基于历史数据的道路交通事故风险分析与预测方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 引言 | 第15-29页 |
| 1.1 研究背景 | 第15-18页 |
| 1.2 研究意义 | 第18-19页 |
| 1.3 国内外研究现状分析 | 第19-25页 |
| 1.3.1 国外研究现状 | 第19-23页 |
| 1.3.2 国内研究现状 | 第23-25页 |
| 1.4 研究目标及主要研究内容 | 第25-29页 |
| 1.4.1 研究目标 | 第25-26页 |
| 1.4.2 研究内容与方法 | 第26-27页 |
| 1.4.3 技术路线 | 第27-29页 |
| 2 基础理论 | 第29-39页 |
| 2.1 线性回归模型 | 第29-30页 |
| 2.2 Logistic回归模型 | 第30-33页 |
| 2.3 泊松模型 | 第33页 |
| 2.4 负二项回归模型 | 第33-35页 |
| 2.5 零膨胀模型 | 第35-39页 |
| 3 匝道出口的交通安全空间影响分析 | 第39-59页 |
| 3.1 概述 | 第39-40页 |
| 3.2 数据准备 | 第40-45页 |
| 3.3 匝道安全空间影响分析 | 第45-56页 |
| 3.3.1 回归模型建立 | 第45-53页 |
| 3.3.2 回归结果分析 | 第53-55页 |
| 3.3.3 预测结果 | 第55-56页 |
| 3.4 小结 | 第56-59页 |
| 4 评估城市道路路段事故危害指数的拟泊松方法 | 第59-71页 |
| 4.1 概述 | 第59-60页 |
| 4.2 描述性统计分析 | 第60-63页 |
| 4.3 事故危害指标定义 | 第63-64页 |
| 4.4 拟泊松回归模型 | 第64-66页 |
| 4.5 结果分析 | 第66-70页 |
| 4.6 小结 | 第70-71页 |
| 5 基于极小化贝叶斯风险的交通安全风险预测 | 第71-79页 |
| 5.1 概述 | 第71-72页 |
| 5.2 贝叶斯风险最小化方法 | 第72-75页 |
| 5.3 数值实例 | 第75-78页 |
| 5.4 小结 | 第78-79页 |
| 6 交通安全事故数据分析的Hurdle模型 | 第79-101页 |
| 6.1 概述 | 第79-80页 |
| 6.2 数据准备 | 第80-89页 |
| 6.2.1 基本统计特性 | 第80-82页 |
| 6.2.2 交通安全事故数据的分布属性 | 第82-89页 |
| 6.3 结果分析 | 第89-98页 |
| 6.3.1 Hurdle模型分布形式分析 | 第89-93页 |
| 6.3.2 参数可调的对数正态Hurdle模型 | 第93-95页 |
| 6.3.3 Tobit模型 | 第95页 |
| 6.3.4 交通事故的期望计数模型 | 第95-98页 |
| 6.4 小结 | 第98-101页 |
| 7 基于交通小区的交通事故风险预测与评估 | 第101-115页 |
| 7.1 概述 | 第101-102页 |
| 7.2 基本统计分析 | 第102-108页 |
| 7.2.1 统计分析指标 | 第102-106页 |
| 7.2.2 基本统计分析结果 | 第106-108页 |
| 7.3 车辆事故数预测模型 | 第108-112页 |
| 7.4 小结 | 第112-115页 |
| 8 结论 | 第115-119页 |
| 8.1 主要工作与创新点 | 第115-117页 |
| 8.2 工作展望 | 第117-119页 |
| 参考文献 | 第119-127页 |
| 作者简历 | 第127-131页 |
| 学位论文数据集 | 第131页 |
