期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于有序Logit模型的高速公路追尾事故持续时间分析
1
作者 陈喆 巫立明 +2 位作者 杨恒旭 温惠英 赵胜 《公路与汽运》 2024年第1期35-39,共5页
追尾事故是高速公路常见事故类型之一。为探究高速公路追尾事故持续时间的特点及影响因素,根据持续时间离散性特征将追尾事故分为3个等级,分别采用有序Logit模型和多项Logit模型建立高速公路追尾事故持续时间分析模型,并通过广东省某高... 追尾事故是高速公路常见事故类型之一。为探究高速公路追尾事故持续时间的特点及影响因素,根据持续时间离散性特征将追尾事故分为3个等级,分别采用有序Logit模型和多项Logit模型建立高速公路追尾事故持续时间分析模型,并通过广东省某高速公路近两年925起追尾事故数据对模型参数进行估计。结果表明,追尾事故占据车道数、受伤人数、事故发生时间、事故发生后10 min内路段平均速度及涉事车辆类型是影响追尾事故持续时间的主要因素,其中占据车道数及受伤人数越多、追尾事故发生于节假日和白天会增加追尾事故的持续时间,事故发生后10 min内路段平均速度每增加一个单位,一般追尾事故与重大追尾事故的概率分别降低0.2%、0.1%;受伤人数每增加1人,一般追尾事故、严重追尾事故的概率分别提高4.8%、1.3%;占据车道数每增加1条,一般追尾事故、严重追尾事故的概率分别提高5.6%、1.5%;涉事车辆中含有大客车、货车及特种车会增加追尾事故的持续时间。 展开更多
关键词 交通安全 高速公路 追尾事故 事故持续时间 有序LOGIT模型 多项Logit模型 边际效应
在线阅读 下载PDF
考虑交通事故时空效应的高速公路交通事故严重程度预测 被引量:3
2
作者 吴楚恩 罗世奎 +1 位作者 巫立明 许佳乐 《公路与汽运》 2023年第4期22-27,34,共7页
为提高高速公路交通事故处置效率,降低交通事故造成的生命财产损失,提出一种基于卷积神经网络(CNN)的高速公路交通事故严重程度预测方法。首先确定交通事故严重程度的影响因素,并根据交通事故损失情况和对事故路段的影响将事故划分为轻... 为提高高速公路交通事故处置效率,降低交通事故造成的生命财产损失,提出一种基于卷积神经网络(CNN)的高速公路交通事故严重程度预测方法。首先确定交通事故严重程度的影响因素,并根据交通事故损失情况和对事故路段的影响将事故划分为轻微事故、一般事故和严重事故三类;然后采用梯度提升决策树法计算各影响因素对交通事故严重程度影响的权重等级,根据权重等级将影响因素特征矩阵转化为灰度图像,即将交通事故数据的单一特征关系转换为包含并行组合关系的方形特征矩阵;以事故数据的时空特性作为输入,构建基于CNN的高速公路交通事故严重程度预测模型,并对模型进行评估与检验。结果表明,在高速公路交通安全事故严重程度评估中,相较于随机森林机器模型和逻辑回归模型,文中模型的识别率明显提高,对严重交通事故的测试准确率超过80%。 展开更多
关键词 交通安全 交通事故 高速公路 严重程度预测 方形特征矩阵 卷积神经网络(CNN)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部