کاربرد مدل های رگرسیون پرصفر در مدل سازی تصادفات بزرگراه های درون شهری
محل انتشار: مجله مهندسی عمران مدرس، دوره: 11، شماره: 4
سال انتشار: 1390
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 92
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MCEJ-11-4_002
تاریخ نمایه سازی: 6 اسفند 1403
چکیده مقاله:
در این نوشتار به پژوهشی برای شناسایی عوامل موثر بر فراوانی و شدت تصادفات بزرگراههای درون شهری انجام شده
پرداخته می شود و به عنوان مطالعه موردی از داده های تصادفات بزرگراههای شهری مشهد استفاده می شود. مدل های آماری که در
این پژوهش استفاده شده، مدل های رگرسیون پواسن، دوجمله ای منفی، پواسن پرصفر و دوجمله ای منفی پرصفر است، از متغیرهای
مربوط به جریان ترافیک و طرح هندسی راه به عنوان متغیرهای ناوابسته مدل ها استفاده شده است. کار ویژه ای که در این پژوهش
انجام شده، جداسازی حجم کل ترافیک به حجم خودروهای سواری، خودروهای سنگین و خودروهای غیر سواری سبک است تا
نقش حجم ترافیک در رخداد تصادفات به گونه ای ویژه و موشکافانه بررسی و روشن شود دقیقا کدام بخش از ترافیک نقش موثر یا
موثرتری در رخداد تصادفات دارد.
در این پژوهش کارایی مدل های رگرسیون پرصفر در برابر مدل های رگرسیون ساده پواسن و دوجمله ای منفی در مدل سازی
تصادفات بزرگراه های درون شهری بررسی می شود. نتایج پژوهش نشان می دهد شمار راه های دسترسی و قوس های افقی در
بخش های بزرگراه و حجم خوروهای غیرسواری سبک، نقش افزاینده ای در احتمال رخداد تصادفات دارد، همچنین مدل رگرسیون
دوجمله ای منفی پرصفر بهترین و برازنده ترین مدل، هم برای مدل سازی تصادفات با زیان مالی و هم برای تصادفات با زیان جانی
است و بر این اساس می توان کفایت مدل های رگرسیون پرصفر را در مدل سازی تصادفات بزرگراه های درون شهری مشهد تایید کرد.
کلیدواژه ها:
More severe accidents ، Urban Highways ، Modeling Accidents ، Zeroinflated
regression models ، No injury accidents ، تصادفات با زیان جانی ، بزرگراه های درون شهری ، مدل سازی تصاد فات ، مدل های
رگرسیون پرصفر ، تصادفات با زیان مالی
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :