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%).     

城市死亡交通事故形态影响因素分析

为研究城市道路环境下各因素对不同死亡交通事故形态的影响,以深圳市死亡交通事故数据为研究对象,将事故形态作为因变量,并划分为车辆间、车辆与行人、单车事故三类,选取驾驶员、车辆、道路、环境和时间特征为潜在影响事故形态的自变量.在多项Logit模型的基础上,创新性地引入能够反映数据异质性的混合Logit模型,并引用弹性分析定量讨论各自变量对事故形态概率的影响.结果表明:驾驶员年龄、车辆类型、道路有无隔离、路面是否干燥、是否道路交叉口、道路线形、照明条件、能见度、事故发生时间都会对死亡交通事故形态有显著影响,其中,能见度200 m以上为服从正态分布的随机参数,表明由于未观测到异质性的影响,该参数对事故形态的影响在事故个体间存在显著差异.     

电动自行车与机动车事故严重性影响因素分析

为减少电动自行车与机动车事故造成的损失，定量剖析不同因素对事故严重程度的差异性影响至关重要。基于上虞区2018年10304起电动自行车与机动车事故，分析该类事故的严重性分布情况和时间与空间分布特性。以事故严重性为因变量，将其有序分为未受伤、轻伤及重伤事故3类，从时间、空间、道路、环境、骑行者及车型6个方面，选取17个事故严重性潜在影响因素， 采用多项Logit模型、有序Logit模型、广义有序Logit模型及偏比例优势模型进行拟合度对比分析，并以最佳模型(偏比例优势模型)和边际效应，量化分析各因素对事故严重性影响的显著性与差异性。结果表明，除节日类型、车道限速、车流相交角及温度对事故严重性影响不显著外，其余 13个因素都有显著影响，事故时间、光线亮度、骑者性别、骑者年龄、车辆类型及电动自行车类型违反平行线假设；对该类事故严重性影响最大的前4个因素为电动自行车类型、机动车类型、骑行者年龄与性别，其边际效应绝对值的最大值均超过61%，事故区位、道路类型及光线亮度的影响较大(20%~30%)，事故时间和风力等级影响较小(10%~20%)，而季节、事故位置、慢行干扰度和天 气状况的影响最小(≤8%)。基于各因素的差异性影响，为交通管理部门提出了有效改善建议。     

基于混合有序Probit模型的货车翻车驾驶员伤害程度研究

为深入研究货车翻车驾驶员伤害程度的影响因素,考虑驾驶员伤害程度的有序特性和安全因素对驾驶员伤害程度影响的异质性效应,以2016年美国德克萨斯州3476起货车翻车事故为研究对象,从人、车、路、环境四要素中选取共24个安全因素作为自变量,以驾驶员伤害程度为因变量,分别构建有序Probit模型和混合有序Probit模型.研究结果表明:男性、驾驶员年龄、系安全带、安全气囊起爆、饮酒或吸毒、被甩出车外、未按规定车道行驶、重型货车、车辆右转、不良天气、道路限速值以及车辆出厂年龄与驾驶员伤害程度显著相关.此外,混合有序Probit模型的拟合优度较有序Probit模型的高,并且混合有序Probit模型发现,男性、饮酒或吸毒、被甩出车外以及车辆右转变量对驾驶员伤害程度的影响具有异质性效应.     

货车重量对事故严重程度的影响研究

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。     

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。     

Probit模型及其在交通方式分担中的应用研究

离散选择模型的典型代表Logit模型简洁易用的特点使其在经济、交通等领域得到了广泛的应用，但同时Logit模型的两个重要缺陷限制了其应用范围。本文分析了Logit模型的固有缺陷，阐述了Probit模型的基本原理，研究了Probit模型的性质，并与Logit模型进行了对比研究，最后利用SAS统计软件MDC模块提供的仿真算法进行了实证性分析，研究结果表明，Probit模型克服了Logit模型IIA特性和喜好随机性限制的缺陷，表现出更为丰富的物理意义，对出行选择行为的模拟更接近实际，是一种具有广阔发展的前景的交通方式分担模型。     

基于SHEL模型的内河船舶最优化配员研究

结合船舶安全配员法律法规,通过全国范围内发放调查问卷,获得公司管理人员、船员、海事管理人员对影响最低安全配员因素的意见,利用SHEL模型,认为影响内河船舶安全配员的因素为总吨位、主机功率、船舶种类、机舱自动化程度、驾驶自动化程度、航行时间、航区,通过最优化方法,在船员可适应工作量大于船员实际工作量的安全原则上建立内河船舶高级船员配员模型.结果表明,甲板部:总吨位50～300最低可配驾驶员1人;总吨位300～1 000最低可配船长1人,驾驶员1人;总吨位1 000以上最低可配船长1人,驾驶员2人;轮机部:150kW以下最低可配轮机员1人;150～500kW最低可配轮机长1人,轮机员1人;500kW以上最低可配轮机长1人,轮机员2人.     

基于朴素贝叶斯算法的船舶异常行为监测

随着海事事故与海上违法行为的不断增多,智能的监控方法成为降低海事事故,打击海上违法行为的有效手段.同时,船舶自动识别系统(Automatic Identification System,AIS)的普及及船舶交通管理系统(Vessel Traffic Service,VTS)的扩建,又为智能监控提供了数据支持.鉴于此,利用船舶自动识别系统提供的数据,分析通航水域船舶信息的分布情况,根据其概率分布采用朴素贝叶斯算法,从船舶航速、航向及距航道边界距离3个方面,构建船舶异常行为检测模型.最后,以成山角通航水域为例,检验模型的有效性.实验结果表明,构建的模型能够有效地完成异常行为监测,减少海事监管人员的工作强度,同时根据实验结果分析了成山角水域船舶航行的特点,并对成山角定线制提出合理化建议.     

山区双车道公路机动车碰撞事故严重度致因比较分析与预测

以云南山区双车道公路1740起碰撞事故数据为基础,将事故数据分为机动车与机动车、机动车与摩托车、机动车与非机动车3种类型,事故严重度划分为仅财产损失、轻伤、重伤或死亡事故3个等级,分别用部分优势比模型和有序Logit模型建立3类机动车碰撞事故严重度分析模型,对比分析不同等级事故的显著影响因素和模型的预测准确率,分析部分...     

港口交通事故与环境要素关系

为了评价港口交通环境的安全性,合理确定各环境要素的权重,在应用因子分析方法分析全国九个港口环境要素数据的基础上,对各港口的综合因子得分与港口事故数进行线性回归,得到回归方程,通过回归方程中各要素系数确定各环境要素对港口交通事故的影响程度。分析结果表明:能见度、助航标志、VTS管理程度和分道通航程度对交通安全影响较大,航道长度和交叉点数影响较小,基本上反映了各环境要素对港口交通事故的影响程度,可见因子分析方法可定量确定各环境要素对交通安全的影响,可用于港口交通事故的原因分析与评价。     

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AHP的海上交通安全中人为因素评价指标体系的研究

人为因素是造成海上安全事故的重要因素,文章应用层次分析法的基本原理,研究了海上交通安全中人为因素评价指标体系,确定了相关因子的影响力排序,分析结果显示,船员队伍的职业素养和航海专业知识是影响海上交通安全的人为因素的关键指标。     

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%。     

自适应过滤法在水上交通事故预测中的应用

水上交通事故预测对于提高海上安全管理和预防事故的发生有重要的作用.为提高水上交通事故预测的准确性,构建了自适应过滤模型.以2011—2017年我国水上交通事故数据为基础,对2018年水上交通事故进行预测,并与一次指数平滑法、灰色GM(1,1)预测法预测结果进行对比验证.通过比较发现,自适应过滤法的相对误差较小、预测精度...