事故修正系數(shù)(措施安全效果)的評(píng)估是交通安全管理的重要環(huán)節(jié),經(jīng)驗(yàn)貝葉斯(EB)方法是目前最先進(jìn)、首選的方法。該方法能夠解決回歸到均值的問題并提高評(píng)估精度,然而,尚未有學(xué)者對(duì)EB方法所得到事故修正系數(shù)的精確度進(jìn)行細(xì)致的分析,本論文旨在填補(bǔ)該項(xiàng)空白,并重點(diǎn)針對(duì)事故修正系數(shù)的標(biāo)準(zhǔn)差進(jìn)行分析。論文采用了模擬與實(shí)際觀測(cè)兩項(xiàng)數(shù)據(jù)對(duì)EB方法進(jìn)行了分析,結(jié)果表明:1) EB方法得到的事故修正系數(shù)與理論值比較接近;2)EB方法所得到事故修正系數(shù)的標(biāo)準(zhǔn)差并不能反映真實(shí)值,估計(jì)值不隨真實(shí)值的變化而變化;3)基于實(shí)際數(shù)據(jù)的分析表明EB方法往往低估事故修正系數(shù)的標(biāo)準(zhǔn)差。交通安全研究人員應(yīng)當(dāng)注意在使用EB方法評(píng)估安全效果時(shí),事故修正系數(shù)的方差可能存在偏差,有必要進(jìn)一步優(yōu)化EB方法中方差的算法。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 Introduction
2 Methodology
    2.1 EB method for estimating CMF
    2.2 Assessing accuracy of CMF standard errors:artificial realistic data approach
    2.3 Assessing accuracy of CMF standard errors:real-world data approach
3 Data preparation
    3.1 ARD data
    3.2 Real-world data
4 Results
    4.1 Scenario I:ARD data
    4.2 Scenario II:Real-world segment with dummy treatment
5 Discussion and conclusions



本文編號(hào)：3781899