学习笔记——交通安全分析39

目录

前言

学习笔记整理

15面向自动驾驶的交通安全分析

16城市宏观交通安全分析

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

#有需要全套26版SPSS操作教程（数据分析）的宝子欢迎进我主页订阅哈（一杯奶茶钱，谢谢啦，物超所值），期待与宝子们共同进步吖~

#笔记整理过程不易，喜欢UP就点个免费的关注趴！

#本期内容接上一期38笔记

学习笔记整理

15面向自动驾驶的交通安全分析

1. 为了清晰地表现设计速度差异对凹曲线坡度差的影响，同一设计速度下的凹曲线最小长度取为设计速度的0.6倍。--《交通安全分析》P475
2. 决定凹曲线最小长度的主导因素在面向自动驾驶车辆和驾驶人的推导中是不同的。在面向自动驾驶车辆进行推导时，乘客舒适度是主导因素。所有基于停车视距的K（用于对停车视距的计算结果进行修正，考虑不同的道路条件、车辆性能、驾驶员反应时间等因素对停车视距的影响）值均低于基于乘客舒适度的K（坡度差与竖曲线长度的比值）值；相反地，在面向驾驶人进行推导时，停车视距主导了极限值的取值。--《交通安全分析》P476
3. Green Book对“平包纵”原则的定义如下：1、在凸曲线顶部及附近，不能与小半径平曲线组合，因为平面线形的变化无法被提前感知；2、在凹曲线底部及附近，不能与小半径平曲线组合，因为该位置的前方视线受到影响。当平纵组合线形设计不符合“平包纵”原则时，可使用前方感知视距（Preview Sight Distance，PVSD）作为衡量视距的指标，以保证行车安全。--A policy on geometric design of highways and streets 2018[S]，《交通安全分析》P478

16城市宏观交通安全分析

1. 城市宏观交通安全分析立足于把握城市整体交通安全状况。宏观交通安全分析量化了社会经济、交通需求、路网属性等宏观因素对交通安全的影响，为长期交通规划提供决策支持。--《交通安全分析》P484
2. 宏观交通安全分析的核心目标是使城市交通更安全。不同于微观交通安全治理与改善，宏观交通安全改善并不关注具体路段、交叉口或者交通附属设施的安全性能，而是聚焦于交通规划、城市规划、交通发展政策与战略等更高维度，将交通安全纳入城市整体管理与可持续发展范畴。--《交通安全分析》P485
3. 在分析宏观交通安全时，常采用的分析单元主要有：交通特征单元【以交通特征单元，特别是交通分析小区（TAZ）的研究最为丰富】、行政区划单元【数据类型丰富，数据质量可靠】和人口普查单元【常见于国外的研究】等。上述分析单元划分方法引发了地理学上的一个问题，可塑性面积单元问题（Modifiable Areal Unit Problem，MAUP），包括尺度效应（scale effect）【指当空间数据经聚合而改变其粒度或栅格细胞大小时，分析结果也随之变化的现象】和划区效应（zoning effect）【指在同一粒度或聚合水平上由于不同的聚合方式（即划区方案）而引起的分析结果的变化】。--《交通安全分析》P486
4. 总结：交通分析小区划分的两个重要优势：1、划分过程保证了区域内土地类型和社会经济同质；2、可以与交通规划过程直接对接，许多交通研究相关的数据可以直接聚集在交通分析单元层面，因此，以交通分析小区为基本单元的方法更为真实、有效。其不足之处在于：1、交通分析小区划分没有考虑区域内交通事故属性的一致性；2、而且，当交通分析小区面积较小时，一些事故发生在边界道路上，因此，有学者提出需要调整交通分析小区，建立交通安全分析小区。--Transportation safety planning：a spatial analysis approach 2013[C]，《交通安全分析》P487
5. 进行宏观交通安全分析时，需要明确研究对象，即所建立模型的因变量。现有研究建模策略主要分为传统建模策略【传统建模策略按事故的严重程度（如总体事故、死亡事故、受伤事故、仅财产损失事故）进行划分或按照出行方式（如机动车事故、非机动车事故、行人事故）进行划分】和基于事故发生特征的建模策略【结合事故发生特征，对传统建模策略进行进一步优化】。--《交通安全分析》P487-488
6. 建模方法主要有广义线性模型【由于事故数据具有随机性、非负性、离散性和非正态性等特点，传统线性模型受自身限制，无法很好地模拟这些特征，因此改用广义线性模型，但是GLM模型的一个重要缺陷是没有考虑数据之间的空间自相关性（spatial dependence or autocorrelation）】、条件自回归模型【在一系列空间回归模型中，条件自回归（CAR）模型是这类模型的代表，贝叶斯建模方法的CAR模型在道路交通安全分析中得到了广泛运用】、邻接矩阵【表征分析单元之间的空间自相关性，在宏观安全分析邻接矩阵主要有0-1邻接矩阵、边界长度矩阵、分析单元中心距离倒数矩阵、事故空间中心距离倒数矩阵；其中0-1矩阵和边界长度矩阵只考虑了相邻分析单元之间的关系，而没有考虑非相邻空间单元之间的空间关联】。--《交通安全分析》P488-490
7. 交通安全研究中常用泊松模型或负二项模型来拟合交通事故这类数据，这些模型都具有固定效应（fixed effect）模型，同时也属于固定参数（fixed parameter）模型。考虑到事故数据方差远大于平均值，常表现出过度离散性（overdispersion），而这违背了泊松模型均值与方差相等的假设，因此，负二项模型便得到了更为广泛的应用。--Evaluating the road safety effects of a fuel cost increase measure by means of zonal crash prediction modeling 2013[J]，《交通安全分析》P488
8. 相邻分析单元在人口、社会经济、区域活动，甚至交通安全水平方面均存在相似性，从而带来了空间相关影响。若不考虑数据的空间自相关性会导致模型的估计和数据推断结果有偏。将社会人口、经济等因素考虑在内目的是让模型预测更加准确。--Bayesian spatial and ecological models for small-area accident and injury analysis 2004[J]，《交通安全分析》P488-489
9. 相比于传统的频率学派，贝叶斯方法具有的优点：1、能够有效地利用小样本数据进行模型校验；2、能够灵活地调整模型并方便计算；3、可以将不同来源的数据进行整合作为先验分布；4、能够对复杂数据具有较好的拟合性。基于贝叶斯方法的空间统计模型可以更好地考虑数据的空间相关性、分层性和模型的复杂性。--Transportation safety planning：a spatial analysis approach 2013[C]，Macrolevel model development for safety assessment of road network structures 2012[J]，Bayesian spatial and ecological models for small-area accident and injury analysis 2004[J]，Modelling area-wide count outcomes with spatial correlation and heterogeneity：an analysis of London crash data 2008[J]，《交通安全分析》P489

结束语 

#好啦~，以上就是我《交通安全分析》第三十九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~

#有需要全套26版SPSS操作教程（数据分析）的宝子欢迎进我主页订阅哈（一杯奶茶钱，学费救急，万分感谢！望相助），期待与宝子们共同进步~