目录
前言
#随着上一轮SPSS学习完成之后,本人又开始了新教材《交通安全分析》的学习
#整理过程不易,喜欢UP就点个免费的关注趴
#本期内容接上一期08笔记
当天学习笔记整理
4信控交叉口交通安全分析
- 交通事故数据的处理主要有以下两步:1、交通事故地点定位;2、划定交叉口安全影响区,确定与交叉口相关的交通事故。--《交通安全分析》P79
- 《城市道路设计规程》(DGJ 08—2106—2012)中指出,交叉口设计范围应包含整个交叉口的功能区,即相交道路的相交区域和进、出口道路段,包括展宽段和渐变段、非机动车道、人行道及过街设施等。--城市道路设计规程:DGJ 08—2106—2012 2012[S],《交通安全分析》P79
- 广义线性模型(Generalized Linear Model,GLM)是早期常用的安全分析模型,其中包括泊松模型(Poission Model)、负二项模型(Negative Binomial,NB)。--《交通安全分析》P81
- 负二项模型可有效处理事故数据的过度离散问题,因而被广泛应用于交通安全研究中。--Modeling traffic accident occurrence and involvement 2000[J],Relationship between level of service and traffic safety at signalized intersections:grouped random parameter method 2018[J],《交通安全分析》P81
- 分层模型考虑了同组样本之间的相互关联,比起传统GLM模型,分层模型可以得出更可靠的统计推断。--《交通安全分析》P81
- 位于同一条主干道上的各交叉口有着类似的几何设计和交通流量,因此具有同质性(homogeneity);位于不同主干道上的交叉口则可认为是相互独立的,具有异质性(heterogeneity)。--《交通安全分析》P81-82
- 位于同一条主干道的邻近信控交叉口往往采用联动控制,彼此之间的交通流相互影响。因此,交叉口事故观测值在空间上往往存在着相关性。----《交通安全分析》P83
- 统计学家们建立了一系列空间回归模型,以解决存在空间相关性的数据,条件自回归(Conditional Autoregressive,CAR)模型便是这类模型的代表之一。--《交通安全分析》P83
- 考虑同一主干道上信控交叉口的空间关联性,建立分层条件自回归模型。--《交通安全分析》P83
- WinBUGS利用吉布斯取样法(Gibbs sampling)来完成贝叶斯模型标定,吉布斯取样法被广泛应用于马尔可夫链的模型中。--《交通安全分析》P84
- 采用95%贝叶斯置信区间(Bayesian Credible Interval,BCI)判断模型解释变量的显著性,如果某变量95%BCI不覆盖0,则可认为该变量在95%水平上显著,反之亦然。--《交通安全分析》P85
- 采用WinBUGS绘制变量的波动轨迹(trace)和密度分布曲线(density),以用于检查变量的显著性,根据WinBUGS用户手册,如果变量轨迹波动不大,密度分布曲线呈钟形,则认为该变量显著。--《交通安全分析》P85-86
结束语
#好啦~,以上就是我《交通安全分析》第九期学习笔记的学习情况啦~,希望能与大家交流学习经验,共同进步吖~
#也非常感谢大家对我的一路陪伴,宝子们的关注、支持和打赏就是up儿不断更新滴动力