学习笔记——交通安全分析09

目录

前言

当天学习笔记整理

4信控交叉口交通安全分析 

结束语 

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 

1. 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
2. 《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
3. 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
4. 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
5. 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
6. 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
7. 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
8. 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
9. 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
10. 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
11. 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
12. 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