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。     

考虑建成环境的电动自行车事故严重程度致因分析

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。     

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...     

基于SEM-Logit模型的互联网租赁电动自行车使用行为研究

为了解居民对互联网租赁电动自行车的使用意向和决策行为,对居民对互联网租赁电动自行车的使用行为偏好进行探究。首先,通过调查问卷了解居民对互联网租赁电动自行车的态度认知。然后,采用结构方程模型（Structural Equation Modelling, SEM）分析居民对于互联网租赁电动自行车使用意向的影响因素,并采用SEM-Logit模型分析居民对于互联网租赁电动自行车的选择决策行为。最后,以西安市为例进行实证研究,以弥补以往仅从定性角度分析互联网租赁电动自行车使用行为的不足。结果表明：男性、固定职业者、中等收入者、短距离出行者更愿意选择使用互联网租赁电动自行车;态度、感知有用性和感知易用性作为心理潜变量也会影响居民对互联网租赁电动自行车的使用行为;与非高峰期相比,受访者在高峰期对互联网租赁电动自行车的使用意愿更高,高峰期和非高峰期使用互联网租赁电动自行车的比例分别为19.58%和14.42%。根据研究结果,引入互联网租赁电动自行车对西安市居民现有的出行结构会产生一定影响,但影响程度不大。因此,建议政府相关管理部门统筹协调,提前谋划、制定互联网租赁电动自行车的发展路径。     

电动自行车交通事故特征与安全改善对策

近10年,电动自行车在中国迅速普及且安全形势非常严峻。通过分析电动自行车与其他交通方式的事故数据,从交通安全总体形势、事故时空特征分布、原因以及肇事者与受害者等方面总结电动自行车的事故特点。从事故分析特征来看,近年来电动自行车事故死亡人数上升较快,大量事故是因为违反交通法规引发,并且主动肇事比例和致死率偏高,而早晚高峰时段和交叉口是事故高发的时空重点;从骑行者特征来看,中老年群体和工人农民群体是主要受害群体,颅脑损伤是首要致死原因。最后,对照事故影响因素和管理实际,提出下一发展阶段中国电动自行车的安全改善对策。     

机非标线分隔道路电动自行车越线风险模型

为分析电动自行车越线行为产生的机理,建立了基于生存分析的越线风险模型,以评估各影响因素下电动自行车的越线风险.通过应用越线车速作为自变量,建立生存函数明确越线车速与累积越线比例的关系;应用Kaplan-Meier非参数回归分别分析非机动车道宽度、相邻机动车道交通流状况对越线速度的影响,建立COX比例风险模型获取上述影响因素下电动自行车越线的相对越线风险值.通过对西安市不同宽度和交通流状况的道路实测数据的分析,得出结论.研究结果表明:越线风险可通过电动自行车的车速体现,当车速从20增长到35 km/h时,累积生存比例从71.2％快速下降至16.4％;非机动车道宽度及相邻机动车道交通流状态对越线速度影响显著,非机动车道宽度为260和220cm道路的车辆越线风险分别为180cm道路的0.688倍和0.859倍,自由状态车辆越线的风险为非自由状态的2.445倍,高密度非机动车道的越线风险是低密度状态的2.590倍.研究结果可为含电动自行车的混合交通流环境下的交通设计及交通管理提供理论依据.     

7种因素对电动自行车忍耐时间的实证研究

忍耐时间是分析电动自行车骑行者不安全过街行为的重要参数,是信号交叉口交通管控的重要约束条件.以红灯期间到达信号交叉口处违章过街的电动自行车为研究对象,应用多元线性回归分析和生存分析法中的Cox回归方法,统计分析骑行者在信号交叉口处的过街忍耐时间.该方法运用中国电信的"全球眼"网络视频监控技术,获取不同影响因素下宁波市电动自行车的实时视频数据,共采集了57 213个电动自行车过街忍耐时间样本.统计发现:电动自行车忍耐时间与5种影响因素存在强相关关系;7种影响因素对电动自行车忍耐时间的影响程度差异性较大,其中天气、人行横道长度和有无交警执法等3种因素的影响程度最大,出行时间和时段的影响最小;电动自行车过街忍耐时间的均值为48.600 s,标准偏差为300.341.     

公交车对非机动车交通流延误影响模型

根据路段电动自行车与公交车运行的实际情况,将公交车对电动自行车交通流造成的延误 分成两种：电动自行车到达率小于电动自行车疏散率时的延误和电动自行车到达率大于电动自行 车疏散率时的延误。在考虑车道宽度、乘客上下公交车、电动自行车的疏散率和到达率等影响因 素的基础上,运用流体模拟理论,建立公交车对电动自行车车流的延误模型,并通过实例分析各 影响因素与公交车对电动自行车造成的延误之间的关系。计算结果表明,所选择的影响因素和建 立的延误模型是合理可行的。该延误模型对通过路段的公交车数量的设定、路段上的公交车站数 量的设定,以及某处是否需要设港湾式停靠站台提供了理论支持。     

城市电动自行车广义出行成本分析

随着城市化进程,城市交通不断发展,交通出行方式呈现多元化,选择电动车出行占有一定的比例.目前对于电动自行车交通问题已经展开研究,但不够深入.文中结合南京探讨电动自行车交通形成的原因,分析出行方式选择的影响因素,并基于广义费用建立了电动自行车出行成本模型及可替代出行方式的出行成本模型,以客观数据为基础,计算电动自行车广义出行成本,以用于电动自行车的出行特征分析及发展对策研究.     

南京市电动自行车发展趋势研究

结合南京电动车发展现状,对南京市电动车发展优势及劣势并对其发展趋势进行定性判断;对不同电动车发展政策下,各交通方式客流转移量进行交叉弹性分析;综合考虑影响电动自行车发展的各种影响因素,从管理者、使用者以及生产者的角度出发建立评价指标体系,并应用模糊评判法方法建立电动自行车的发展趋势评判模型,可为政府决策电动自行车的发展趋势提供一种思路.     

基于Logistic回归模型的电动自行车出行特征分析

本文基于电动自行车使用者和非电动自行车使用者抽样调查数据,从居民收入、出行距离和时耗等方面采用Logistic模型进行分析,建立了基于Logistic的电动自行车出行方式选择模型,并且计算了电动自行车的出行距离和时耗曲线.本文的研究成果填补了目前自行车交通研究的一项空白,为政府机构制定相关政策提供了基础研究支持.     

�綯���г��Գ��н�ͨ�ṹ��Ӱ��Ԥ��ģ���о�

近几年，电动自行车在中国发展迅速，已经对我国城市交通结构产生了深远的影响。本文根据马尔可夫分析法的基本原理，建立起电动自行车的方式分担预测模型。在此基础上，以石家庄市为例，通过实地调研分析该市居民现有的交通方式和转移意向。然后，假设在放任、限制、适度控制三种场景下，根据不同的交通方式转移概率，预测未来几年石家庄市电动自行车的方式分担率。并对预测结果进行分析，从而为各城市制定电动自行车的相关政策提供决策依据。     

电动自行车交通现状及对策分析

针对当前电动自行车发展中存在的一些突出问题,从安全角度出发,分析了电动自行车行驶稳定性和碰撞特性,提出了对其实行严格依法管理、牌证管理制度、准驾制度等对策,以促进电动自行车交通的健康发展。     

公共自行车文献综述

对公共自行车系统进行总体概述,并针对相关文献进行批判性检验。基于以往同行评议文献及灰色文献,对与公共自行车系统影响相关的认知缺陷进行分析。当前亟须针对全球公共自行车研究进行评估,该综述旨在更好地了解及加强当前和未来公共自行车系统的实施效率。越来越多的研究聚焦于公共自行车系统,主要议题集中在以下方面。首先,公共自行车使用者认为方便性和低支出是注册并使用该系统的重要原因。其次,与固有观念相反,公共自行车系统用户比非用户更倾向于拥有和使用私人自行车。第三,当法律强制要求佩戴头盔时,公共自行车使用者比私人自行车使用者更不愿佩戴头盔。最后,从更重要的可持续交通角度而言,大量公共自行车系统使用者选择该方式取代可持续交通方式而非小汽车出行方式。     

基于态度-行为模型的低收入通勤者出行方式选择

为了分析城市低收入通勤者交通方式选择行为,揭示个体社会经济属性、活动 属性和潜在态度变量对出行者出行方式选择的影响,基于抚顺市居民一日出行调查数 据,采用态度-行为模型探究低收入通勤者出行方式选择机理.首先基于多指标多原因模 型分析影响态度变量的外在因素,结果表明性别、驾照拥有情况和年龄对态度变量的构 成影响较大.然后,分别建立含潜变量和不含潜变量的多项Logit 模型,发现含潜变量的选 择模型更能解释出行行为,社会经济属性、活动属性和态度变量对低收入通勤者出行方 式选择影响存在一定差异.     

公交驾驶员违规类型同交通事故间的关联分析

公交车驾驶员违规行为是引起交通事故的重要原因之一,以往文献在研究驾驶员违规行为与事故频率之间的关系时,未能深入探究违规行为类型差异及其异质性。为了进一步揭示不 同违规行为的差异化影响并为行为管控措施提供依据,利用某市2019—2020年4532起公交违规及事故数据,将驾驶员事故频率作为研究对象,将17类违规行为及人口统计学因素作为解释变量,综合考虑数据特征及异质性分析需求,构建考虑均值与方差异质性的随机参数零膨胀泊松模型。模型分析结果表明：不同类型的违规行为对于驾驶员事故频率影响存在明显区别,当驾驶员同时存在若干特定违规行为时,事故频率明显高于其他驾驶员。具体包括：未走公交专用道等行 为次数越多,则该驾驶员事故频率越高;未系安全带、未礼让斑马线次数和及时更换失效驾照等行为的影响具有随机特征,其作用效果具有随机波动的属性;未礼让斑马线行为影响参数的均值和方差受到其他变量的影响,即当驾驶员未礼让斑马线次数和越线行驶次数均较多时,期望事故率愈高。     

公共自行车近期文献综述

提供公共自行车服务的城市数量快速发展,从20世纪90年代末屈指可数发展到如今超过800个。通过综述近期公共自行车文献,总结公共自行车研究领域的若干议题。便捷性是出行者使用公共自行车的主要动机。省钱是促使低收入群体使用的原因,与停放站间距离是预测会员数量的重要指标。在一些国家,只有不到半数会员每月使用率少于一次。男性使用率高于女性,但性别失衡情况并未如私人自行车那样显著(至少在自行车使用率低的国家)。年会员最普遍的出行目的是通勤。与私人自行车使用者相比,公共自行车使用者不常佩戴头盔,但在法律强制佩戴头盔的国家,其使用水平则受到影响。公共自行车使用者相比私人自行车使用者不易受伤。未来发展方向包括电动自行车集成、GPS全球定位系统、无停放站系统和改进的公共交通一体化。指出应开展更多研究量化公共自行车在出行方式选择、尾气排放、拥堵和健康方面的影响。     

出行主体的相对危险暴露量研究综述

道路交通安全已经成为社会发展面临的一个严峻问题.传统的交通安全研究通常以车辆行驶里程作为危险暴露量指标,缺少系统的原始事故数据处理流程及必要的理论假设检验工作,且理论假设的验证方法仍不完善.同时非驾驶相关行为或交通罚单被广泛应用于事故责任分配,其准确性也有待检验.使用相对危险暴露量理论和方法从微观层面鉴定出行主体事故倾向性能够准确反映事故发生环境的时空变动性和事故主体的差异性.未来相对危险暴露量理论在数据处理方面,应制定规范的事故数据处理流程,通过统计学手段揭示事故数据的内在问题,然后采用相应的数据预处理方案;事故定责方面,可引入权重的概念确定其显著性因子,通过责任分配模型来确定各出行主体的事故责任;在理论假设的检验方面,确定该理论的使用准则和应用前景.      

���ڳ���ʶ��ĸ��ٹ�·ͨ�зѲ�ּ����о���Ӧ��

随着高速公路的不断建设,高速公路已形成网状结构,为车辆驾驶员提供了多条选择路径. 同时高速公路投资主体的多元化必然要求合理拆分通行费,进而产生如何按照车辆行驶的实际路径进行通行费拆分的问题. 本文分析了联网收费环境下影响通行费精确拆分的主要因素. 建立了基于车牌识别的通行费拆分模型,并给出了模型求解算法. 最后结合福建省高速公路路网结构与运营数据进行实例分析,实现了70%以上的精确拆分和不到30%的模糊拆分,验证了本文方法的有效性.