基于Hybrid有限混合模型的交通事故嚴(yán)重程度分析.pdf

1、隨著機(jī)動化進(jìn)程的不斷加快，各國交通安全方面的壓力也不斷增大。在學(xué)術(shù)界，利用統(tǒng)計學(xué)模型對交通事故數(shù)據(jù)進(jìn)行分析，探索事故因素與事故嚴(yán)重程度之間的復(fù)雜關(guān)系已經(jīng)成為交通領(lǐng)域的一個重要分支。在這個領(lǐng)域中，模型的特性以及擬合的效果直接影響到交通事故數(shù)據(jù)挖掘的精度與深度，若采用不合理的統(tǒng)計學(xué)模型對這種復(fù)雜關(guān)系進(jìn)行建模分析，結(jié)果可能導(dǎo)致對事故數(shù)據(jù)的有偏估計和事故因素的錯誤解釋。
　　本文以事故嚴(yán)重程度分類模式為出發(fā)點(diǎn)，提出了一種Hybrid有限混

2、合模型(Hybrid Finite Mixture Model，HFM)來對事故因素與事故嚴(yán)重程度的復(fù)雜關(guān)系進(jìn)行建模。首先，通過分析導(dǎo)致交通事故發(fā)生的影響因素，確定了以人、車、路、環(huán)境方面的17個重要的事故因素及其特點(diǎn)，將事故嚴(yán)重程度按照KACBO分類法分為五類，選擇美國事故總評系統(tǒng)(General Estimates System，GES)的部分機(jī)動車事故數(shù)據(jù)作為樣本。其次，基于對事故數(shù)據(jù)以及事故嚴(yán)重程度分類模式復(fù)雜性的考慮，本文提出

3、了HFM模型，它由兩個不同分類的多元回歸模型混合組成，其中一組為多項Logit模型(Multinomial Logit Model，MNL)，代表無序化的數(shù)據(jù)生成過程，另一組為有序Logit模型(Ordered Logit Model，OL)，代表有序化的數(shù)據(jù)生成過程，通過EM算法采用概率選擇的方式來決定兩個成分的權(quán)重。雖然已有學(xué)者運(yùn)用同分類的傳統(tǒng)有限混合模型對事故嚴(yán)重程度進(jìn)行了研究，這些混合模型中的成分均屬于同一類模型，在事故嚴(yán)重程度

4、分類模式上還存在著局限性。HFM模型試圖規(guī)避傳統(tǒng)有限混合模型采取單一分類（無序或有序）而導(dǎo)致分類模式失真的問題，利用不同成分有限混合模型對事故嚴(yán)重程度進(jìn)行分析成為一種新思維。最后，本文將HFM模型與其他四種模型進(jìn)行了模型評價和彈性分析，包括通過分析模型參數(shù)來對事故因素與事故嚴(yán)重程度關(guān)系進(jìn)行解釋，以及通過三種不同的評價準(zhǔn)則對模型進(jìn)行綜合評價。
　　研究結(jié)果表明，HFM模型和其他四種模型均認(rèn)為30歲以上年齡段、女性駕駛員、車輛追尾會不