[发明专利]基于Tobit回归的高速公路线形指标对事故率影响的分析方法在审
申请号: | 201810300708.7 | 申请日: | 2018-04-04 |
公开(公告)号: | CN108320514A | 公开(公告)日: | 2018-07-24 |
发明(设计)人: | 孟祥海;刘振博;孟令旗 | 申请(专利权)人: | 哈尔滨工业大学 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G06Q10/06;G06Q50/30 |
代理公司: | 哈尔滨市松花江专利商标事务所 23109 | 代理人: | 岳泉清 |
地址: | 150001 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 事故率 线形指标 高速公路 高速公路事故 参数标定 路段 回归 自变量 交通安全状况 统计分析软件 归一化处理 边际效应 分析模型 结果应用 事故分析 影响分析 指标分析 分析 受限 剔除 统计 | ||
1.基于Tobit回归的高速公路线形指标对事故率影响的分析方法,其特征在于:所述方法具体过程为:
步骤一、基于线形指标对高速公路进行路段划分;
所述线形指标为:路段长度L、平曲线曲率CH、竖曲线曲率CV、纵坡类型T和纵坡坡度i;
步骤二、对划分后的各类型路段计算事故率;各类型路段事故率为高速公路事故率分析模型因变量;
步骤三、对得到的各类型路段事故率数据进行处理,得到剔除异常值的事故率;
步骤四、选择线形指标和年平均日交通量作为基于Tobit回归的高速公路事故率分析模型的自变量,并对各自变量进行赋值;
步骤五、对步骤三得到的剔除异常值的事故率及步骤四得到的赋值后的自变量数据进行归一化处理;
步骤六、根据步骤五得到的归一化处理后的剔除异常值的事故率及自变量数据,对基于Tobit回归的高速公路事故率分析模型进行参数标定,基于参数标定结果应用Stata统计分析软件求自变量边际效应。
2.根据权利要求1所述基于Tobit回归的高速公路线形指标对事故率影响的分析方法,其特征在于:所述步骤一中基于线形指标对高速公路进行路段划分;具体过程为:
所述线形指标为:路段长度L、平曲线曲率CH、竖曲线曲率CV、纵坡类型T和纵坡坡度i;
平面线形划分为直线路段和平曲线路段两类;
纵断面线形划分为直坡路段和竖曲线路段;
直坡路段包括两种纵坡类型,分别为上坡路段和下坡路段;
竖曲线路段的划分是以变坡点为界,划分为竖曲线前半段和竖曲线后半段;
若竖曲线前半段的切线纵坡坡度为正时,则该竖曲线前半段归类为竖曲线上坡路段;
若竖曲线后半段的切线纵坡坡度为正时,则该竖曲线后半段归类为竖曲线上坡路段;
若竖曲线前半段的切线纵坡坡度为负时,则该竖曲线前半段归类为竖曲线下坡路段;
若竖曲线后半段的切线纵坡坡度为负时,则该竖曲线后半段归类为竖曲线下坡路段;
将平面线形和纵断面线形进行组合,得到以下八种类型路段:
路段类型1:直线-上坡路段;
路段类型2:直线-下坡路段;
路段类型3:直线-竖曲线上坡路段;
路段类型4:直线-竖曲线下坡路段;
路段类型5:平曲线-上坡路段;
路段类型6:平曲线-下坡路段;
路段类型7:平曲线-竖曲线上坡路段;
路段类型8:平曲线-竖曲线下坡路段。
3.根据权利要求1或2所述基于Tobit回归的高速公路线形指标对事故率影响的分析方法,其特征在于:所述步骤二中对划分后的各类型路段计算事故率;各类型路段事故率为高速公路事故率分析模型因变量;具体过程为:
事故率选用亿车公里事故率,计算公式如下:
式中,Rj为路段j上的事故率,次/亿车公里;Amj为路段j上第m年的事故次数,次;AADTmj为路段j上第i年的年平均日交通量,pcu/日;Lj为路段j的长度,km;n为统计年限。
4.根据权利要求3所述基于Tobit回归的高速公路线形指标对事故率影响的分析方法,其特征在于:所述步骤三中对得到的各类型路段事故率数据进行处理,得到剔除异常值的事故率;具体过程为:
对亿车公里事故率进行缩尾处理,剔除1%高的事故率极端值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810300708.7/1.html,转载请声明来源钻瓜专利网。