基于空間計量模型的交通事故分析與預(yù)測.pdf

1、為了減少交通事故，交通工作者開展了大量富有成效的工作，如提高車輛安全性能、改善道路安全設(shè)施、優(yōu)化線形設(shè)計以及研究交通安全機理等。其中，關(guān)于交通安全機理的研究，特別是交通事故的影響因素分析，不僅能從原理上探究事故的影響因素，而且可以根據(jù)因素的重要性和影響程度采取針對性的改善措施，同時對道路事故做出相應(yīng)的預(yù)測。本文通過構(gòu)建多種空間計量模型，分析并預(yù)測道路線形、交通特性、人口特征、土地利用和周邊環(huán)境等因素對交通事故和行人事故的影響，為減少交通

2、事故、降低事故嚴(yán)重程度奠定理論基礎(chǔ)。本論文開展了如下工作:
　　(1)選取美國德克薩斯州2012年交通事故統(tǒng)計資料，分別從事故、人員、車輛和因素等四個方面，分析交通事故分布特征和發(fā)生規(guī)律，查找道路交通安全問題，確定進一步分析對象。
　　(2)針對交通事故數(shù)據(jù)存在大量零值現(xiàn)象，選取多種擬合優(yōu)度，綜合分析多種零值回歸模型，包括零膨脹泊松模型、零膨脹負(fù)二項模型、多層零膨脹泊松模型、多層零膨脹負(fù)二項模型、泊松Lindley模型和負(fù)二

3、項Lindley模型等，統(tǒng)計結(jié)果表明，負(fù)二項Lindley模型的擬合效果最好，其次是多層零膨脹負(fù)二項模型;而在模型預(yù)測能力方面，負(fù)二項Lindley模型表現(xiàn)最好。
　　(3)應(yīng)用多種單變量空間模型（正態(tài)CAR模型、泊松伽馬CAR模型和泊松對數(shù)正態(tài)CAR模型），提出時間權(quán)重矩陣，對比其他權(quán)重矩陣（相鄰權(quán)重矩陣和距離權(quán)重矩陣），分析不同類型交通事故與多種影響因素之間的關(guān)系。依據(jù)離差信息準(zhǔn)則和貝葉斯信息準(zhǔn)則，統(tǒng)計結(jié)果表明，基于指數(shù)遞減形

4、式的時間權(quán)重矩陣模型的擬合效果在所有模型中表現(xiàn)最好，這表明，對于路網(wǎng)的空間相關(guān)性，時間比距離更能體現(xiàn)空間的鄰近。此外，泊松對數(shù)正態(tài)空間模型優(yōu)于泊松伽馬空間模型和正態(tài)空間模型。
　　(4)提出兩種基于泊松分布的多變量條件自回歸模型（泊松伽馬MCAR模型和泊松對數(shù)正態(tài)MCAR模型），用于擬合變量相關(guān)性、過度散布性和空間相關(guān)性。通過對比擬合優(yōu)度發(fā)現(xiàn):無論基于距離權(quán)重矩陣還是時間權(quán)重矩陣，多變量空間模型的擬合效果明顯優(yōu)于單變量空間模型和非

5、空間模型。運用多變量空間模型分析三種類型事故，包括未受傷事故、輕微事故和嚴(yán)重事故等，選取包括道路線形、交通特性、人口特征、土地利用和周邊環(huán)境等五大類，共17個連續(xù)協(xié)變量和10個啞變量。參數(shù)估計結(jié)果表明，基于距離和時間權(quán)重矩陣的泊松伽馬MCAR和泊松對數(shù)正態(tài)MCAR等四種模型的結(jié)果基本一致，但對于不同類型事故，參數(shù)估計卻存在較大的差異。此外，不同類型交通事故之間的平均彈性和邊際效應(yīng)不同，總體上看，協(xié)變量對未受傷事故影響最大，而對嚴(yán)重事故影

6、響最小。
　　(5)將多變量空間模型和負(fù)二項Lindley模型結(jié)合，提出多變量條件自回歸Lindley模型，擬合大量零值現(xiàn)象、變量相關(guān)性、過度散布性和空間相關(guān)性，選取公交出行情況、土地利用、路網(wǎng)密度、就業(yè)密度、距離學(xué)校百分比和路網(wǎng)車輛里程等六類共17個指標(biāo)，研究宏觀層面（人口普查區(qū)）行人嚴(yán)重事故和非嚴(yán)重事故與影響因素的關(guān)系。參數(shù)估計結(jié)果表明隨著曝光變量人口密度的不斷增加，行人事故率反而下降，行人嚴(yán)重事故和非嚴(yán)重事故之間存在明顯的相