基于空间自相关的城市道路事故多发点鉴别

提出了基于空间自相关鉴别城市道路事故多发点的方法,并利用5年内交通事故数据进行验证.首先,以非参数核密度估计模型描述交通事故点的空间二维分布,得到事故分布密度的最优窗宽为115.2m,借此划分路段的空间单元.然后,基于地理信息系统"面弧"城市道路网络拓扑模型构建空间统计单元,并集计事故数和事故严重度指数属性.最后,通过全局Moran指数检验,事故数据呈现聚集的空间分布模式,局部G统计量鉴别出属性值高低的聚类,并生成事故多发点分布图.研究结果表明,与事故频率建模的负二项模型相比,事故位置与属性数据一体化下的空间数据分析不但能够鉴别路段(交叉口)的事故多发点,而且能够对其属性值进行空间关联排序,交通管理部门可利用空间分析可视化结果定位事故多发点和进一步开展交通安全决策研究.     

基于贝叶斯网络的公交车事故外因分析

为了系统的探究车、路和环境共同作用下的公交车事故致因,利用A市259条公交车事故数据,基于专家知识与数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习。在验证了模型的有效性后,结合贝叶斯网络模型,运用团树传播算法推理了各变量之间的关系。研究结果表明：天气、时间、道路线形、地点都可能导致公交车事故;根据概率由大到小,导致的事故类型依次为非碰撞事故、与小汽车、非机动车、公交车碰撞;且每一事故类型的伤亡情况及最强致因因素都不尽相同。除此之外,各致因因素在不同情况下,导致的事故类型及伤亡情况概率也有差异。相关结果可以为政府及企业建立事故管理制度,减少公交车事故的发生提供一定的依据。     

融合空间自相关的空间数据预测模型

空间数据具有空间自相关的特性,使多元线性回归模型不适合于空间数据预测;空间自相关模型由于考虑了空间信息,可以用于空间预测,但时间耗费较大。为此,在研究多元线性回归模型的基础上,把空间信息加入到输入变量中,再把新的输入变量输入到多元线性回归模型估计模型参数,最后进行空间数据预测。实验结果表明,该方法能取得与空间自相关模型几乎相同的预测效果,且计算代价更小。     

随机误差序列自相关的贝叶斯诊断及其单位根检验

在线性模型Y＝Xβ＋U中，通常假定随机向量U的各分量相互独立、方差相同，而且均服从正态分布。但在利用时间序列数据和横截面数据的模型中，前一期的误差一般与后一期的误差相关，误差项并不满足独立性要求，此时OLS估计不再是最佳线性无偏估计。根据贝叶斯定理，通过自相关系数的条件后验分布，研究了自相关系数的统计推断问题，包括点估计、区间估计、自相关的统计诊断和单位根的统计检验。     

出行生成预测模型的研究

基于居民个体出行决策行为的解释,通过周边小区势能的定义,建成了一个新的出行生成预测模型．该模型综合考虑了交通小区的社会经济发展水平、路网服务水平以及其周边小区的社会经济发展水平对出行生成的影响程度．用所建成的出行生成预测模型分析桂林市现状的居民出行生成,其结果表明该模型具有较好的精度和性能．     

采空区顶板事故动态贝叶斯模型

 在采空区危害中,顶板破坏是主要灾害事故之一,一旦发生塌陷事故影响恶劣。本文在对采空区顶板事故进行事故树分析法（FTA）定性分析的基础上,采用贝叶斯网络转化的方法对采空区顶板事故树进行转化,建立采空区顶板事故贝叶斯网络模型,同时采用基于Matlab的BNT软件包进行定量计算,无需确定权重,对先验概率和后验概率结果对比分析,得出影响采空区的主要因素,认为采空区顶板事故发生的条件概率中,施工人员未按照设计开采和支护不当的重要度最大,因此在实际施工过程中,施工人员必须严格按照设计开采,加强支护,以确保采空区顶板稳定。     

基于贝叶斯-事故树的石化企业罐区泄漏风险研究

石化行业是我国工业进程中的重要产业.由于石化行业生产原料、中间体和产品种类繁多,大多属于危险化学品,且工艺复杂,导致石化企业存在大量密集重大危险源,一旦发生泄漏将会造成严重的人身财产损失.因此对石化企业泄漏风险进行研究具有重要意义.通过构建贝叶斯-事故树分析模型对石化企业罐区泄漏风险进行研究,对随机性和不确定性较大的石化企业泄漏风险概率的计算提出了一定的解决方案,并最终运用于实际案例中.通过对天津某石化仓储企业罐区泄漏风险进行贝叶斯-事故树模型分析,得到该企业储罐区泄漏概率区间为(1.96×10^-3,2.07×10^-3).     

空间自回归模型中系数变量及误差项的贝叶斯估计

文章基于长三角地区26个城市10年间的空间面板数据,通过建立空间自回归模型,针对似然函数的复杂情况,分别采用马尔科夫链蒙特卡洛方法和近似贝叶斯计算进行贝叶斯推断。数值结果表明,服务业集聚度以及固定资产投资对于地区生产总值影响最大。通过比较两类方法的估计结果发现:马尔科夫链蒙特卡洛方法虽依赖于似然的核函数,对于先验超参数的设定更为敏感,且要求控制采样样本的自相关性,但可以高效地估计参数;而近似贝叶斯计算方法能够避免求解似然函数,对先验超参数的设定更稳固,同时也能有效地估计参数。     

基于贝叶斯Logit模型的死亡事故发生概率分析

为了进一步提高交通安全水平,揭示死亡交通事故发生概率的主要影响因素,通过对2013—2018年淄博市境内伤亡交通事故数据的统计描述与深度解析,采用Logit回归的方法对交通事故死亡发生概率及其影响因素进行分析和描述,建立了贝叶斯Logit事故分析模型;利用极大似然法对模型初始参数进行估计,并基于吉布斯采样的蒙特卡洛马尔科夫链算法对模型参数后验分布进行迭代计算和标定;根据接收者操作特性曲线对模型拟合优度进行评价。研究结果表明:(1)凌晨时段(0:00-7:00)发生死亡事故的概率最高,早高峰时段(7:00-10:00)发生死亡事故的概率是凌晨时段的0.83倍;(2)发生严重的交通事故时,单方事故出现人员死亡的概率是多方事故的2.08倍;(3)雨天出现死亡交通事故的概率是晴天的1.12倍,雪天发生死亡交通事故的概率是晴天的0.34倍,并且死亡事故的发生概率随着能见度的降低而升高。     

基于贝叶斯网络的网约车交通事故致因机理分析

为了缓解网约车交通事故,以网约车驾驶员为研究对象,探究网约车交通事故致因机理.通过调查问卷收集了2 458名网约车驾驶员个体属性、工作强度、工作压力、不良驾驶行为和交通事故经历的相关信息.对数据进行分类处理后,通过贝叶斯网络建立网约车事故频率预测模型.基于十折交叉验证法,使用混淆矩阵与接收者操作特征曲线校验模型精度.结果表明,模型预测能力较好,模型分析了11种与事故频率直接相关的影响因素,识别了16类导致高频率事故发生概率增加的不利状态,且发现多种不利状态组合对事故频率产生的非线性扩增效应和叠加效应.研究结论有助于管理部门制定相应预防对策以减少网约车交通事故频率.     

交通事故Pi-Sigma模糊神经网络预测模型

提出了基于Pi-Sigma模糊神经网络的交通事故预测模型,选用Takagi-Sugeno型模糊推理系统和BP神经网络,以年平均日交通量、交通负荷、设计速度、车道宽度为输入,以每公里年均事故次数为输出,利用哈尔滨市133条主次干道的道路交通条件数据和5年的交通事故数据对模型进行了训练和检验,并将该模型与模糊逻辑模型、BP神经网络模型进行了对比分析.结果表明,交通事故Pi-Sigma模糊神经网络预测模型在预测精度及计算效率上总体优于其他两种模型,较适合于大样本条件下交通事故的快速预测.     

基于空间自相关的环境预测方法

为了研究环境系统模型中非线性因素的影响,提出了一种基于空间自相关神经网络的预测方法,在预测中考虑了空间属性对预测结果的影响。实验表明该方法优于BP神经网络预测方法。     

基于随机效应模型的交叉口事故碰撞类型建模

考虑交叉口不同进口道之间的差异性,在进口道层面对不同碰撞类型事故分别建立随机效应模型,通过在负二项模型中引入随机效应项来考虑交叉口不同进口道之间的空间相关性.模型参数采用全贝叶斯方法进行估计.结果表明:不同碰撞类型事故的影响因素不同,且同一影响因素对不同碰撞类型事故的影响程度也存在显著差异,验证了区分碰撞类型进行事故建模的必要性.随机效应项在各模型中均显著,表明交叉口不同进口道之间事故频率存在显著的空间相关性.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

考虑空间不平稳的交通拥堵传播特性研究

基于城市道路交通拥堵的空间影响特征和传播规律对交通管理和诱导措施的重要作用,在分析城市道路交通流数据空间不平稳性的基础上,对空间Durbin模型进行改进,并据此提出一种道路交通拥堵传播特性分析方法.通过北京市的案例研究发现,改进模型对交通流的描述效果得到了显著提高;局部交通拥堵具有显著空间传播特性,且随空间范围扩大逐渐衰减;特别是当路网处于临界密度状态时（14：00左右）,局部拥堵的传播影响达到最大.因此,拥堵缓解措施应对路网临界密度状态及关键节点进行重点监控和疏导,以控制拥堵传播所造成的空间影响.     

视觉类次任务驾驶安全性预测模型

为了建立一种视觉类次任务驾驶安全性预测模型,实现对驾驶人执行视觉类次任务时的行车安全进行预测,设计并进行了城际高速公路场景中三种视觉类次任务驾驶试验;以眼球运动状态参数集和车身行驶状态参数集为安全评价指标,使用模糊层次分析法(F-AHP)计算得到测试驾驶人的安全评价数字等级;以此为基础,利用BP神经网络建立视觉类次任务驾驶安全性预测模型,以30名测试驾驶人的评价指标数据作为神经网络的输入训练样本、安全评价数字等级作为神经网络的输出训练样本,调试网络参数直至满足本研究的精度需要;最后,使用其余10名测试驾驶人的数据对模型进行适用性测试。研究结果表明,在操作车载收音机、发信息以及操作触摸屏设备这三种次任务情境下,本预测模型的适用性较好,可以比较准确的实现对驾驶人安全等级的预测。     

基于条件自回归模型的城市宏观安全分析

基于上海市外环以内263个交通分析小区的事故、道路、交通、土地利用数据,在交通分析小区层面建立贝叶斯负二项条件自回归模型,分析事故在交通分析小区层面的显著影响因素.结果表明,主、次干道长度的增加会显著增加交通分析小区内的事故数量;道路网密度、交叉口数量与小区事故数具有显著正相关性;随着客车产生量的增加,事故数量增加;土地利用强度高,相应的事故数量增多.     

信号交叉口碰撞冲突分析及风险评估模型研究

针对信号交叉口的安全风险问题,对银川市3个城市交叉口的交通冲突情况进行了比较分析,指出有全红清空间隔交叉口的正交直角碰撞明显低于无全红清空间隔的交叉口.进一步利用4个设置和4个没有设置全红清空时间的交叉口每年平均发生的正交直角碰撞次数y和闯红灯违规比率nRLV以及速度离差vSD,开发了交叉口的正交直角碰撞风险评估模型.采用多元线性回归分析,给出了该模型的具体数学描述及风险评估分析,在设置全红清空时间的交叉口,nRLV的系数只有0.029,对交通安全风险没有实质的影响.在没有设置全红清空时间的交叉口,nRLV的系数为2.620,对正交直角碰撞有显著的影响.这说明,设置全红清空时间能有效地减少信号交叉口的正交直角碰撞.