留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于贝叶斯时空建模的高速公路事故黑点判别

曾强 苏绮琪 郑嘉仪 张璇

曾强, 苏绮琪, 郑嘉仪, 张璇. 基于贝叶斯时空建模的高速公路事故黑点判别[J]. 交通信息与安全, 2020, 38(6): 87-94. doi: 10.3963/j.jssn.1674-4861.2020.06.012
引用本文: 曾强, 苏绮琪, 郑嘉仪, 张璇. 基于贝叶斯时空建模的高速公路事故黑点判别[J]. 交通信息与安全, 2020, 38(6): 87-94. doi: 10.3963/j.jssn.1674-4861.2020.06.012
ZENG Qiang, SU Qiqi, ZHENG Jiayi, ZHANG Xuan. Identifcation of Freeway Crash Hotspots Based on Bayesian Space-time Modeling[J]. Journal of Transport Information and Safety, 2020, 38(6): 87-94. doi: 10.3963/j.jssn.1674-4861.2020.06.012
Citation: ZENG Qiang, SU Qiqi, ZHENG Jiayi, ZHANG Xuan. Identifcation of Freeway Crash Hotspots Based on Bayesian Space-time Modeling[J]. Journal of Transport Information and Safety, 2020, 38(6): 87-94. doi: 10.3963/j.jssn.1674-4861.2020.06.012

基于贝叶斯时空建模的高速公路事故黑点判别

doi: 10.3963/j.jssn.1674-4861.2020.06.012
基金项目: 

国家自然科学基金项目

政府间国际科技创新合作重点专项

详细信息
  • 中图分类号: U491.31

Identifcation of Freeway Crash Hotspots Based on Bayesian Space-time Modeling

  • 摘要: 为了识别高速公路事故黑点,基于历史交通事故数据,建立贝叶斯时空交互模型,估计高速公路路段事故率和超常事故率.根据其后验期望序号对路段安全性进行排序,将排序靠前的一定比例路段判定为事故黑点.利用该方法对广东开阳高速公路进行事故黑点判别,并与基于贝叶斯层级泊松模型的黑点判别结果进行对比.结果表明,时空交互模型和层级泊松模型的事故路段排序结果存在显著差异.以事故率为安全评价指标时,2个方法判别的事故黑点中有73%相同;以超常事故率为安全评价指标时,2个方法判别的事故黑点中仅有20%相同.这与类似研究的结论一致,体现了解析时空关联和交互对事故黑点判别的重要性.另外,还对比了基于评价指标后验期望序号和后验均值的事故路段排序序号.结果显示二者的一致性较高.

     

  • 加载中
计量
  • 文章访问数:  279
  • HTML全文浏览量:  99
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-12-28

目录

    /

    返回文章
    返回