学习笔记——交通安全分析19

目录

前言

学习笔记整理

7城市快速路交通安全分析

结束语 

前言

#随着上一轮SPSS学习完成之后，本人又开始了新教材《交通安全分析》的学习

#整理过程不易，喜欢UP就点个免费的关注趴

#本期内容接上一期18笔记

学习笔记整理

7城市快速路交通安全分析

1. 在出入口端部应设置防撞垫（桶），如此便能在车辆发生碰撞时起到缓冲作用，通过吸收失控车辆的能量来减轻事故对司乘人员的伤害，同时减少对设施结构的破坏。--《交通安全分析》P168
2. 区别于以事故频率为研究对象的安全表现评估模型，事故风险评估模型以单起事故为研究对象，通过对比事故和非事故条件下的交通运行状态，尝试从交通流运行特征方面揭示事故的影响因素，量化事故发生概率。--《交通安全分析》P170
3. 事故风险评估模型建模数据集的构建需要基于三部分数据：1、城市快速路交通事故数据；2、城市快速路交通运行感知数据（如感应线圈、车牌识别系统记录的运行状态数据）；3、城市快速路道路几何线形数据。--《交通安全分析》P170
4. 考虑到交通事故是小概率、偶发事件，因此在构建数据模型时，通常采用病例对照研究（case-control study）的数据整理方法。在事故风险评估研究中，“病例”是指交通事故发生前的交通流数据，“对照”则为没有发生事故条件下的交通流数据。--《交通安全分析》P170
5. 事故风险评估模型的建模方法主要分为统计回归模型和数据挖掘模型两大类，且各有所长。--《交通安全分析》P171
6. 统计回归模型可揭示影响事故发生的交通流影响因素及其影响程度，以便于分析事故形成机理，但需要大量的样本数据来提高模型的可靠性。--《交通安全分析》P171
7. 数据挖掘模型的优势在于针对小样本数据也可提供较高的事故风险预测精度，但其基于事故之间相对独立的假定，且拟合过程也是一个黑匣子，无法量化分析事故风险影响因素以及事故之间的相关性，难以揭示事故形成机理。--《交通安全分析》P171
8. 当因变量是二分类时，逻辑回归模型又称为二分类Logistic模型（binary logit model）。二项Logistic回归模型常用来定量分析解释变量对二分类因变量的影响，同时可用来估计因变量某个分类出现的概率。--《交通安全分析》P171
9. 当因变量为无序多分类时，称为多分类Logistic模型（polytomous logit model）或多项Logistic模型（multinomial logit model）。--《交通安全分析》P171
10. 当因变量是有序多分类时，称为有序Logistic模型（ordinal logit model）或累积比数Logistic模型（cumulative odds logit model）或比例优势模型（proportional odds model）。--《交通安全分析》P171
11. 事故风险评估的拟合效果常采用赤池信息量准则（Akaike Information Criterion，AIC）和AUC（Area Under the Curve of ROC）两个指标进行判别。--《交通安全分析》P172
12. AIC准则基于信息理论，提供了数据信息损失的相对估计，用以权衡所估计模型的复杂度和此模型拟合数据的优良性，它能同时反应模型的复杂度和拟合优度，在评价模型时兼顾简洁性和精确性。模型的AIC值越小，其拟合优度就越好。--《交通安全分析》P172

结束语 

#好啦~，以上就是我《交通安全分析》第十九期学习笔记的学习情况啦~，希望能与大家交流学习经验，共同进步吖~

#也非常感谢大家对我的一路陪伴，宝子们的关注、支持和打赏就是up儿不断更新滴动力