經(jīng)驗貝葉斯前后對比方法評估事故修正系數(shù)的精確度分析（英文）
發(fā)布時間：2023-04-04 05:47
事故修正系數(shù)(措施安全效果)的評估是交通安全管理的重要環(huán)節(jié),經(jīng)驗貝葉斯(EB)方法是目前最先進、首選的方法。該方法能夠解決回歸到均值的問題并提高評估精度,然而,尚未有學者對EB方法所得到事故修正系數(shù)的精確度進行細致的分析,本論文旨在填補該項空白,并重點針對事故修正系數(shù)的標準差進行分析。論文采用了模擬與實際觀測兩項數(shù)據(jù)對EB方法進行了分析,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)的標準差并不能反映真實值,估計值不隨真實值的變化而變化;3)基于實際數(shù)據(jù)的分析表明EB方法往往低估事故修正系數(shù)的標準差。交通安全研究人員應(yīng)當注意在使用EB方法評估安全效果時,事故修正系數(shù)的方差可能存在偏差,有必要進一步優(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：3781899
【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：3781899
本文鏈接：http://www.sikaile.net/kejilunwen/jiaotonggongchenglunwen/3781899.html
教材專著
