论文部分内容阅读
为了有效利用高精度交通流数据,主动调节交通流运行状态,达到快速降低交通事故风险、提升交通安全的目的,本文基于ETC门架数据建立高速公路交通事故风险动态辨识模型。首先,通过车牌匹配获得高精度交通流数据。然后,建立随机式数据样本,采用非配对病例-对照研究方法进行研究。最后,利用二元logit回归建立高速公路交通事故风险动态辨识模型,并对模型的预测精度和有效性进行验证。结果表明,模型的解释变量具有较强的显著性,解释变量的符号可以得到合理的解释;当概率分割值取0.0760时,模型对训练集的敏感度、特异度、预测正确率和AUC分别为66.02%、65.45%、65.50%和0.7306,对测试集的敏感度、特异度、预测正确率和AUC分别为71.11%、65.48、65.99%和0.7714。