量等级为10 000磅是判断事故后果的重要阈值。 相似文献
15.
16.
现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2 799起二轮车事故,以二轮车骑行者头部、胸部、上下肢等7个主要部位伤害严重程度为因变量,选取44个主要自变量以表征碰撞前行为、碰撞位置等信息。采用带随机参数的多变量模型进行研究,以更好解释各受伤部位严重程度间的关系及数据中未能观测到的异质性。结果表明:二轮车骑行者性别及年龄、车辆属性、碰撞前二轮车驾驶行为及二轮车被撞位置均会对二轮车骑行者不同部位的伤害造成显著影响;头部、胸部及下肢在二轮车事故中是最脆弱的3个部位,值得进一步研究;中年二轮车骑行者在头部伤害模型服从正态分布的随机参数,即中年二轮车骑行者会对二轮车骑行者头部伤害严重程度存在异质性影响;加强汽车及二轮车的安全设计从而保护二轮车骑行者胸部和腹部极有必要;佩戴头盔不仅能够保护头部伤害,对于保护上肢伤害也有重要作用。 相似文献
17.
为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明:影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。 相似文献
18.
利用计算机仿真对直角侧面碰撞事故进行分析.在ADAMS软件平台上,建立参数化事故模型,进行仿真计算,通过得到的速度和位移变化曲线来鉴定事故因素,并用三维动画直观显示事故的整个过程.通过案例分析表明适用于再现交通事故. 相似文献
19.
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。 相似文献
20.
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。 相似文献