سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 428 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:استفاده از مدل اثر تصادفی پواسون برای غربالگری شبکه بزرگراه
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:February 2014
شماره صفحات: 748274-82
نشانگر دیجیتالی شیء:[ 10.1016/j.aap.2013.10.029 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Accident Analysis & Prevention »
  4. Application of Poisson random effect models for highway network screening

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 54.90.86.231

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

Application Of Poisson Random Effect Models For Highway Network Screening


مقاله: استفاده از مدل اثر تصادفی پواسون برای غربالگری شبکه بزرگراه

نويسند‌گان:


خلاصه مقاله:


In recent years, Bayesian random effect models that account for the temporal and spatial correlations of crash data became popular in traffic safety research. This study employs random effect Poisson Log-Normal models for crash risk hotspot identification. Both the temporal and spatial correlations of crash data were considered. Potential for Safety Improvement (PSI) were adopted as a measure of the crash risk. Using the fatal and injury crashes that occurred on urban 4-lane divided arterials from 2006 to 2009 in the Central Florida area, the random effect approaches were compared to the traditional Empirical Bayesian (EB) method and the conventional Bayesian Poisson Log-Normal model. A series of method examination tests were conducted to evaluate the performance of different approaches. These tests include the previously developed site consistence test, method consistence test, total rank difference test, and the modified total score test, as well as the newly proposed total safety performance measure difference test. Results show that the Bayesian Poisson model accounting for both temporal and spatial random effects (PTSRE) outperforms the model that with only temporal random effect, and both are superior to the conventional Poisson Log-Normal model (PLN) and the EB model in the fitting of crash data. Additionally, the method evaluation tests indicate that the PTSRE model is significantly superior to the PLN model and the EB model in consistently identifying hotspots during successive time periods. The results suggest that the PTSRE model is a superior alternative for road site crash risk hotspot identification.


در سال های اخیر، مدل اثر تصادفی بیزی که برای ارتباط زمانی و مکانی از اطلاعات خرابی حساب محبوب در تحقیقات ایمنی ترافیک شد. این مطالعه اثر تصادفی پواسون استخدام مدل لگ نرمال برای شناسایی کانون خطر سقوط. هر دو ارتباط زمانی و مکانی از اطلاعات خرابی در نظر گرفته شد. فرصت برای بهبود ایمنی (PSI) به عنوان یک اندازه گیری از خطر سقوط به تصویب رسید. با استفاده از تصادفات منجر به مرگ و جراحت که در شهری 4-خط arterials تقسیم 2006-2009 در منطقه مرکزی فلوریدا رخ داده است، روش اثر تصادفی به روش سنتی تجربی بیزی (EB) و مدل بیزی پواسون لوگ-نرمال معمولی مقایسه شده است. مجموعه ای از آزمون های روش برای ارزیابی عملکرد روش های مختلف انجام شد. این تست ها شامل آزمون قبلا توسعه یافته سایت ثبات، استحکام آزمون روش، آزمون تفاوت رتبه کل و نمره کل آزمون اصلاح شده، و همچنین عملکرد ایمنی آزمون اندازه گیری تفاوت ها تازه ارائه شده است. نتایج نشان می دهد که مدل بیزی پواسون حسابداری برای هر دو اثرات تصادفی زمانی و مکانی (PTSRE) بهتر از مدل که تنها با اثر تصادفی زمانی، و هر دو نسبت به مدل معمولی پواسون لوگ-نرمال (PLN) و مدل EB در اتصالات داده ها از تصادف. علاوه بر این، آزمون ارزیابی روش نشان می دهد که مدل PTSRE به طور قابل توجهی به مدل PLN و مدل EB در شناسایی نقاط به طور مداوم در طول دوره های زمانی متوالی برتر است. نتایج نشان می دهد که مدل PTSRE یک جایگزین عالی برای سایت جاده شناسایی کانون خطر سقوط است.


كلمات كليدي:

Empirical Bayesian , Full Bayesian , Network screening , Poisson Log-Normal, Random effect , Empirical Bayesian, Full Bayesian, Hotspot identification, Network screening, Poisson Log-Normal, Random effect
تجربی بیزی , کامل بیزی , غربالگری شبکه , پواسون لگ نرمال , اثر تصادفی , تجربی بیزی, کامل بیزی, شناسایی کانون, غربالگری شبکه, پواسون لوگ-نرمال, تصادفی


موضوعات:

Safety, Risk, Reliability and Quality, Human Factors and Ergonomics, Law, Public Health, Environmental and Occupational Health, General Medicine



[ ]

فهرست مقالات مرتبط و مشابه

  1. Sun, Xiaoduan, Manthena, Ram (2009) 'Applying HSM Network Screening Models to Louisiana Rural Two-Lane Highway Network', Logistics, American Society of Civil Engineers (ASCE), pp:0-0
  2. Meester, Ronald, Roy, Rahul (2017) 'The Poisson random-connection model', Continuum percolation, Cambridge University Press (CUP), pp:151-180
  3. , (2012) 'Random Power Control in Poisson Networks', IEEE Transactions on Communications, Institute of Electrical & Electronics Engineers (IEEE), pp:2602-2611
  4. , (2003) 'Random effects Cox models: A Poisson modelling approach', Biometrika, Oxford University Press (OUP), pp:157-169
  5. Ranola, J. M. O., Ahn, S., Sehl, M., Smith, D. J., Lange, K. (2010) 'A Poisson model for random multigraphs', Bioinformatics, Oxford University Press (OUP), pp:2004-2011
  6. , (1996) 'A model for the environmental screening of highway projects', Canadian Journal of Civil Engineering, Canadian Science Publishing, pp:518-523
  7. Chen, Erdong, Tarko, Andrew P. (2014) 'Modeling safety of highway work zones with random parameters and random effects models', Analytic Methods in Accident Research, Elsevier BV, pp:86-95
  8. Villas Boas, Paulino R., Rodrigues, Francisco A., da F. Costa, Luciano (2009) 'Modeling worldwide highway networks', Physics Letters A, Elsevier BV, pp:22-27
  9. Fabio, Lizandra C., Paula, Gilberto A., Castro, Mário de (2012) 'A Poisson mixed model with nonnormal random effect distribution', Computational Statistics & Data Analysis, Elsevier BV, pp:1499-1510
  10. Kim, Jeong Han (2016) 'Poisson cloning model for random graphs', Proceedings of the International Congress of Mathematicians Madrid, August 22–30, 2006, European Mathematical Publishing House, pp:873-897

 

فهرست مراجع و منابع




 

برگشت به بالا
× 🎁
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×