基于改進Logit模型的高速公路交通事故嚴重程度分析方法
發(fā)布時間:2021-01-25 21:00
高速公路交通事故是危害人身財產安全的重大隱患之一,亟待解決。解決問題的關鍵在于對已發(fā)事故嚴重程度進行研究,依據(jù)數(shù)據(jù)反映的事故嚴重程度發(fā)生規(guī)律采取相應措施減輕事故傷亡。本文以基礎離散選擇模型(多項Logit模型)為主要依托,建立了一種中觀與微觀層面分析結合的組合嚴重程度分析預測模型——考慮異質性及參數(shù)組間差異的潛類別混合Logit模型(簡稱“改進模型”)。為確保模型捕捉到單車事故與多車事故間的差異,本文針對單車事故和多車事故分別進行分析。首先,對交通事故嚴重程度離散選擇模型的基礎理論及原理進行對比分析,選定多項Logit模型作為事故嚴重程度分析的基礎方法;利用2008年~2017年黑龍江省高速事故數(shù)據(jù),標定了事故嚴重程度多項Logit模型。其次,為刻畫各因素對事故嚴重程度影響的異質性,在多項Logit模型基礎上引入隨機參數(shù),構建混合Logit模型,并采用模擬極大似然估計方法對混合Logit模型進行參數(shù)估計;為體現(xiàn)多項Logit模型中參數(shù)組間差異性,構建潛類別Logit模型,并采用極大似然估計方法對模型進行求解。然后,為綜合解析異質性和參數(shù)組間差異性,融合混合Logit和潛類別Logit模...
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】:76 頁
【學位級別】:碩士
【部分圖文】:
單車與多車事故嚴重程度占比情況對比
自變量相關系數(shù)矩陣熱圖
哈爾濱工業(yè)大學工程碩士學位論文-17-第3章基于Logit的事故嚴重程度預測模型構建3.1多項Logit模型預測原理3.1.1多項Logit模型結構當考慮不同事故嚴重程度的發(fā)生概率時,若使用線性模型P(Y=2)=β0+β1x,則會存在兩個問題:一是概率估計值可能大于1,模型無意義;二是邊際效應假定不變,線性模型表現(xiàn)能力差。因此引入廣義線性模型,使概率模型更真實。Logit實際為log-it(對“it”取對數(shù)),“it”指事故嚴重程度k發(fā)生概率Pk與事故嚴重程度k不發(fā)生概率(1-Pk)的比值(Odds)Pk/(1-Pk)。Logit模型定義為:011log...1kmmkPxxP=+++(3-1)式中x——自變量;m——自變量個數(shù);β——自變量參數(shù)。事故嚴重程度k發(fā)生概率Pk與log1kkPP的關系如圖3-1所示,由式(3-1)可知:Logit沒有上下限且公式為封閉形式,易于解釋,建模優(yōu)勢明顯。圖3-1概率Pk與Logit之間的關系圖離散選擇模型需引入效用函數(shù)定義,該定義來自銷售行業(yè)。本研究類比提出針對事故嚴重程度的效用函數(shù)定義:表示事故n的嚴重程度與各主客觀因素組合X
【參考文獻】:
期刊論文
[1]基于誘導行車視線與防眩功能的高速公路中央分車帶植物種植間距研究[J]. 樊亞珍,王良桂,汪結明,向言詞,彭文罡,王晨陽,劉炳攸. 南京林業(yè)大學學報(自然科學版). 2019(06)
[2]基于Logistics回歸的道路交通事故影響因素辨識方法[J]. 陳艷艷,李向楠,孫智源,熊杰. 交通科技與經(jīng)濟. 2018(05)
[3]基于部分優(yōu)勢比的公路隧道交通事故嚴重程度分析模型[J]. 趙躍峰,張生瑞,馬壯林. 中國公路學報. 2018(09)
[4]考慮異質性的翻車事故傷害建模[J]. 溫惠英,湯左淦,盧德佑. 中國安全科學學報. 2018(09)
[5]基于有序Logit與Probit模型的交通事故嚴重性影響因素分析[J]. 胡驥,閆章存,盧小釗,胡萬欣. 安全與環(huán)境學報. 2018(03)
[6]基于Logistic的山區(qū)連續(xù)長下坡路段交通事故嚴重程度分析[J]. 張娟,朱文強,王凱,陶珂. 西安建筑科技大學學報(自然科學版). 2017(06)
[7]降雪天氣對快速路交通特征的影響及對策[J]. 馬符銘,劉浩. 交通科技與經(jīng)濟. 2016(04)
[8]道路因素對典型較嚴重道路交通事故嚴重性的影響分析[J]. 王長君,王勵旸,李瑞敏. 交通信息與安全. 2016(03)
[9]高速公路交通事故影響因素分析及傷害估計[J]. 王磊,呂璞,林永杰. 中國安全科學學報. 2016(03)
[10]高速公路隧道交通事故嚴重程度的影響因素分析[J]. 馬壯林,邵春福,李霞. 北京交通大學學報. 2009(06)
碩士論文
[1]山地城市道路彎坡段交通安全的影響與評價[D]. 陳航.重慶交通大學 2018
[2]基于貝葉斯網(wǎng)絡的高速公路交通事故嚴重程度預測研究[D]. 童璐璐.北京交通大學 2018
[3]基于有序Logit和多項Logit模型的高速公路交通事故嚴重程度預測[D]. 李庚憑.長安大學 2018
[4]道路線形因素對交通安全的影響分析[D]. 楊挺.長安大學 2017
[5]基于數(shù)據(jù)挖掘的道路交通事故序列模式與嚴重程度預測研究[D]. 劉昕宇.北京交通大學 2016
本文編號:2999889
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】:76 頁
【學位級別】:碩士
【部分圖文】:
單車與多車事故嚴重程度占比情況對比
自變量相關系數(shù)矩陣熱圖
哈爾濱工業(yè)大學工程碩士學位論文-17-第3章基于Logit的事故嚴重程度預測模型構建3.1多項Logit模型預測原理3.1.1多項Logit模型結構當考慮不同事故嚴重程度的發(fā)生概率時,若使用線性模型P(Y=2)=β0+β1x,則會存在兩個問題:一是概率估計值可能大于1,模型無意義;二是邊際效應假定不變,線性模型表現(xiàn)能力差。因此引入廣義線性模型,使概率模型更真實。Logit實際為log-it(對“it”取對數(shù)),“it”指事故嚴重程度k發(fā)生概率Pk與事故嚴重程度k不發(fā)生概率(1-Pk)的比值(Odds)Pk/(1-Pk)。Logit模型定義為:011log...1kmmkPxxP=+++(3-1)式中x——自變量;m——自變量個數(shù);β——自變量參數(shù)。事故嚴重程度k發(fā)生概率Pk與log1kkPP的關系如圖3-1所示,由式(3-1)可知:Logit沒有上下限且公式為封閉形式,易于解釋,建模優(yōu)勢明顯。圖3-1概率Pk與Logit之間的關系圖離散選擇模型需引入效用函數(shù)定義,該定義來自銷售行業(yè)。本研究類比提出針對事故嚴重程度的效用函數(shù)定義:表示事故n的嚴重程度與各主客觀因素組合X
【參考文獻】:
期刊論文
[1]基于誘導行車視線與防眩功能的高速公路中央分車帶植物種植間距研究[J]. 樊亞珍,王良桂,汪結明,向言詞,彭文罡,王晨陽,劉炳攸. 南京林業(yè)大學學報(自然科學版). 2019(06)
[2]基于Logistics回歸的道路交通事故影響因素辨識方法[J]. 陳艷艷,李向楠,孫智源,熊杰. 交通科技與經(jīng)濟. 2018(05)
[3]基于部分優(yōu)勢比的公路隧道交通事故嚴重程度分析模型[J]. 趙躍峰,張生瑞,馬壯林. 中國公路學報. 2018(09)
[4]考慮異質性的翻車事故傷害建模[J]. 溫惠英,湯左淦,盧德佑. 中國安全科學學報. 2018(09)
[5]基于有序Logit與Probit模型的交通事故嚴重性影響因素分析[J]. 胡驥,閆章存,盧小釗,胡萬欣. 安全與環(huán)境學報. 2018(03)
[6]基于Logistic的山區(qū)連續(xù)長下坡路段交通事故嚴重程度分析[J]. 張娟,朱文強,王凱,陶珂. 西安建筑科技大學學報(自然科學版). 2017(06)
[7]降雪天氣對快速路交通特征的影響及對策[J]. 馬符銘,劉浩. 交通科技與經(jīng)濟. 2016(04)
[8]道路因素對典型較嚴重道路交通事故嚴重性的影響分析[J]. 王長君,王勵旸,李瑞敏. 交通信息與安全. 2016(03)
[9]高速公路交通事故影響因素分析及傷害估計[J]. 王磊,呂璞,林永杰. 中國安全科學學報. 2016(03)
[10]高速公路隧道交通事故嚴重程度的影響因素分析[J]. 馬壯林,邵春福,李霞. 北京交通大學學報. 2009(06)
碩士論文
[1]山地城市道路彎坡段交通安全的影響與評價[D]. 陳航.重慶交通大學 2018
[2]基于貝葉斯網(wǎng)絡的高速公路交通事故嚴重程度預測研究[D]. 童璐璐.北京交通大學 2018
[3]基于有序Logit和多項Logit模型的高速公路交通事故嚴重程度預測[D]. 李庚憑.長安大學 2018
[4]道路線形因素對交通安全的影響分析[D]. 楊挺.長安大學 2017
[5]基于數(shù)據(jù)挖掘的道路交通事故序列模式與嚴重程度預測研究[D]. 劉昕宇.北京交通大學 2016
本文編號:2999889
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/2999889.html