利用面板数据的高速公路安全分析

随着汽车保有量的增加,交通事故已成为威胁人们生活的安全隐患．使用Paneldata模型进行不同路段交通事故的统计回归分析．分别介绍了个体固定效应模型和随机效应模型的建立过程以及相关检验,并应用于京津塘高速公路的事故分析．Hausman检验表明,个体固定效应回归模型更加合理、适合于高速公路事故分析．同时可识别路段间的差异,快速定位事故高发路段．     

高速公路事故预测模型

为了掌握高速公路未来的安全状况,通过有效地控制各种影响因素,减少交通事故,增进高速公路安全,在路段划分和影响因素分析的基础上,利用收集的多条高速公路数据建立了基于广义线性回归的高速公路事故预测模型,通过比较泊松、负二项、零堆积泊松和零堆积负二项4种概率分布模型回归的结果,最终确定了负二项分布形式的事故预测模型,并利用弹性分析的方法确定了模型中单个变量对事故的边际影响.研究表明:环境变量和交通流变量对事故的发生有较大影响.     

恶劣天气下高速公路实时事故风险预测模型

先提取了美国加州I-880N高速公路上一段长为23km路段的实时交通流数据、事故数据和气象数据。然后采用Logistic模型建立了基于交通流数据和气象数据的事故风险预测模型。研究结果表明:天气条件对事故风险有显著影响,在雨天和雾天的比值比(Odds ratios)分别为6.4和4.4时,事故风险性分别提高了5.4和3.4倍。最后建立了不含天气参数的事故风险预测模型,结果表明:含有天气参数的实时事故风险模型预测精度为71.7%,不含天气参数的模型预测精度为66.5%,表明天气条件可以显著提高实时事故风险模型的预测精度。     

城市交通弱势群体事故原因分析及事故烈度模型

城市交通弱势群体事故原因分析及事故烈度模型以北京城市中心区为例,研究了城市交通弱势群体事故发生原因,结合交通弱势群体事故的特点及事故机理分析,提出了动态视线障碍的概念.依据交通弱势群体事故发生频率与严重程度,提出了事故烈度的概念和冲突烈度指标,通过数据分析,建立区域事故烈度与交通流量、车速之间的函数关系,以便更好地预测和评价交通弱势群体的交通安全形势状况.     

基于BP神经网络的高速公路旅行时间预测模型

针对目前高速公路检测器铺设密度较低导致预测路段旅行时间准确率不高的问题,利用联网收费数据建立旅行时间预测模型,用于预测路段旅行时间.首先根据收费数据计算出路段旅行时间,对其进行修正后建立真实旅行时间集,然后利用随机森林算法从构建的旅行时间备选变量中筛选出重要变量,以此作为输入建立基于BP神经网络的旅行时间预测模型,最后...     

基于ArcIMS的城市突发性大气污染事故预测模型图像表征技术的研究

探讨了城市突发性大气污染事故预测模型图像表征技术，阐述了基于ArcIMS的原型系统的框架结构、预测模型选取及其实现的关键技术。通过模拟测试，该系统能够准确地表征城市突发性大气污染事故中污染物的扩散范围、浓度分布等情况。     

基于面板数据的交通事故宏观模型研究

作者基于7个国家1963—2005年的历史数据,分析了国内外交通事故的发展规律,阐述了宏观因素对交通安全的影响.通过模型比较,选择面板数据模型研究影响因素之间的关系,分别采用固定效应模型和随机效应模型进行估计.通过Husman检验表明,固定效应模型可以很好地描述交通事故十万人口死亡率与其他经济指标间的关系.结果表明,我国在当前经济发展GDP增长、汽车保有量增加的情形下,交通事故十万人口死亡率仍然会持续上升.     

开放区域混合人口预测模型及其应用

本文用Logistic模型对北京某区的总人口进行了预测,用生命表滚动预测模型推算出了该区的人口结构比重,并利用这两个模型相结合的混合预测方法,对该区的劳动力资源和老年人口数进行了预测和分析,并在此基础上提出了相关的建议.     

考虑碰撞角色的双车事故驾驶伤害程度研究

为研究双车事故中驾驶员伤害程度的影响因素及碰撞角色的交互作用,基于中国深圳市在2018—2020年的双车碰撞事故数据,利用随机森林算法计算特征变量的重要度以筛选出候选自变量,建立考虑碰撞角色的驾驶员受伤严重程度二元logit模型．结果表明,碰撞角色、事故责任、车型、事故形态、驾龄、能见度、车辆间碰撞形态、学历、道路等级、安全保护装置使用情况、路侧防护设施类型及照明条件与双车事故驾驶员的伤害程度显著相关;碰撞角色与车型和事故形态存在显著的交互效应．研究结果有助于深入理解双车事故中驾驶员伤害程度的影响机理,帮助交通管理部门制定相应的交通安全对策．     

基于C-LSTM的短期用电预测模型和应用

基于深度学习下的长短期记忆循环神经网络对家庭短期用电预测进行研究.本研究引入卷积神经网络(convolutional neural network,CNN)和长短期记忆(long short term memory,LSTM)模型结合的混合深度神经网络模型C-LSTM,并在此模型基础上提出多步预测策略.根据对5个真实家...     

聚类分析方法在嵩待公路交通事故中的应用

在云南省嵩待（嵩明一待补）公路交通事故数据的基础上,系统研究交通事故特征,提出聚类分析方法、聚类步骤。并应用聚类分析方法对嵩待公路交通事故的多发时段、事故形态、多发路段进行了分析。在此基础上针对这些特点进行了成因分析,并进一步提出了控制和减少道路交通事故的相关对策。     

龙泉路事故多发致因分析

龙泉路为昆明市道路交通事故多发段之一.通过长期的实地交通观测和调查,选择了一个该路段事故致因的典型地点系统地分析龙泉路事故多发的原因,并提出治理建议.     

高速公路交通安全的影响因素及预防途径

通过分析高速公路交通事故的现状及特点 ,分别从人、车、路三方面探讨了诱发交通事故的原因。并结合我国的交通现状 ,提出了交通事故的预防途径 ,对在高速公路上行驶的车辆如何减少和预防交通事故的发生 ,将起到一定的警示、借鉴作用     

道路中微观路段事故概率预测模型

用贝叶斯方法求解泊松分布参数估计量,得到微观路段事故发生次数理论值预测模型和概率预测模型,并提出用累积概率表确定事故预测区间的方法,较好地解决了路网中某地点事故预测的难题。     

基于数据挖掘技术的交通流数据分析研究

利用数据挖掘技术,通过对历史数据的分析预测下一个时间间隔的交通流状况,可以为交通流诱导和信息发布打下基础;通过对路口流量历史数据的聚类分析可得出单路口TOD控制算法的最优时段分段和各时段中的最优控制参数,从而优化单路口控制算法的控制效果;通过对路段流量历史数据之间的关联分析,可得出路段之间的关联规则,从而可以由一个路段的流量推断其关联路段的流量,为实时交通流诱导和信息发布提供实时依据。     

基于SP和RP数据融合的城市轨道交通选择模型

针对SP数据存在的行为结果与意向结果不一致的问题,介绍了利用RP数据修正要SP数据的方法.以北京为例,建立了RP模型、SP模型和融合数据模型,并对模型的灵敏度进行了分析,结果表明,RP模型中费用变量的参数估计值符号与实际不符;SP数据模型精度较高,但某些参数的影响不是很显著;融合数据模型的参数检验较显著,模型的弹性小,敏感性被钝化.     

道路交通事故灰色预测模型及应用研究

道路交通系统是一个动态的不确定性系统,交通事故的发生具有随机性。针对道路交通系统“部分信息已知,部分信息未知”的特征,采用灰色系统理论,着重研究“小样本、贫信息”的不确定问题及“外延明确、内涵不明确”的随机对象,实现“少数据建模”。本文通过灰色生成算子的作用弱化随机性,挖掘潜在规律,经过灰色差分方程与灰色微分方程之间的互换实现了利用离散数据序列建立连续动态微分方程的过程,对交通事故进行预测及精度检验。实例分析结果表明,此方法能够更加合理、科学、准确地预测交通事故的发展态势。     

数据仓库中的一种星型数据模型

数据仓库和联机分析处理（OLAP）是第三代数据库系统的两个重要新技术，由于没有对OLAP形成准确的、共同认可的数据概念模型，造成目前一些支持OLAP的数据模型都有一些不合理的限制，除非这些模型重新设计，否则不能回答特殊类型的询问，在此基础上，形式化地定义了一种基于关系的简单、直观的描述复杂大型数据的星型数据模型，并设计了2个简单的星型关系代数以支持在该数据模型上的OLAP操作。     

基于电网实时数据模型的数据展示与分析平台

根据实时数据库的技术特点,介绍了基于设备的电网实时数据模型的搭建流程.该系统利用所搭建的数据模型对数据库中的数据进行检索,并将检索到的有效数据进行展示,使运行人员能够快速了解系统的运行状态.