本文選題：事故嚴(yán)重程度 + 事故影響因素�。� 參考：《北京交通大學(xué)》2017年碩士論文

【摘要】：隨著機動化進(jìn)程的不斷加快,各國交通安全方面的壓力也不斷增大。在學(xué)術(shù)界,利用統(tǒng)計學(xué)模型對交通事故數(shù)據(jù)進(jìn)行分析,探索事故因素與事故嚴(yán)重程度之間的復(fù)雜關(guān)系已經(jīng)成為交通領(lǐng)域的一個重要分支。在這個領(lǐng)域中,模型的特性以及擬合的效果直接影響到交通事故數(shù)據(jù)挖掘的精度與深度,若采用不合理的統(tǒng)計學(xué)模型對這種復(fù)雜關(guān)系進(jìn)行建模分析,結(jié)果可能導(dǎo)致對事故數(shù)據(jù)的有偏估計和事故因素的錯誤解釋。本文以事故嚴(yán)重程度分類模式為出發(fā)點,提出了一種Hybrid有限混合模型(Hybrid Finite Mixture Model,HFM)來對事故因素與事故嚴(yán)重程度的復(fù)雜關(guān)系進(jìn)行建模。首先,通過分析導(dǎo)致交通事故發(fā)生的影響因素,確定了以人、車、路、環(huán)境方面的17個重要的事故因素及其特點,將事故嚴(yán)重程度按照KACBO分類法分為五類,選擇美國事故總評系統(tǒng)(General Estimates System,GES)的部分機動車事故數(shù)據(jù)作為樣本。其次,基于對事故數(shù)據(jù)以及事故嚴(yán)重程度分類模式復(fù)雜性的考慮,本文提出了 HFM模型,它由兩個不同分類的多元回歸模型混合組成,其中一組為多項Logit模型(Multinomial Logit Model,MNL),代表無序化的數(shù)據(jù)生成過程,另一組為有序Logit模型(Ordered Logit Model,OL),代表有序化的數(shù)據(jù)生成過程,通過EM算法采用概率選擇的方式來決定兩個成分的權(quán)重。雖然已有學(xué)者運用同分類的傳統(tǒng)有限混合模型對事故嚴(yán)重程度進(jìn)行了研究,這些混合模型中的成分均屬于同一類模型,在事故嚴(yán)重程度分類模式上還存在著局限性。HFM模型試圖規(guī)避傳統(tǒng)有限混合模型采取單一分類(無序或有序)而導(dǎo)致分類模式失真的問題,利用不同成分有限混合模型對事故嚴(yán)重程度進(jìn)行分析成為一種新思維。最后,本文將HFM模型與其他四種模型進(jìn)行了模型評價和彈性分析,包括通過分析模型參數(shù)來對事故因素與事故嚴(yán)重程度關(guān)系進(jìn)行解釋,以及通過三種不同的評價準(zhǔn)則對模型進(jìn)行綜合評價。研究結(jié)果表明,HFM模型和其他四種模型均認(rèn)為30歲以上年齡段、女性駕駛員、車輛追尾會不同程度地加重事故嚴(yán)重程度,而車輛拖尾則會減輕事故嚴(yán)重程度。此外,HFM模型具有無序化特點的事故嚴(yán)重程度分類模式占據(jù)著主導(dǎo)地位。相比多元回歸模型和傳統(tǒng)有限混合模型,HFM模型綜合評價結(jié)果最佳,可以有效捕捉潛在因素的異質(zhì)性,能挖掘事故數(shù)據(jù)中更多的信息。
[Abstract]:With the acceleration of motorization process, the pressure of traffic safety in various countries is also increasing. In academic circles, it has become an important branch of traffic field to analyze traffic accident data by statistical model and explore the complex relationship between accident factors and accident severity. In this field, the characteristics of the model and the effect of fitting directly affect the precision and depth of traffic accident data mining. The results may lead to biased estimation of accident data and misinterpretation of accident factors. Based on the classification model of accident severity, a hybrid finite mixture model (HFM) is proposed to model the complex relationship between accident factors and accident severity. First of all, by analyzing the influencing factors of traffic accidents, 17 important accident factors and their characteristics in people, cars, roads and environment are determined, and the severity of accidents is classified into five categories according to KACBO classification. Select some of the motor vehicle accident data from the General estimates system as a sample. Secondly, based on the complexity of accident data and accident severity classification model, this paper proposes an HFM model, which is composed of two multivariate regression models with different classification. One group is multi-logit model (MNL), which represents the process of unordered data generation, and the other group is ordered logit model (OL), which represents ordered logit model. The weight of two components is determined by means of probability selection through EM algorithm. Although some scholars have studied the severity of accidents using traditional finite mixing models of the same classification, the components of these models all belong to the same class of models. In the classification model of accident severity, there is also the limitation. HFM model tries to avoid the traditional limited mixed model to adopt a single classification (disorder or order), which leads to the distortion of classification mode. It is a new way to analyze the severity of accidents by using finite mixing models with different components. Finally, the HFM model and the other four models are evaluated and analyzed, including the analysis of the model parameters to explain the relationship between the accident factors and the severity of the accident. And through three different evaluation criteria for comprehensive evaluation of the model. The results show that the HFM model and the other four models all think that female drivers and rear-end vehicles will aggravate the severity of the accident in varying degrees, while the trailing of the vehicle will reduce the severity of the accident. In addition, HFM model with disordered characteristics of accident severity classification model occupies a dominant position. Compared with the multiple regression model and the traditional HFM model, the HFM model can effectively capture the heterogeneity of potential factors and mine more information from the accident data.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U491.31

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 宗芳;許洪國;張慧永;;基于Ordered Probit模型的交通事故受傷人數(shù)預(yù)測[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2012年07期

2 馬壯林;邵春福;董春嬌;王搶;;基于累積Logistic模型的交通事故嚴(yán)重程度時空分析[J];中國安全科學(xué)學(xué)報;2011年09期

3 馬壯林;邵春福;李霞;;基于Logistic模型的公路隧道交通事故嚴(yán)重程度的影響因素[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年02期

4 李世民;孫明玲;關(guān)宏志;;基于累積Logistic模型的交通事故嚴(yán)重程度預(yù)測模型[J];交通標(biāo)準(zhǔn)化;2009年Z1期

5 沈斌;金峰;王宏雁;;基于關(guān)聯(lián)規(guī)則挖掘的行人保護(hù)研究[J];農(nóng)業(yè)裝備與車輛工程;2008年07期

6 張生瑞;馬壯林;石強;;高速公路隧道群交通事故分布特點及預(yù)防對策[J];長安大學(xué)學(xué)報(自然科學(xué)版);2007年01期

7 薛改樣,崔法曾,趙祖昌;交通事故中機動車駕駛員身體條件的影響因素[J];工業(yè)衛(wèi)生與職業(yè)病;2003年01期

8 劉小明 ,任福田 ,朱弘戈;基于數(shù)量化理論的高速公路交通事故預(yù)測方法[J];道路交通與安全;2001年01期

相關(guān)博士學(xué)位論文 前3條

1 孫軼軒;基于數(shù)據(jù)挖掘的道路交通事故分析研究[D];北京交通大學(xué);2014年

2 馬壯林;高速公路交通事故時空分析模型及其預(yù)防方法[D];北京交通大學(xué);2010年

3 成衛(wèi);城市道路交通事故與交通沖突技術(shù)理論模型及方法研究[D];吉林大學(xué);2004年

相關(guān)碩士學(xué)位論文 前5條

1 劉昕宇;基于數(shù)據(jù)挖掘的道路交通事故序列模式與嚴(yán)重程度預(yù)測研究[D];北京交通大學(xué);2016年

2 劉海珠;道路交通事故嚴(yán)重程度影響因素分析及預(yù)測模型建立[D];吉林大學(xué);2014年

3 李曉夢;基于駕駛模擬實驗的駕駛員緊急避撞行為研究[D];北京交通大學(xué);2013年

4 相文森;城市冰雪道路交通事故成因及發(fā)生機理研究[D];哈爾濱工業(yè)大學(xué);2010年

5 江歡;基于有限混合模型的自動圖像標(biāo)注研究[D];安徽大學(xué);2010年

，

本文編號：2087286