考虑时间稳定性的公交事故严重性影响因素分析

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...     

电动自行车事故和车牌使用影响因素分析

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.     

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%。     

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...     

城市主干路电动自行车对机动车的干扰影响分析

为减少电动自行车对机动车的交通干扰,提高未设置非机动车道城市主干路的交通安全和通行效率,针对未设置非机动车道城市主干路电动自行车对机动车的干扰影响进行了分析。首先,采用无人机高空俯拍5条未设置非机动车道城市主干路的交通流视频,运用DataFromSky视频分析平台自动提取电动自行车和机动车的速度、轨迹、流量等数据;然后,根据交通干扰发生位置与影响后果,将电动自行车对机动车的干扰划分为无干扰、间接干扰及直接干扰,采用机动车最大横向偏移距离均值■和地点车速均值变化率ΔV两个指标来研究不同干扰下机动车横向轨迹偏移距离和速度变化的规律;最后,引入交通安全干扰系数和通行效率干扰系数量化电动自行车对机动车的干扰影响程度。结果表明：间接干扰对所有车道机动车横向轨迹变化影响均较小,■最大变化范围为-0.56～0.16 m,直接干扰对所有车道机动车横向轨迹变化影响均较大,■最大变化范围为0.23～1.61 m;交通流运行稳定时,间接干扰、直接干扰对机动车速度影响分别为较小、较大,交通流处于加速阶段时,间接干扰、直接干扰对机动车速度影响分别为很小、较小;右侧路缘带宽度从小到大的试验路段A,C,D交通安全干...     

交互危险行为对双责事故严重程度的影响分析

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.      

学区尺度下小学生通学事故风险评估及影响因素

为评估学区尺度下小学生通学事故风险并获取其影响因素,融合交通事故数据、道路运行数据和学区划分数据,构建学区尺度下通学事故风险评估方法,并运用随机森林模型分析其影响因素.以小学生在学区内部小学通学为原则,构建基于交通事故数据和道路长度的道路暴露度模型评估小学生通学事故风险.以深圳市中心城区为例进行验证.结果表明:深圳市中...     

基于SP调查的出行时间价值估计及出行者属性影响分析

出行时间价值是宏观交通模型的重要参数,其取值准确与否直接影响交通模型的精度。以佛山市顺德区居民出行时间价值调查为例,采用正交实验设计方法设计了SP调查。建立了基于随机效用最大化理论的多项Logit模型,计算了不同拥车和目的的出行时间价值,并用收入法对计算结果进行了校核,验证了模型计算结果的合理性。分析了出行者属性对出行时间价值的影响,得出了拥车、高收入和高学历的出行者出行时间价值更高,对出行时间更加敏感,对费用敏感度降低的结论。研究成果可为中小城市出行时间价值计算和分析提供参考,同时可为出行行为分析、预测和交通需求管理策略评估提供数据支持。     

高速公路事故类型预测模型研究

介绍了事故类型预测模型的作用和原理.利用收集到的高速公路数据,建立了基于多分变量逻辑回归的高速公路事故类型预测模型,分析结论表明对事故类型影响较大的变量有城市-乡村变量、大小车速度差和大车比例变量,并对事故类型预测模型研究的重点进行了展望.     

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。     

公交候车时间容忍阈值的分布特征及影响因素

公交候车时间容忍阈值反映的是出行者能够容忍的最长候车时间. 研究公交候车时间容忍阈值有助于我们更好地理解出行者对候车时间的感知和态度，从而采取针对性的对策提高公交吸引力和分担率，并可以为公交运营组织提供参考. 本文采用昆明市的调查数据，对候车时间容忍阈值进行了实证研究. 首先，对候车时间容忍阈值的分布特征进行了统计分析，并采用秩和检验法对不同群体的候车时间容忍阈值的分布差异进行了检验. 进一步，基于序次Logit 模型识别了候车时间容忍阈值的影响因素，发现年龄、受教育程度、年龄和受教育程度的交互项、职业、家庭年收入、公交出行频率对候车时间容忍阈值有显著影响.     

公交候车时间容忍阈值的分布特征及影响因素

公交候车时间容忍阈值反映的是出行者能够容忍的最长候车时间. 研究公交候车时间容忍阈值有助于我们更好地理解出行者对候车时间的感知和态度,从而采取针对性的对策提高公交吸引力和分担率,并可以为公交运营组织提供参考. 本文采用昆明市的调查数据,对候车时间容忍阈值进行了实证研究. 首先,对候车时间容忍阈值的分布特征进行了统计分析,并采用秩和检验法对不同群体的候车时间容忍阈值的分布差异进行了检验. 进一步,基于序次Logit 模型识别了候车时间容忍阈值的影响因素,发现年龄、受教育程度、年龄和受教育程度的交互项、职业、家庭年收入、公交出行频率对候车时间容忍阈值有显著影响.     

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...     

海事事故严重性影响因素及影响程度识别

以上海、浙江、江苏海事局发布的海事事故调查报告为基础,通过建立有序概率模型(包括有序Logit模型和有序Probit模型),对海事事故严重性影响因素及影响程度进行识别.结果表明:有序概率模型适于研究该问题,且有序Logit模型优于有序Probit模型;季节、时段、天气、通航水域、船型、船长、船舶所有权等对较大及以上事故具有正向影响,能见度对较大及以上事故具有负向影响.其中,船长200 m影响最大(边际效应为0.378 3),夏季影响次之(0.282 2);能见度不良影响最小(-0.108 0),个体所有船舶影响次之(0.109 5).研究结果可为海事安全部门开展安全监管工作提供决策参考.     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系,本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori,XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构,通过机器学习库 scikit-learn 中 XGBoost(Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而,对Apriori算法设置有序定向约束,得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项,选取频繁项集,总结高置信度、高提升度的关联规则。关联因素模型评估结果表明,本文采用的SFM功能准确度可达78.31%,关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示,驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中,男性驾驶员造成的行人死亡事故频次较高,女性驾驶员造成的受伤事故频次较高;大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高;位于匝道等道路线型弯曲的坡道中,老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法,为有效保护道路弱势群体提供必要的理论支持。