本文選題：高速公路 + 交通事故��； 參考：《東南大學(xué)》2015年碩士論文

【摘要】：由于近年來高速公路里程與交通量的迅速增長,交通事故明顯增加,給人民的生命財產(chǎn)造成了嚴(yán)重危害。因此,對交通事故進(jìn)行深入分析,預(yù)測交通事故的發(fā)展趨勢,對于道路交通安全評價、規(guī)劃以及決策具有重要意義�；诖四康�,本文提出了基于分位數(shù)回歸的高速公路交通事故預(yù)測方法。由于國內(nèi)在交通安全方面的研究起步較晚,在交通事故預(yù)測方法的研究上,特別是在回歸模型方法上,無論是研究對象的深度和廣度都與國外存在一定的差距,有待于進(jìn)一步深化研究。本文首先,對交通事故數(shù)據(jù)常見特征(偏大離差、偏小離差、低樣本均值和小樣本量)以及可能存在的問題(未記錄、時變性變量、內(nèi)生變量、遺漏變量)進(jìn)行分析和考慮,結(jié)合回歸模型法、神經(jīng)網(wǎng)絡(luò)法、時間序列法、灰色預(yù)測法的基本原理以及優(yōu)缺點,確定了本文對比的事故預(yù)測方法。然后,從道路環(huán)境因素角度,詳細(xì)調(diào)研了道路線形(平面線形、縱斷面線形和平縱線形組合)、特殊路段(橋梁、隧道)和交通環(huán)境(交通量、交通組成、車速)對交通安全的影響,以此確定本文事故預(yù)測時的變量。最后,將普通分位數(shù)回歸擴展到事故數(shù)據(jù)的應(yīng)用上,用分位數(shù)回歸的兩個指標(biāo)(邊際效應(yīng)和靈敏度)解釋變量,并基于分位數(shù)回歸的一系列參數(shù)估計,提出了本文交通事故的預(yù)測方法：歷史數(shù)據(jù)法和概率法,與負(fù)二項回歸法進(jìn)行對比。實際案例證明了分位數(shù)回歸在交通事故預(yù)測上的優(yōu)越性。在分析過程中,分位數(shù)回歸給出了任意分位點下的參數(shù)估計、邊際效應(yīng)和靈敏度,相比負(fù)二項回歸的一組估計更加全面；在事故預(yù)測上,歷史數(shù)據(jù)法準(zhǔn)確度高達(dá)74%,均方根誤差為0.618�；诜治粩�(shù)回歸的兩種預(yù)測方法在準(zhǔn)確度和誤差上都要優(yōu)于負(fù)二項回歸模型。
[Abstract]:Due to the rapid increase of highway mileage and traffic volume in recent years, traffic accidents have obviously increased, which has caused serious harm to people's life and property. Therefore, it is of great significance for road traffic safety evaluation, planning and decision-making to deeply analyze traffic accidents and predict the development trend of traffic accidents. For this purpose, a method of expressway traffic accident prediction based on quantile regression is proposed in this paper. Due to the late start of the research on traffic safety in China, there is a certain gap between the depth and breadth of the research object, especially the regression model method, in the study of traffic accident prediction method. Further research is needed. First of all, the common characteristics of traffic accident data (large deviation, small deviation, low sample mean and small sample size) and possible problems (unrecorded, time-varying, endogenous, missing) are analyzed and considered. Combined with the basic principles, advantages and disadvantages of regression model method, neural network method, time series method and grey prediction method, the accident prediction method compared in this paper is determined. Then, from the point of view of road environmental factors, the road alignment (plane line, vertical section line and vertical line combination), special sections (bridges, tunnels) and traffic environment (traffic volume, traffic composition) are investigated in detail. The influence of speed on traffic safety is used to determine the variables of accident prediction in this paper. Finally, the ordinary quantile regression is extended to the application of accident data, and the variables are explained by two indicators of quantile regression (marginal effect and sensitivity), and a series of parameter estimates based on quantile regression are presented. This paper puts forward the methods of traffic accident prediction: historical data method and probability method, which are compared with negative binomial regression method. A case study shows the superiority of quantile regression in traffic accident prediction. In the process of analysis, the quantile regression gives the parameter estimation, marginal effect and sensitivity at any locus, which is more comprehensive than the negative binomial regression. The accuracy of historical data method is as high as 74 and the root mean square error is 0. 618. The accuracy and error of the two prediction methods based on quantile regression are better than that of the negative binomial regression model.
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.31

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王純杰;董小剛;陳嘉;宋芹;;基于分位數(shù)回歸的長春市職工工資水平的分析[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2010年04期

2 郭月玲;;百分位數(shù)回歸及應(yīng)用研究[J];經(jīng)濟研究導(dǎo)刊;2013年22期

3 李壯壯;孫善輝;高鳳偉;;基于變權(quán)重分位數(shù)回歸的安徽省人均可支配收入影響因素分析[J];重慶工商大學(xué)學(xué)報(自然科學(xué)版);2013年10期

4 蘇方林;宋幫英;;中國電力消費影響因素權(quán)重的分位數(shù)回歸研究[J];河北科技大學(xué)學(xué)報;2010年04期

5 丁詠梅;;基于分位數(shù)回歸的城市居民生活水價影響因素分析[J];中國水能及電氣化;2014年01期

6 李文輝;;就業(yè)環(huán)境變遷與城鎮(zhèn)化的內(nèi)在依從關(guān)系研究[J];城市發(fā)展研究;2014年05期

7 袁凡;;基于分位數(shù)回歸的油輪運價指數(shù)VaR風(fēng)險研究[J];港口經(jīng)濟;2013年05期

8 楊宜平;趙培信;;R統(tǒng)計軟件在統(tǒng)計教學(xué)中的應(yīng)用[J];重慶工商大學(xué)學(xué)報(自然科學(xué)版);2013年03期

9 王艷梅;陳希鎮(zhèn);董乃銘;;山西省人均GDP的發(fā)展態(tài)勢——基于時間序列、最小二乘回歸、分位數(shù)回歸方法[J];科學(xué)技術(shù)與工程;2012年18期

10 陳曉毅;;基于分位數(shù)回歸的我國能源效率影響因素動態(tài)研究[J];生態(tài)經(jīng)濟;2012年08期

相關(guān)會議論文 前6條

1 林藝圃;;中國股市價量關(guān)系的實證分析分位數(shù)回歸模型[A];中國社會科學(xué)院第三屆中國經(jīng)濟論壇論文集（下）[C];2007年

2 陳娟;林龍;葉阿忠;;基于分位數(shù)回歸的中國居民消費研究[A];中國社會科學(xué)院第三屆中國經(jīng)濟論壇論文集（下）[C];2007年

3 夏寧;;中國上市公司高管人員薪酬的影響因素與成因分解——一個基于分位數(shù)回歸模型的實證研究[A];中國會計學(xué)會財務(wù)管理專業(yè)委員會2009年學(xué)術(shù)年會論文集[C];2009年

4 宋馬林;吳杰;高玉強;張琳玲;宋峰;;中國入世以來的對外貿(mào)易與環(huán)保效率——基于分省面板數(shù)據(jù)的實證分析[A];中國貿(mào)易救濟與產(chǎn)業(yè)安全論叢（2012）——第七屆中國貿(mào)易救濟與產(chǎn)業(yè)安全研究獎獲獎?wù)撐募痆C];2013年

5 任聲策;;創(chuàng)新和出口的互動關(guān)系:基于中國制造業(yè)企業(yè)的實證[A];第八屆（2013）中國管理學(xué)年會——技術(shù)與創(chuàng)新管理分會場論文集[C];2013年

6 劉鑫波;張志敏;梁逸曾;;高效準(zhǔn)確的高分辨數(shù)據(jù)快速平滑與基線校正算法[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

相關(guān)博士學(xué)位論文 前5條

1 邸俊鵬;分位數(shù)回歸的貝葉斯估計與應(yīng)用研究[D];南開大學(xué);2013年

2 韓月麗;極值統(tǒng)計與分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

3 關(guān)靜;分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

4 項云帆;資本資產(chǎn)定價模型及實證分析[D];華中科技大學(xué);2010年

5 陳林興;基于空間視角的我國省際農(nóng)村居民消費趨同性研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 代貝;基于分位數(shù)回歸的農(nóng)村居民消費區(qū)域差異研究[D];昆明理工大學(xué);2015年

2 羅小青;基于分位數(shù)回歸的中國GDP與電力消費量關(guān)系研究[D];華南理工大學(xué);2015年

3 于琴;西部地區(qū)農(nóng)村產(chǎn)權(quán)抵押貸款對農(nóng)戶收入的影響研究[D];西北農(nóng)林科技大學(xué);2015年

4 王歡歡;績效評估角度的信息化升級時間域選擇模型[D];首都經(jīng)濟貿(mào)易大學(xué);2015年

5 劉袁;利率市場化背景下商業(yè)銀行利率風(fēng)險的測度[D];南京財經(jīng)大學(xué);2015年

6 周策;VaR模型在我國開放式上市基金市場的實證分析[D];廣東外語外貿(mào)大學(xué);2015年

7 耿國強;分位數(shù)回歸理論及其在金融時間序列的應(yīng)用[D];中國礦業(yè)大學(xué);2015年

8 王琪鋒;復(fù)合分位數(shù)回歸在線性時間序列下的應(yīng)用[D];大連理工大學(xué);2015年

9 吳博聞;刪失數(shù)據(jù)下部分線性變系數(shù)模型的分位數(shù)回歸[D];大連理工大學(xué);2015年

10 凌珂;生長曲線模型的分位數(shù)回歸與變量選擇[D];華東師范大學(xué);2015年

，

本文編號：1981111