Este documento describe un estudio empírico que evalúa el impacto de las excepciones a los criterios de diseño de carreteras en Indiana en la frecuencia y gravedad de los accidentes. Los datos sobre accidentes de carreteras con y sin excepciones de diseño se utilizaron para estimar modelos estadísticos. Los resultados muestran que las excepciones de diseño aprobadas no tuvieron un efecto estadísticamente significativo en la frecuencia o gravedad media de los accidentes, lo que sugiere que los procedimientos actuales
1. Evaluación empírica del impacto del diseño de carreteras
Excepciones en el frecuencia y severidad de vehículo
accidentes
por
Nataliya V. Malyshkina
Escuela de Ingeniería Civil
550 Stadium Mall Drive
Purdue Universidad
Lafayette del oeste, EN 47907-2051
nmalyshk@purdue.edu
Fred Modales
Profesor Escuela de Civil Ingeniería
550 Stadium Mall Drive
Purdue Universidad
Lafayette del oeste, EN 47907-2051
flm@purdue.edu
Marzo 31, 2009
2. Abstracto
El cumplimiento de los criterios estandarizados de diseño de carreteras se
considera esencial para garantizar la seguridad vial. Sin embargo, por diversas razones,
se producen situaciones en las que las excepciones a los criterios de diseño estándar se
solicitan y aceptan después de la revisión. Éste La investigación explora el impacto que
las excepciones de diseño tienen en la gravedad del accidente y frecuencia de accidentes
en Indiana. Datos sobre accidentes en carreteras con y sin las excepciones de diseño se
utilizan para estimar los modelos estadísticos apropiados para la frecuencia y accidentes
graves en estos sitios utilizando algunos de los avances estadísticos más recientes con
distribuciones de mezcla. Los resultados del proceso de modelado muestran que la
presencia de las excepciones de diseño aprobadas no han tenido un efecto
estadísticamente significativo en la media frecuencia o gravedad de los accidentes – lo
que sugiere que los procedimientos actuales para la concesión diseño Excepciones have
ha sido suficiente riguroso para evitar adversos seguridad Impactos.
3. 10
Introducción
Excepciones de diseño, que se conceden para permitir la construcción de
carreteras o reconstruido sin cumplir con todos los estándares actuales de diseño de
carreteras, han sido un enfoque motivo de preocupación durante muchos años porque el
impacto de tales excepciones, en términos de su efectoen camino seguridad es no pozo
entendido. Común Razones para dado diseño las excepciones incluyen: impacto en el
medio ambiente natural; impactos sociales o de derecho de vía; preservación de los
recursos históricos o culturales; sensibilidad al contexto o acomodación comunidad
valores; y construcción o derecho de paso costos (Federal Carretera Administración 1999;
Americano Asociación de Estado Carretera y Transporte Funcionarios 2004). Debido a la
potencial de serio consecuencias para la seguridad y agravio Responsabilidad, el proceso
de concesión de excepciones a los diseños es supervisado muy de cerca por el Estado y
las agencias federales de carreteras, aunque las prácticas y normas para la concesión de
diseño las excepciones pueden variar significativamente de un estado a otro
(Investigación Cooperativa Nacional Programa 2003).
A lo largo de los años, ha habido numerosos esfuerzos de investigación que han
intentadoevaluar los impactos de seguridad de las excepciones de diseño. Por ejemplo,
Agent et al. (2002) estudió el efecto de las excepciones de diseño en las tasas de accidentes
en el estado de Kentucky. Ellos Encontró que la excepción de diseño más común era para
una velocidad de diseño inferior a la límite de velocidad publicado seguido de una
distancia de visión inferior a la estándar, radio de curva o ancho de hombros. Con un
promedio de aproximadamente 39 excepciones de diseño por año en Kentucky, Llegaron
a la conclusión (sobre la base de observaciones de las tasas de accidentes) que las
excepciones de diseño no resultado en Proyectos con Alto estruendo Tarifas pariente Para
promedio Estatal Tarifas. Desafortunadamente, en este y muchos otros estudios, la
cantidad de datos disponibles (que es limitado debido a la pequeño número de diseño
excepciones concedidas por año y el se requiere información muy detallada sobre
carreteras y accidentes) ha dificultado desarrollar modelos estadísticamente defendibles
para evaluar los impactos de seguridad de las excepciones de diseño en una multivariante
Marco de referencia.
Dada la escasez de datos sobre excepciones de diseño y los datos de accidentes
asociados, algunos han intentado inferir los efectos de las excepciones de diseño a partir
de modelos estadísticos que hanse ha estimado en una sección transversal simple de los
segmentos de la carretera en un esfuerzo por descubrir el impacto de las características
específicas del diseño (ancho de hombros, presencia mediana, etc.) en el frecuencia de
accidentes y el gravedad de accidentes en letra chica de resultante Lesiones. Común
estadístico Enfoques Para determinar el relación entre calzada las características y
frecuencias de accidentes incluyen: Poisson y modelos binomiales negativos (Jones et al.,
1991; Shankar et al., 1995; Hadi et al., 1995; Poch y Mannering, 1996; Milton y
Mannering, 1998; Abdel–Aty y Radwan, 2000; Savolainen y Tarko, 2005; Señor, 2006;
Wang y Abdel-Aty, 2008; Señor y Parque, 2008); cero-inflado Negativo binomio
modelos (Shankar Et al., 1997; Carson y Ayesamiento, 2001; Sotavento y
4. 10
Mannering, 2002); binomio negativo con modelos de efectos aleatorios (Shankar et al.,
1998);Conway–Maxwell–Poisson Generalizada lineal modelos (Señor Et al., 2008);
Negativo binomio con parámetros aleatorios (Anastasopoulos y Mannering, 2009) y de
doble estadoNegativo binomio Markov conmutación modelos (Malyshkina Et. al, 2009a).
Para el gravedad de accidentes, cuantificación de los efectos de las características de la
calzada en el vehículo- ocupante Lesiones have sido Emprendido Usando un extenso
variedad de modelos Incluido modelos logit multinomiales, modelos logit multinomiales
de estado dual, modelos logit anidados, modelos logit mixtos y modelos probit ordenados
(O'Donnell y Connor, 1996; Shankar y Mannering, 1996; Shankar et al., 1996; Duncan et
al., 1998; Chang y el maniering, 1999; Carson y Ayesamiento, 2001; Khattak, 2001;
Jattak Et al., 2002; Kockelmany Kweon, 2002; Lee y Mannering, 2002; Abdel-Aty,
2003; Kweon y Kockelman,2003; Ulfarsson y Mannering, 2004; Yamamoto y Shankar,
2004; Khorashadi y otros,,2005; Lee y Abdel-Aty, 2005; Eluru y Bhat, 2007; Savolainen
y Ayesamiento, 2007; Milton y otros., 2008; Malyshkina y Maniero, 2009).
Sin embargo Intentar Para inferir el impacto de diseño Excepciones De General
los datos de segmentos de carreteras son potencialmente problemáticos porque los
segmentos de carreteras que son Es probable que las excepciones de diseño concedidas
sean una muestra no aleatoria del segmento de la carreterapoblación (los segmentos
pueden tener características especiales comunes que los hacen más propensos a requieren
una excepción de diseño). Si este es el caso, los segmentos de carretera propensos al
diseño las excepciones compartirán efectos no observados y la relación de sus
características con el frecuencia y severidad de accidentes Mayo ser significativamente
diferente que el relación en el excepción sin diseño carretera-segmento muestra. Uno
sentido de Resolver este problema es reunir una muestra de tamaño suficiente que incluya
la calzada Segmentos con diseño Excepciones y Similar calzada Segmentos sin diseño
excepciones (no una muestra aleatoria de segmentos de carretera sin excepciones de
diseño), y utilizar modelos de parámetros aleatorios para tener en cuenta la posible
heterogeneidad no observada. El La intención de este estudio es utilizar una muestra de
este tipo y un enfoque de modelado para evaluar de cerca la efecto de excepciones de
diseño en el frecuencia y gravedad de accidentes.
5. 10
Empírico Ajuste
El Indiana Departamento de Transporte carretera diseño criterios son considerado
esencial para garantizar la seguridad del público automovilista. Sin embargo, para una
variedad de las razones, situaciones en las que se producen excepciones al diseño estándar
se solicitan criterios y aceptado después de la revisión. Aunque estas decisiones están
cuidadosamente pensadas, la seguridad los impactos de las diversas excepciones de los
criterios de diseño no se entienden bien. El Indiana Departamento de Transporte
actualmente tiene un jerarquía de Tres Niveles de carretera criterios de diseño. El nivel
uno incluye aquellos elementos de diseño de carreteras que han sido considerados como
los indicadores más críticos de la seguridad vial y la capacidad de servicio. Hay 14
criterios de diseño de nivel uno con estándares mínimos que se cumplen para: velocidad
de diseño; Carril anchos; anchos de hombros; ancho del puente; capacidad estructural del
puente; curvatura horizontal; superelevation transición Longitudes detener la vista
distancia en horizontal y vertical curvas; grado máximo; tasa de superlevación; espacio
libre vertical mínimo; accesibilidad para los discapacitados; y la seguridad ferroviaria del
puente. Los criterios de diseño de nivel dos se consideran importantes para la seguridad y
la capacidad de servicio, pero no se consideran tan críticos como el nivel uno. Los factores
de los criterios del nivel dos son los siguientes: elementos de seguridad vial; el
obstrucción-libre zona; pendientes medianas y laterales; control de acceso; longitud del
carril de aceleración; carril de desaceleración longitud; pendiente cruzada de hombros;
anchos de carril y arcenes auxiliares; grado mínimo para drenaje; mínimo nivel de servicio
criterios; aparcamiento Carril ancho; bidireccional giro a la izquierda ancho; y la duración
crítica de la ley. Por último, los criterios de diseño de nivel tres incluyen todos los demás
criterio de diseño no enumerado en los niveles uno y dos. Esta investigación se centra en
el impacto de excepciones de diseño dentro de la categoría de nivel uno más importante,
que incluye el los indicadores más críticos de carretera seguridad y la capacidad de
servicio.
Para este estudio, consideramos las excepciones de diseño de nivel uno concedidas
entre 1998 y 2003. Nuestros datos consisten en 35 excepciones de diseño en puentes y 13
en carretera Segmentos. Para una muestra de datos de control (carreteras sin excepciones
de diseño), 69 control Puentes y 26 control calzada Segmentos Fueron cuidadosamente
escogido así que ese su características Fueron como Similar como posible Para aquellos
de el excepción-diseño Sitios (geográfico ubicación camino características tráfico
condiciones calzada funcional clasificación y así en). Esto da un total de 143 Sitios.
Es importante tener en cuenta que todos los puentes son sitios geográficamente
localizados (son puntos en el mapa). Como resultado, se desarrolló un procedimiento para
determinar el efecto efectivola duración de la influencia (aguas arriba y aguas abajo del
sitio localizado), y los accidentes que Ocurrió en éste segmento de calzada Fueron
Considera. Éste segmento largura era determinado Para ser 1.1 millas (0.55 millas río
arriba y 0.55 millas río abajo de el
6. 10
puente) Usando un máximo probabilidad estimación como Descrito en Malyshkina Et al.
(2009b).1
Los datos sobre accidentes de vehículos individuales se recopilaron a partir de los
registros de accidentes de 2003 a 2007 inclusive (5 años) del Registro Electrónico de
Accidentes de Vehículos de Indiana Sistema. Accidente datos información incluido
información en tiempo acera condiciones, condiciones del tráfico, número y gravedad de
las lesiones, factores que contribuyen por cada vehículo, tipo y modelo de cada vehículo,
límite de velocidad publicado, edad del conductor y género, uso del cinturón de seguridad,
etc. La base de datos creada a partir de estos datos incluía 127variables para cada
accidente. En total, datos sobre los 5889 accidentes ocurridos desde 2003 Para 2007 en
el carretera-segmento muestra Fueron disponible para nuestro análisis. De estosaccidentes
3429 accidentes Ocurrió cerca Puentes 1192 accidentes Ocurrió en el proximidad de los
puentes de excepción de diseño y 2237 accidentes ocurridos en la proximidad de puentes
de control. De los 2460 accidentes ocurridos en segmentos de carreteras, 739 accidentes
ocurrió en intervalos de excepción de diseño y 1721 accidentes ocurrieron en intervalos
de control.De los 5889 accidentes, el 26,39% fueron accidentes de un solo vehículo, el
54,54% fueron de dos vehículos accidentes en los que se ensañan dos vehículos de
pasajeros (automóvil, monovolumen, vehículo utilitario deportivo o pick- hasta camión),
7.79% fueron accidentes de dos vehículos que involucran un vehículo de pasajeros y un
pesado camión y 11,28% Fueron accidentes que involucran más que dos vehículos.
En letra chica de Herida gravedades, 77.91% de el 5889 accidentes Fueron sin
lesiones (solo daños a la propiedad), 21,68% fueron posibles lesiones, evidentes o
incapacitantes, y 0,41% fueron víctimas mortales. Entre los accidentes de 1931 que
ocurrieron en sitios de excepción de diseño, 75.71% no sufrió lesiones, el 23,82% lesiones
y el 0,47% víctimas mortales. Entre 3958 accidentes ocurrió en sitios de excepción
(control) sin diseño, 78,97% no sufrió lesiones, 20,64% no sufrió lesiones, 20,64% no
sufrió lesiones. lesiones, y 0,39% fueron víctimas mortales. En términos de frecuencias
de accidentes, para la carretera 143 Segmentos el promedio 5 años accidente frecuencia
era 41.13 con un estándar desviación de
101.23. Obsótese que para 48 segmentos con excepciones de diseño, el promedio de
accidentes de 5 años frecuencia era 40.19 con un estándar desviación de 90.93. Para 95
segmentos sin diseño
1
Para determinar el rango de influencia de los puentes en los accidentes, un modelo logit
multinomialpara la gravedad de todos los accidentes se estima teniendo en cuenta todos
los accidentes dentro de dos millas de el puente (a lo largo de la misma carretera). Una
variable de distancia DN se define como la distancia entre el Nésimo
accidente y el puente
y D se define como la distancia de influencia a lo largo del tramo de la calzada. A
continuación, se incluye una variable en el modelo donde DN se utiliza sólo si DN < Dde
otra manera D se utiliza. Utilizar sistemáticamente valores crecientes de Del Se utilizó el
modelo de gravedad que produjo la mayor log-verosimilitud para determinar D. El la idea
es que a cierta distancia del puente el efecto de la distancia desde el puente Disminuye.
Consideramos que esta distancia es un grado de influencia y creamos una carretera
segmento Usando éste valor de D así que ese el total segmento largura es 2D (desde el
8. 10
∑
Excepciones el promedio 5 años accidente frecuencia era 41.60 con un estándar
desviaciónde 106.51.
Información detallada sobre los segmentos de la carretera, incluida la longitud del
segmento, la localidad de la carretera (rural/urbana), el número de carriles, el tipo de
superficie mediana, el ancho mediano (en pies), presencia y anchura interiores de los
hombros, presencia y anchura de los hombros exteriores, número de puentes, número de
curvas horizontales, número de rampas, longitudes de curva horizontal y los radios se
determinaron mediante el uso del software Google Earth. Tráfico medio anual diario se
obtuvieron volúmenes del Departamento de Transporte de Indiana. Clase road
(interestatal, ruta de EE. UU., ruta estatal, carretera del condado, calle), franjas de
estruendo, tipo mediano, carretera tipo de superficie, valor límite de velocidad, tipo de
carretera (un carril, dos carriles, varios carriles, un solo sentido, dos-sentido indiviso
dividido callejón privado unidad) se toman De el disponible datos enregistros individuales
de accidentes. Las frecuencias anuales de accidentes en los segmentos de las carreteras
fueron encontrado por la coincidencia de ubicaciones de segmentos y accidentes
individuales para cada uno de los cinco años considerado (2003-2007 inclusive).
Metodológico Enfoque – Accidente Severidad
Para la gravedad de la lesión por accidente, se consideran tres posibles resultados
discretos: fatal, lesión (posible lesión, lesión evidente, lesión incapacitante) y no lesión
(propiedad daño solamente). Investigaciones anteriores indican que los modelos
estadísticos más utilizados para las gravedades de lesión del estudio han sido el modelo
logit multinomial (con anidado y mezclado logit extensiones) y el ordenado Probit
modelo. Sin embargo allí son Dos potencial Problemas con Aplicar ordenado
probabilidad modelos Para accidente severidad Resultados (Savolainen y el ayesar 2007).
La primera se refiere al hecho de que los accidentes sin lesiones son es probable que ser
sub-reportado en accidente datos porque son menos es probable que ser informó a las
autoridades. La presencia de subinforme en un modelo de probabilidad ordenado enlatar
resultado en parcial y inconsistente modelo parámetro Estimaciones. En contraste el las
estimaciones de parámetros del modelo logit multinomial estándar siguen siendo
consistentes en el la presencia de esa subdesificación, salvo los términos constantes
(Washington et al. 2003). El segundo problema con los modelos de probabilidad
ordenados está relacionado con indeseables restricciones lineales que tales modelos
imponen a las influencias de las variables explicativas (Eluru et al. 2008; Washington,
2003). Como resultado de las limitaciones probit ordenadas, el Multinomial enfoque logit
se utiliza en este documento.
El estándar Multinomial logit modelo con N disponible observaciones de datos y
Yo
posible discreto Resultados Da el probabilidad
observación como (véase McFadden, 1981)
(Y
o)
N
de el Yo ésimo
resultado en el
N ésimo
P( Yo )
=
exp(β′Yo
Éxtasisen )
(1)
P
10. 10
N
N N
N
E
P
E
P
P
Dónde Éxtasisen es el vector de variables explicativas para el Nésimo
observación y βYo es
el vector de modelo Parámetros Para ser estimativo (β'Yo es el transponer de βYo). Nosotros
uso unsuposición convencional de que el primer componente del vector Éxtasisen es igual
a la unidad, y por lo tanto el Primero componente de vector βYo es el interceptar en lineal
producto β'YoÉxtasisen. Nota
ese P(Yo)
, dado por Ecuación (1), es un válido probabilidad poner para Yo
discreto Resultados
porque el necesario y suficiente condiciones P(Yo)
≥ 0 y
Yo
Yo
=1
P(Yo)
=1 son
satisfecho2
.
Tenga en cuenta que el numerador y el denominador de la fracción en la ecuación
(1) pueden ser multiplicado por un número arbitrario sin ningún cambio de las
probabilidades. Como resultado, siel vector de variables explicativas no depende de
resultados discretos (si Éxtasisen = ÉxtasisN), entonces sin ninguna pérdida de generalidad
uno de los vectores de los parámetros del modelo se puede establecer igual Para cero.
Nosotros elegir la no lesión vector βYo para ser cero en este caso.
Dado que los accidentes son eventos independientes, la función de verosimilitud
para el conjunto de Probabilidades dado en la ecuación (1) es
L(β1, β2 ,...β
Yo
N
N=
1
Yo
Yo
=1
[P(Yo )
]δen
(2)
Dónde
δen
es definido Para ser igual Para Uno si el Yo ésimo
discreto resultado es
Observado en el N ésimo
observación y Para cero de otra manera.
Con considerar Para el magnitud de el influencia de específico explicativo
Variables
en el discreto resultado Probabilidades
Elasticidades
(Yo
)
N
Éxta
sis
jn,K
son Computada De el parcial
Derivados del resultado probabilidades para el N ésimo
observación como (véase
Washington et al. al.2003)
(Yo
)
N
Éxtasis jn,K
∂P(Yo )
= N
⋅
∂Éxtasis
jn,K
Éxt
as
is
jn,K
(Yo
) N
(3)
Dónd
e
(Y
o)
N
es el probabilidad de resultado Yo dado por Ecuación
(1),
Éxt
asis
jn,K
es el K
ésimo
componente de el vector de explicativo Variables Éxtasisjn ese Entra el fórmula para
el
∑
) = ∏ ∏
P
11. 10
probabilidad de resultado J, y K es el largura de éste vector.
Si
J = Yo , entonces el
elasticidad
dado por Ecuación (3) es un directo elasticidad de otra
manera si
J ≠ Yo , entonces el
elasticidad es un
cruz elasticidad. El directo elasticidad de el resultado
probabilidad
(Y
o)
N
con respeto
Para
variable Éxt
asis
en,K
Medidas el por ciento cambio
en
(Y
o)
N
ese Resultados De un
infinitesimal
porcentaje cambio
en
Éxtasisen,K .
Nota ese
Éxt
asis
en,K
Entra ambos el numerador y el
2
Como se muestra en McFadden (1981), la ecuación (1) se puede derivar formalmente
mediante el uso de un linealfunción que determina severidad Probabilidades como Sen =
β'YoÉxtasisen + εenpor definitorio
P(Yo)
= Problemas[S ≥ máximo (S )] y por Elegir el Gumbel (Tipo I) extremo valor
N
e
n
∀J≠Yo jn
distribución para el independientemente e idénticamente distribuido error aleatorio letra
chica εen.
P
P
12. 10
N
N
N
N
E
P
N
E
P N
N
denominador de el fórmula
para
P(Yo)
, como dado por Ecuación (1). El cruz elasticidad
de
P(Yo)
con respeto Para
variable
Éxt
asis
jn,K
Medidas el cambio porcentual
en
P(Yo)
ese Resultados
De
un infinitesimal porcentaje cambio
en
Éxtasis jn,K .
Nota ese
Éxt
asis
jn,K
( J ≠ Yo ) Entra
solamente el
denominador de el fórmula para el
probabilidad
(Y
o)
N
de el resultado Yo . Así cruz
Elasticidades medir indirecto efectos que surgir del hecho que las probabilidades de
resultado
debe sumar a
unidad
Yo
J
=1
P( J)
= 1. Si el absoluto valor de el Computada
elasticidad
(Yo )
N
Éxtasis
jn,K
de explicativo variable Éxt
asis
jn,K
es menos que unidad entonces éste variable es dicho Para
ser inelástico
y el resultante porcentaje cambio en el resultado probabilidad
(Y
o)
N
será ser menos (en
su
valor absoluto) que un cambio porcentual en la variable. De lo contrario, se dice la
variable para ser elástico. Es habitual reportar elasticidades promediadas, que son las
elasticidades promediado sobre todas las observaciones. Considere el estudio actual con
tres resultados discretos con Yo = 1, 2, 3 correspondiente a los niveles de gravedad de la
muerte, lesión y no lesión, el siguiente son el Fórmulas para el Promedio directo
Elasticidades (véase Washington Et al.,
2003):
E(1)
= EP (1) = [1− P(1)
]⋅ β
É
xtasis
, (4)
1;Éxtasis K Éxtasis
1N,K N
N
1,
K
N,K N
(2)
2; Éxtasis K
( 2)
N
Éxtas
is 2N
,K
= [1− P(2)
]⋅ β
N
2,
K
Éxt
asi
sN,K
. (5)
N
Y Promedio cruz Elasticidades son
E(2)
= E (3)
= EP ( 2,3)
= − P(1)
⋅ β
É
xtasis
, (6)
P
∑
P
E =
13. 10
E
P N
E
P
P
N
1;Éxtasis K 1;
Éxta
sisK
Éxtasis1N
,K
N
N
1,
K
N,K N
(1)
2; Éxtasis K
(3)
2;
Éxtas
is K
(1,3)
N
Éxtas
is 2N
,K
= − P(2)
⋅ β
N
2,
K
Éxt
asi
sN,K
, (7)
N
Dónde
Soportes
... indicar Promedio sobre todo Observaciones N =1, 2,3,...,N .
El elasticidad Fórmulas dado encima son aplicable solamente cuando
explicativo
variable Éxt
asis
jn,K
usado en el resultado probabilidad modelo es continuo. En el caso
cuando
Éxt
asis
jn,K
Toma en discreto valores el Elasticidades dado por Ecuación (3) no poder
ser
calculados, y son reemplazados por pseudo-elasticidades (por ejemplo, ver Washington
et al. al., 2003). El más tarde son dado por el siguiente ecuación cuál es el discreto
homólogo de Ecuación (3),
(Yo
)
N
Éxtasis jn,K
∆P(Yo )
= N
⋅
ƃxtasis
jn,K
Éxt
as
is
jn,K
(Yo
) N
(8)
Dónde ∆P(Yo)
Denota el resultante discreto cambio en el probabilidad de resultado Yo
pendiente Para
discreto cambio ΔÉxtasisjn,k en variable Éxtasisjn,k. Para ambos continuo y discreto
Variables
E = E
N
=
14. 10
N
porque cada observación tiene su propia elasticidad, solo el promedio en todas las
observaciones será ser reportado en el próximo empírico análisis.
Además de los modelos logit multinomiales simples, consideramos multinomial
mixto modelos logit de la severidad del accidente para explicar variaciones posibles a
través de observaciones. En un mixto Multinomial logit modelo el probabilidad de
el Yo ésimo
resultado en el N ésimo
observación es (véase McFadden y Tren 2000; Washington et. al. 2003, página 287)
~(Yo)
= P(Yo) q(β |
φ )
Dβ (9)
PN ∫
N
Yo Yo Yo
El lado derecho de Ecuación (9) es un mezcla de el estándar Multinomial
Probabilida
des
P(Yo)
, dado por Ecuación (1). Probabilidad distribución q(βYo|ϕYo)
es el
distribución de el Multinomial logit Parámetros βYo, dado fijo Parámetros ϕYo. El
probabilidad ecuación (2) y el elasticidad Ecuaciones (4) a través de (8) sostener
para mixto
Multinomial logit modelos
con
(Y
o)
N
reemplazad
o por
~( Yo )
PN .
Metodológico Acercarse – Accidente Frecuencia
Con respecto a accidente frecuencia, la mayoría estadística de uso común modelos
para los datos de recuento están los modelos de Poisson y binomio negativo. El modelo
de Poisson es un Caso especial del modelo binomial negativo más general (un modelo
binomial negativo se reduce a un modelo de Poisson cuando el parámetro de dispersión
excesiva es cero). Como resultado, sin pérdida de generalidad, Nosotros considerar
solamente Negativo binomio modelos en este estudiar.
El sencillo estándar Negativo binomio modelo de accidente
frecuencia
UnTn , cuál
es el número de accidentes Ocurrió en carretera segmento N durante alguno Hora periodo
Tenlatar ser
Introducido como Sigue. El probabilidad
de
U
nT
n
es (Washington) Et al., 2003, página 248)
( ) Γ(Un +1/α)
1
1/α
αλ
UnTn
UnTn
Tn
T
n
Γ(1/α
)Un
!
1+αλ
Tn ,
1+αλ λTn = exp(β′ÉxtasisTn) ,(10)
Tn Tn Tn
P
P =
15. 10
Dónde λTn es la tasa media anual de accidentes en el segmento de carretera N durante el
período de tiempo T , ÉxtasisTn es el vector de explicativo Variables durante Hora
periodo T para el calzada segmentoN, Γ es la función gamma, las medias primos
transponen (β' es la transposición de β). El vector β y el sobre-dispersión parámetro α son
desconocido estimable Parámetros de el modelo binomial negativo. Dado que se supone
que los sucesos de accidente son independientes, el lleno la función de verosimilitud es,
T N
(Un )
L(β,α)= ∏∏PTN
Tn
T=1 N=1
(11)
Con considerar Para el magnitud de el influencia de específico explicativo
Variablesen el Esperado accidente frecuencia en lugar de de el Elasticidades usado
para el severidad
16. 10
∫∫
T
análisis Nosotros uso marginal Efectos cuál son Fácil Para interpretar para recuento
de datos modelos.El el efecto marginal es calculado como (véase Washington et al.,
2003),
∂E(UnTn |
ÉxtasisTn ) =
∂λT
n
=
∂
[exp(
β′Éxtasis
)]= λ β , (12)
∂ÉxtasisTn,K ∂Éxta
sisTn,
K
∂Éxta
sisTn,
K
Tn Tn
Dónde Éxtasistn,k es el Késimo
componente del vector de variables explicativas ÉxtasisTn.
El marginal efecto da el efecto de que un cambio de una unidad en la variable explicativa
Éxtasistn,k tiene en el frecuencia media de accidentes λTn. Como os con las elasticidades,
porque cada observación genera su propio efecto marginal, el promedio a través de todas
las observaciones se informará en el próximo empírico análisis.
La posibilidad de modelos binomiales negativos mixtos (parámetros aleatorios),
que se definen como en los modelos logit multinomiales mixtos, también se considera.
En una mezcla modelo binomial negativo, la probabilidad de UnTn accidentes ocurridos
en el segmento de carretera N durante anual Hora periodo T es (véase Greene 2007;
Anastasopoulos y Ayesamiento, 2009)
~( Un
PTn
Tn
)
= P(
UnTn
)
q(β,α |φ) Dβ
Dα
(13)
El lado derecho de Ecuación (13) es un mezcla de el estándar Negativo binomio
Probabilida
des
P(UnTN )
, Given By Equunción (10). El proBunBiliTy distribución q(β,α|ϕ)
es el
distribución de el Negativo binomio Parámetros β y α, dado fijo Parámetros ϕ. El
probabilidad ecuación (ecuación 11) Tiene para mixto Multinomial Negativo binomio
modelos
con
(UnT
N )Tn
reemplazad
o por
~(Un )
PT,N
Tn
.
Metodológico Acercarse – Probabilidad Proporción Prueba
El probabilidad proporción prueba es generalmente usado en orden Para
determinar si allí esa estadísticamente significativo diferencia entre modelos estimativo
por separado para varios bins de datos. En el caso de que la muestra de datos se divida en
solo dos contenedores de datos, uno de los cuales incluye datos para segmentos de
excepción de diseño y el otro incluye datos para segmentos que no son de diseño
excepción (control) segmentos, el prueba estadística es (Washington et al., 2003)
Éxtasis2
= −2[LL(βtodo)− LL(βDE)− LL(βNDE)], (14)
Dónde LL(βtodo) es log-verosimilitud del modelo en convergencia del modelo estimado
P
17. 10
en todos los datos, LL(βDE) es la log-verosimilitud en la convergencia del modelo
estimado con sólo sitios con excepciones de diseño, y LL(βNDE) es la log-verosimilitud en
la convergencia de la modelo estimativo en Sitios sin diseño Excepciones. Si el número
de Observaciones es
suficientemente grande el prueba
estadística
Éxtasis 2
, dado por Ecuación (14), es χ2
-distribuido
con
Grados de libertad igual Para el suma de Parámetros estimativo en el diseñoModelos de
excepción y de excepción no de diseño menos el número de parámetros estimados en el
modelo de datos totales (Gourieroux y Monfort, 1996).
18. 10
En el caso cuando el datos muestra tamaño es pequeño el asintótico χ2
distribución es
probable Para ser un pobre aproximación para el
prueba estadística
Éxtasis 2
. Para resolver éste
problema
Monte Carlo Simulaciones enlatar ser Emprendido Para encontrar el verdadero
distribución de el prueba
estadíst
ica
Éxtasis 2
. Éste es hecho por Primero generador un grande número de artificial
datos Establece debajo
el nulo hipótesis ese el modelo es el mismo para Segmentos con y sin diseño
Excepciones. Entonces el prueba
estadística valores
Éxtasis 2
, dado por Ecuación (14), para cada
de el
simulado datos Establece son Computada y estos valores son usado Para encontrar el
verdadero probabilidad
distribución
de
Éxtasis 2
. Éste distribución es entonces usado para determinar el p-
valor que
Corresponde Para
el
Éxtasis 2
calculado para el real Observado datos. El p-value es
entonces usado
para la inferencia. Este enfoque basado en simulaciones montecarlo para la relación de
verosimilitud prueba es universal, él trabaja para cualquier número de Observaciones.
Estimación Resultados – Accidente Severidad
Los resultados de la estimación para el modelo de gravedad del accidente logit
multinomial mixto se indican en el cuadro 1. Los hallazgos de esta tabla muestran que el
modelo de gravedad tiene una bueno en general ajuste (McFadden ρ2
estadística por
encima de 0,5) y que las estimaciones de parámetros son de signo plausible, magnitud y
elasticidad media. Encontramos que dos variables producen parámetros aleatorios (en la
formulación mixta de logit). La variable indicadora para tener se comprobó que dos
vehículos involucrados en el accidente se distribuían normalmente en la lesión. resultado
del choque con una media de -1,85 y desviación estándar de 2,65. Esto significa que para
75.7% de el Observaciones teniente Dos vehículos implicado en el estruendo reducido el
probabilidad del resultado de la lesión y para el 24,3% de las observaciones tener dos
vehículosimplicado aumentó la probabilidad de un resultado de lesión. Además, el
parámetro para el la variable indicadora interestatal-autopista se distribuye
uniformemente con una media de -2,26 y unestándar desviación de 6.03.
Algunos otros resultados interesantes incluyeron la antigüedad del vehículo con
culpa (donde los valores de elasticidad muestran que un aumento del 1% en la antigüedad
del vehículo con fallo aumenta la probabilidadde una lesión fatal en un 0,972%) y la edad
del vehículo más antiguo involucrado en el accidente (que Además aumentado el
probabilidad de un lesión). Estos Dos Variables Mayo ser Captura Mejoras en seguridad
19. 10
Tecnologías en vehículos más nuevos.
Se encontró que la presencia de nieve y aguanieve reduce la probabilidad de
muerte y lesiones, probablemente debido a niveles más bajos de fricción que pueden
aumentar el tiempo de colisión y, por lo tanto, permita que la energía se disipe más
fácilmente durante un choque. Accidentes que sí lo hicieron no ocurren en una
intersección y los que ocurrieron en áreas urbanas tenían menos probabilidades de resultar
en una lesión (en un promedio de 12.9% y 21% respectivamente como lo indica el
elasticidades medias). Por último, los accidentes en los que están implicadas mujeres
conductoras culpables, teniente el culpables vehículo debajo señal control teniente
superior Publicada velocidad Límites y
20. 10
tener causas relacionadas con el conductor indicadas como la causa principal del
accidente, todo resultó enun mayor probabilidad de un Herida accidente.
Volviendo al efecto de las excepciones de diseño en la gravedad de los accidentes,
tenga en cuenta que en el Cuadro 1, el parámetro de excepción de diseño es
estadísticamente insignificante, lo que sugiere que diseño Excepciones hacer no have un
estadísticamente significativo impacto en el severidad de lesiones por accidente. Para
proporcionar pruebas adicionales, una prueba de razón de verosimilitud, descrita en el en
la sección anterior, se llevó a cabo para determinar si existe una diferencia entre mixto
Multinomial logit modelos estimativo para severidad de el Accidentes ocurridos en sitios
de excepción de diseño y excepción no de diseño (control) Sitios. Porque la muestra de
datos de gravedad del accidente es grande (5889 accidentes), nosotros confiar éste χ2
aproximación al realizar la prueba de razón de verosimilitud para el modelo de gravedad
del accidente. El estadístico de prueba Éxtasis 2
el valor, dado por la ecuación (14), era
27.21 con 21 grados de libertad. El correspondiente p-value basado en el χ2
distribución
es 0.164 (el crítico
χ2
el valor en el nivel de confianza del 90% es 29.62). Por lo tanto, la hipótesis de que el
diseño los sitios de excepción y de excepción no diseñados fueron estadísticamente los
mismos no pueden ser rechazados, y se puede concluir que las excepciones en el diseño
no han tenido una importancia estadística efecto sobre las gravedades de los accidentes.3
3
También se realizaron pruebas de razón de verosimilitud para determinar si había
diferencias en gravedades de accidentes entre los segmentos de carreteras cerca de los
puentes y esos segmentos ese son no cerca Puentes. Para prueba si puente y no puente
Segmentos Fueron estadísticamente diferente, Nosotros estimativo un modelo en todo
datos y entonces Comparado Para el separadamente estimativo puente y no puente
modelos. El prueba estadística es Éxtasis 2
= .28LL(βtodo)
- LL(βpuente) - LL(βno puente)] donde LL(βtodo) es la log-verosimilitud del modelo en la
convergencia del modelo estimado en todos los datos, LL(βpuente) es la log-verosimilitud
en la convergencia de la modelo estimativo con solamente segmento de puente datos y
LL(βno puente) es el log-verosimilituden la convergencia del modelo estimado en datos de
segmentos no puente. Esta estadística es χ2
distribuido con grados de libertad iguales a la
suma de parámetros estimados en Los modelos de puente y no puente menos el número
de parámetros estimados en el modelo de datos totales. El Éxtasis 2
el valor de esta prueba
era 26.59 con 21 grados de libertad. El correspondiente p-value es 0,185 (el valor crítico
χ2
el valor en el nivel de confianza del 90% es 29.62). Por lo tanto, no podemos rechazar
la hipótesis de que los segmentos puente y no puente son Igualmente y como un resultado,
estos Segmentos se consideran juntos.
21. 10
Estimación Resultados – Accidente Frecuencia
Con considerar Para accidente frecuencia Nosotros Intento estimación de un
aleatorio Parámetros Negativo binomio modelo como Mostrado en Ecuación (13). Arduo
varios distribuciones, todos los parámetros estimados se determinaron para ser fijados en
la probabilidad convergencia (las desviaciones estándar de las estimaciones de parámetros
en toda la población no fueron significativamente diferente De cero Implicando ese el
Parámetros Fueron fijo A través de observaciones). Así estándar Negativo binomio
modelos son estimativo en quinquenal frecuencias de accidentes, y 122 de los 143
segmentos de carretera tenían datos completos para su uso en el estimación del modelo
de frecuencia de accidentes. Para estos 122 segmentos de carretera, el promedio de 5 años
accidente frecuencia era 34,84 con un desviación estándar de 65.51.
Los resultados negativos de la estimación binomial se dan en la Tabla 2 junto con
el efectos marginales como se discutió anteriormente. Los resultados muestran que las
estimaciones de parámetros son de plausible firmar y magnitud y el en general estadístico
caber es bastante bien (McFadden ρ2
estadística encima 0.75).
La Tabla 2 muestra que el parámetro de excepción de diseño es estadísticamente
insignificante una vez más, sugiriendo que las excepciones de diseño no tienen un impacto
estadísticamente significativo en el frecuencia de accidentes.4
Volviendo a los resultados del modelo específico que se muestran en la Tabla 2,
encontramos que las vías urbanas have un significativamente superior número de
accidentes y ese el superior el grado decurvatura (definida como 18000 dividida por π
veces el radio de la curva en pies), cuanto menor seael riesgo de accidente. Este segundo
hallazgo parece contraintuitivo (curvas más pronunciadas dan como resultado menos
accidentes) pero esto podría estar reflejando el hecho de que los conductores pueden estar
respondiendo a curvas pronunciadas conduciendo con más precaución y/o que tales
curvas están en diseño más bajo- segmentos de velocidad con un riesgo de accidente
inherentemente menor. Otros resultados del Cuadro 2 muestran que: los aumentos del
tráfico medio diario anual por carril aumentan la frecuencia de los accidentes (el el efecto
marginal muestra que por cada 1000 vehículos de aumento en AADT por carril los 5 años
la frecuencia de accidentes sube en 2,04 accidentes); las longitudes más largas del camino-
segmento aumentan frecuencias de accidentes (esta es una variable de exposición porque
está relacionada con el número de millas recorridas en el segmento de la carretera); y para
las interestatales cuanto mayor sea el número de las rampas cuanto mayor sea el número
de accidentes (con efectos marginales que indican que cada rampa Aumenta la tasa de
accidentes de 5 años por 6.52 accidentes).
Se encontró que el indicador de superficie de asfalto resultaba en menos
accidentes. Esto es probable captura de información no observada relacionada con la
fricción y el estado del pavimento (como medido por el Internacional Aspereza Índice
celo Medidas y así que en)porque Otro Estudios con detallado pavimento-condición
información have fundar el tipo
4
El indicador de segmento de puente variable era también estadístico insignificante
Sugiriendo Nodiferencia entre puente y no puente Segmentos.
22. 10
de calzada Superficie (concreto o asfalto) Para ser estadísticamente insignificante (véase
Anastasopoulos et al., 2008 y Anastasopoulos y Mannering, 2009). Por último, para
carreteras multilane, la presencia de un arcén interior y mediandas anchos de menos deSe
encontró que 30 pies disminuyen la frecuencia de accidentes. Este último hallazgo es
probable que la captura características no observadas asociadas con segmentos de
carretera que tenían medianas de 30 pies o más (que era alrededor del 55% de la muestra).
También se realizaron pruebas de razón de verosimilitud como se hizo para la
gravedad mixta de fiaranálisis. El estadístico de prueba Éxtasis 2
, dado por la ecuación
(14) era 23.00 con 10 grados de libertad. El correspondiente p-value basado en el χ2
distribución es 0.0107 (el crítico
χ2
valor en el Nivel de confianza del 90% es 15.99). Sin embargo, porque nosotros tener
sólo un limitado número de frecuencia de accidentes Observaciones (igual a Para 122), el
parámetro Estimaciones de el separar frecuencia modelos (para diseño excepción y no
diseño segmentos de excepción) no son necesariamente estadísticamente confiables
(errores estándar altos) y el asintótico χ2
es probable que la distribución ser una
aproximación pobre para el prueba estadística Éxtasis 2
. Para llegar a resultados más
defendibles para la prueba de razón de verosimilitud, Monte Carlo las simulaciones se
llevan a cabo para determinar la verdadera distribución del estadístico de prueba Éxtasis
2
como descrito anteriormente. Estos resultados se muestran en la figura 1. En esta figura
el histograma muestra la verdadera distribución de Éxtasis 2
que se obtuvo de las
simulaciones de Monte Carlo (105
artificial datos Establece Fueron utilizado) y el sólido
curva Muestra el aproximado asintótico
χ2
distribución de Éxtasis 2
. La línea discontinua vertical de esta figura muestra el Éxtasis
2
valor calculado para los datos observados de la accidente-frecuencia. La verdad p-value,
calculado por utilizando la distribución basada en simulaciones de Éxtasis 2
(esto p-value
es igual al área del parte del histograma situada a la derecha de la línea discontinua), es
0.0311, que es aproximadamente tres veces mayor que el aproximado χ2
-valor basado en
0,0107. Sin embargo, ambos valores están por debajo del 5%. Por lo tanto, la hipótesis de
que la excepción de diseño y la excepción no de diseñoSitios Fueron estadísticamente el
mismo es rechazado y eso enlatar ser Concluyó ese diseño las excepciones tienen un
efecto estadísticamente significativo en las frecuencias de los accidentes. Este es un
hallazgo extremadamente importante. El hecho de que la variable de indicador para las
excepciones de diseño se encontró que era estadísticamente insignificante sugiere que la
diferencia entre el diseño los segmentos de excepción y de excepción no de diseño en
términos de frecuencias de accidentes más altas es no significativo. Sin embargo el
probabilidad proporción prueba Resultados sugerir ese el proceso(parámetros estimados)
generando frecuencias de accidentes de la excepción de diseño y no-los segmentos de
excepción de diseño son significativamente diferentes. Esto tiene implicaciones
importantes enque los posibles cambios en las variables explicativas Éxtasis podría
producir significativamente diferente frecuencias de accidentes entre los segmentos de
excepción de diseño y de excepción no de diseño. Si bien se necesitarían más datos para
descubrir completamente estos efectos, este hallazgo indica que hay que tener precaución
incluso al conceder excepciones de diseño que parecer tener ha sido aceptable basado en
histórico datos.
23. 10
Resumen y Conclusiones
En general nuestro Resultados sugerir ese el actual proceso usado Para subvención
diseño las excepciones han sido lo suficientemente estrictas como para evitar
consecuencias adversas para la seguridad resultantes De diseño Excepciones – aunque el
hallazgo ese diferente Procesos Mayo ser generar las frecuencias de accidentes en la
excepción de diseño y la excepción no de diseño Segmentos es causa para preocupación
con con respecto a futuro concesión de diseño Excepciones.
Nuestros hallazgos específicos (incluso con los limitados datos de que
disponemos) proporcionan algunos información sobre las áreas en las que se debe tener
precaución al conceder el diseño de nivel uno Excepciones. Con respecto a la gravedad
de los accidentes, mientras que la mayoría de los factores que afectado severidad Fueron
conductor características Nosotros hizo encontrar ese área urbana accidentes haveuna
menor probabilidad de daño y que el publicado el límite de velocidad es crítico (mayor
velocidad Límites resultado en un significativamente superior probabilidad de un Herida
accidente). Así las excepciones de ubicación urbana/rural y diseño en carreteras con
límites de velocidad más altos debenser dado un escrutinio cuidadoso.
Con respecto a la frecuencia de accidentes, encontramos que la curvatura
horizontal es Es necesario prestar una atención crítica y, por lo tanto, especial a las
excepciones de diseño relativas a curvas horizontales. Para las carreteras de varios
carriles, se encontró la presencia de arcenes interiorespara reducir significativamente la
frecuencia de accidentes por lo que esto debe ser considerado cuidadosamente al conceder
excepciones de diseño. Además, se encontraron frecuencias de accidentes más altas en
las zonas urbanas que sugieren que se preste especial atención a las excepciones de diseño
que podría comprometer la seguridad en estas áreas (como se esperaba, las áreas urbanas
tienen un mayor accidente frecuencias pero gravedades más bajas). Finalmente, se
encontró que el indicador de superficie de asfalto resultan en menos accidentes. Como se
indicó anteriormente, es probable que esto sea la captura no observada información
Relacionadas con Para acera fricción y condición (como medido por el Índice
internacional de rugosidad, mediciones de celo, etc.), y sugiere que Las condiciones de
fricción y pavimento deben vigilarse de cerca cuando las excepciones de diseño son
Concedido.
En términos de un proceso en forma de un sistema de apoyo a la toma de
decisiones para guiar el futuro Excepciones de diseño de nivel uno, los hallazgos
estadísticos de este esfuerzo de investigación sugieren que el uso de excepciones de diseño
anteriores como precedentes sería un buen punto de partida. Mientras el actual estudiar
Indica ese el diseño Excepciones Concedido sobre el 1998-2003 plazo no han afectado
negativamente a la seguridad general, el número de diseño disponible las excepciones son
demasiado pequeñas para hacer declaraciones amplias con respecto a la política. Por lo
tanto, un caso por La comparación de casos con excepciones de diseño concedidas
anteriormente es la única forma de proceder que puede ser recomendado.
24. 10
Referencias
Abdel-Aty, M. A., 2003. Análisis de los niveles de gravedad de las lesiones del conductor
en múltiples ubicaciones Usando modelos probit ordenados. Diario de Seguridad
Investigación 34(5), 597-603.
Abdel-Aty, M. Un. Radwan Un. E. 2000. Modelado del tráfico accidente ocurrencia y
implicación. Análisis de accidentes y Prevención 32(5), 633-642.
Agente K. Pitman J. Stamatiadis, N. 2003. Seguridad Implicaciones De diseño
Excepciones. Centro de Transporte de Kentucky, KTC-02-09/SPR230-01-1F,
Lexington, KY.
Anastasopoulos, P. Ayesamiento, F. 2009. Un nota en modelado vehículo-accidente
Frecuencias con parámetros aleatorios contar modelos. Accidente Análisis y
Prevención 41(1), 153-159.
American Association of State Highway and Transportation Officials, 2004. Una guía
paraLograr flexibilidad en carretera diseño, Washington, DC.
Anastasopoulos, P., Tarko, A., Mannering, F., 2008. Análisis de Tobit de accidentes de
vehículos Tarifas en interestatal Carreteras. Accidente Análisis y Prevención, 40(2),
768-775.
Carson, J., Mannering, F., 2001. El efecto de las señales de advertencia de hielo en las
frecuencias de accidentes y gravedades. Accidente Análisis y Prevención 33(1), 99-
109.
Chang, L.-Y., Mannering, F., 1999. Análisis de la gravedad de las lesiones y la ocupación
de los vehículos enaccidentes relacionados con camiones y no camiones. Análisis y
prevención de accidentes, 31(5), 579-592.
Cowen G. 1998. Estadístico datos análisis. Oxford Universidad Prensa ESTADOS
UNIDOS.
Duncan C., Khattak, A., Council, F., 1998. Aplicación del modelo probit ordenado a la
lesión gravedad en las colisiones traseras camión-automóvil de pasajeros. Registro
de investigación de transporte,1635, 63-71.
Eluru, N. Bhat C. Hensher, D. (2008). Un mixto Generalizada ordenado respuesta
modelopara Examinar peatón y ciclista Herida severidad nivel en tráfico Accidentes.
Accidente Analysis and Prevention, 40(3), 1033–1054.
Administración Federal de Carreteras, 1997. Flexibilidad en el diseño de autopistas.
Estados Unidos Departamento de Transporte, FHWA-PD-97-062.
Gourieroux, C., y Monfort, A., 1996. Métodos Estadísticos en Econometría. Volumen 2,
Universidad de Cambridge Prensa Cambridge.
Greene W. 2007. Limdep, Versión 9.0. Econométrico SoftwareInc. Plainview NY.
25. 10
Hadi, M. A., Aruldhas, J., Chow, L.-F., and Wattleworth, J. A., 1995. Estimación de la
seguridad efectos del diseño de secciones transversales para varios tipos de carreteras
utilizando binomios negativos regresión. Expediente de la investigación del
transporte, 1500, 169
Islam, S., and Mannering, F., 2006. Envejecimiento del conductor y su efecto en hombres
y mujeres un solo vehículo accidente Lesiones: alguno adicional evidencia. Diario de
Seguridad Investigación 37(3), 267-276.
Jones, B., Janssen, L., Mannering, F., 1991. Análisis de la frecuencia y duración de
autopista accidentes en Seattle. Análisis de accidentes y Prevención 23(2), 239-255.
Khattak, A., 2001. Gravedad de la lesión en choques traseros de varios vehículos.
Transporte Investigación Grabar, 1746, 59-68.
Khattak, A., Pawlovich, D., Souleyrette, R., Hallmark, S., 2002. Factores relacionados
con más lesiones graves por accidentes de tránsito de conductores mayores. Revista
de Ingeniería de Transporte, 128(3), 243-249.
Khorashadi, Un. Niemeier, D. Shankar V. y Ayesamiento, F. 2005. Diferencias en
rural y urbano conductor-lesión gravedades en accidentes Participación camiones
grandes: un exploratorio análisis. Análisis de accidentes y Prevención 37(5), 910-921
Kockelman, K., Kweon, Y.-J., 2002. Gravedad de la lesión del conductor: Una aplicación
de pedido Probit modelos. Accidente Análisis y Prevención 34(4), 313-321.
Kweon, Y.-J., Kockelman, K., 2003. Riesgo general de lesiones para diferentes
conductores: Combinación modelos de exposición, frecuencia y gravedad. Análisis y
prevención de accidentes, 35(3), 414-450.
Lee, J., Mannering, F., 2002. Impacto de las características de la carretera en la frecuencia
y la gravedad de run–off–carretera accidentes: Un empírico análisis. Accidente
Análisis y Prevención 34(2), 149–161.
Lee, C., Abdel-Aty, M., 2005. Análisis exhaustivo de los accidentes entre vehículos y
peatones en Intersecciones en Florida. Accidente Análisis y Prevención 37 4), 775-
786.
Señor D. 2006. Modelado motor vehículo Accidentes Usando Poisson-gamma modelos:
Examinar los efectos de los valores medios bajos de la muestra y el tamaño pequeño
de la muestra en el estimación de el fijo dispersión parámetro. Accidente Análisis y
Prevención 38(4), 751-766.
Lord, D., Park, Y.-J., 2008. Investigar los efectos de la dispersión fija y variable
Parámetros de Poisson-gamma modelos en empírico Bayes Estimaciones, Accidente
Análisis y Prevención, 40(4), 1441-1457.
26. 10
Señor D. Guikema, S. D. Geedipally, S. R. 2008. Aplicación de el Conway:Maxwell-
Poisson Generalizada lineal modelo para Analizar motor vehículo Accidentes
Accidente Análisis y prevención, 40(3), 1123-1134.
Malyshkina, N., Mannering, F., 2009. Modelo logit multinomial de conmutación de
Markov: Un aplicación a accidente-lesión gravedades. Documento de trabajo.
Malyshkina, N., Mannering, F., Tarko, A., 2009a. Markov cambiando binomio negativo
modelos: Un aplicación Para vehículo accidente Frecuencias. Accidente Análisis
yPrevención 41(2), 217-226.
Malyshkina, N. Ayesamiento, F. y Thomaz, J. 2009b. Seguridad Impactos de diseño
Excepciones. Preparado para el Articulación Transporte Investigación Programa
Indiana Departamento de Transporte.
McFadden, D. (1981). Modelos econométricos de elección probabilística. En Manski &
D. Mcfadden (Eds.), Un estructural análisis de discreto datos con econométrico
Aplicaciones. Cambridge MAMÁ: El MIT Prensa.
McFadden, D., Train K., 2000. Modelos mixtos de MNL para respuesta discreta. Diario
de Aplicado Econometría 15(5), 447-470
Milton J. y Ayesamiento, F. 1998. El relación entre carretera geométricas,relacionados
con el tráfico Elementos y vehículo de motor accidente Frecuencias. Transporte
25(4), 395-413.
National Cooperative Highway Research Program, 2003. Diseñar prácticas de excepción.
Síntesis 316 del Programa Nacional de Investigación cooperativa en carreteras,
Transporte Investigación Board, Washington, DC.
Poch, M. y Ayesamiento, F. L. 1996. Negativo binomio análisis de intersección accidente
frecuencia. Diario de Transporte Ingeniería, 122(2), 105-113.
Savolainen, P., y Mannering F., 2007. Pruebas adicionales sobre la efectividad de
motocicleta adiestramiento y motociclistas asunción de riesgos comportamiento.
Transporte Investigación Expediente 2031, 52-58.
Savolainen, P. T., y Mannering, F., 2007. Modelos probabilísticos de la lesión de los
motociclistasgravedades en choques de un solo vehículo y de varios vehículos.
Análisis y prevención de accidentes, 39(5), 955-963.
Shankar, V., Mannering, F., and Barfield, W., 1995. Efecto de las geometrías de la calzada
y factores ambientales en las frecuencias de accidentes de autopistas rurales. Análisis
de accidentes yPrevención 27(3), 371-389.
27. 10
Shankar, V., Mannering, F., and Barfield, W., 1996. Análisis estadístico del accidente
severidad en rural Autopistas. Accidente Análisis y Prevención, 28(3), 391-401.
Shankar, V., Milton, J., Mannering, F., 1997. Modelando frecuencias de accidentes como
Cero– Alterado probabilidad Procesos: Un empírico indagación. Accidente Análisis
y Prevención 29, 829–837.
Ulfarsson, G. F., y Mannering, F. L., 2004. Diferencias en las lesiones masculinas y
femeninas gravedades en vehículo utilitario deportivo, monovolumen recogida y
pasajero coche accidentes. Accidente Análisis y prevención, 36(2), 135-147.
Wang Éxtasis. Abdel-Aty, M. 2008. Modelado giro a la izquierda estruendo ocurrencia
en Señalizadasintersecciones por patrones en conflicto. Análisis y prevención de
accidentes, 40(1), 76- 88.
Washington S. P. Karlaftis, M. G. y Ayesamiento, F. L. 2003. Estadístico y métodos
econométricos para el análisis de datos de transporte. Chapman &Hall/CRC, Boca
Ratón, Florida
Yamamoto, T. , Shankar, V., 2004. Modelo probit de respuesta ordenada bivariada de
controlador y gravedades de lesiones de pasajeros en colisiones con objetos fijos,
Análisis de accidentes y Prevención 36(5), 869-876.
28. 21
Mesa 1. Estimación Resultados para el mixto Multinomial logit modelo de accidente gravedades.
Variable
Parámetro (T-relación) Promedio elasticidades*
fatal Herida E (1)
1 E (2)
1 E (3)
1 E (1)
2 E (2)
2 E (3)
2
Fijo Parámetros
Constante -6.09 (-10.4) -4.59 (-7.26) - - - - - -
Dos vehículo indicador (1 si Dos vehículos son
implicado
0 de lo contrario)
-2.41 (-3.63) - -1.45 .0012 .0030 - - -
Aguanieve indicador (1 si calzada Superficie era
tapado por nieve o aguanieve 0 en caso contrario)
-.843 (-2.41) -.843 (-2.41) -.0460 .0001 .0002 .0038 -.0255 .0038
Ayuda indicador (1 si Ayuda llegado en 10 acta o
menos
después el estruendo 0 de lo contrario)
.609 (3.69) .609 (3.69) .358 -.0008 -.0014 -.0488 .1576 -.0488
Número de Ocupantes En vehículo en culpa -.328 (-2.54) -.328 (-2.54) -.479 .0010 .0016 .0574 -.2301 .0574
El mayor número de ocupantes en cualquier vehículo
único
implicado en el estruendo
.303 (2.70) .303 (2.70) .526 -.0013 -.0040 -.0666 .243 -.0666
Edad de el vehículo en culpa (en años) .139 (3.38) - .972 -.0033 -.0055 - - -
Edad del el vehículo más antiguo implicado en el
accidente (en
años)
- .0417 (2.96) - - - -.0457 .160 -.0457
No intersección indicador(1 si el accidente hizo no
ocurrir en un intersección 0 de lo contrario)
- -.409 (-2.43) - - - .0285 -.129 .0285
Indiana vehículo licencia/error indicador (1 si el en
culpa
vehículo era autorizado en Indiana 0 de lo contrario)
- .390 (2.11) - - - -.0390 .145 -.0390
Urbano indicador (1 si el accidente ocurrió en un
urbano ubicación 0 de lo contrario)
- -.686 (-2.78) - - - .0533 -.210 .0533
Controlador/causa indicador (1 si el primario causa de
accidente es relacionados con el conductor, 0 de lo
contrario)
- 2.27 (8.28) - - - -.255 .814 -.255
Publicada velocidad límite (si el mismo para todo
vehículos
involucrados)
- .0239 (2.66) - - - -.129 .511 -.129
Señal/fallo indicador (1 si el tráfico control
dispositivo
para el vehículo en el error es un señal 0 de lo
contrario)
- .724 (2.90) - - - -.0146 .0353 -.0146
29. 21
Mesa 1. (Continuación.)
Variable
Parámetro (T-relación) Promedio elasticidades*
fatal Herida E (1)
1 E (2)
1 E (3)
1 E (1)
2 E (2)
2 E (3)
2
Mujer-culpa indicador (1 si género de el conductor en
culpa Identificadores hembra 0 de lo contrario)
- .308 (2.06) - - - -.0155 .0543 -.0155
Medio edad indicador (1 si el edad de el el conductor
más antiguo
es entre 30 y 39 años viejo 0 de lo contrario)
- .577 (3.12) - - - -.0162 .0501 -.0162
Diseño excepción y tipo-segmento Parámetros
Diseño excepción indicador (1 si el camino segmento
tenía
un diseño excepción 0 de lo contrario)
.460 (.752) -.0974 (-.622) .147 -.0004 -.0007 .0038 -.0149 .0038
Puente-segmento indicador (1 si el camino segmento
es un
puente segmento 0 de lo contrario)
-.244 (-.395) .175 (1.11) -.141 .0003 .0005 -.0119 .0443 -.0119
Aleatorio Parámetros
Dos vehículo indicador (1 si Dos vehículos son
implicado
0 de lo contrario)
- -1.85 (-3.67) - - - .0223 -.0185 .0223
Interestatal indicador (1 si el calzada segmento es un
interestatal carretera 0 de lo contrario)
- -2.26 (-2.59) - - - -.0141 .104 -.0141
Estándar Desviaciones de parámetro
Distribuciones
Dos vehículo indicador (1 si Dos vehículos son
implicado
0 de lo contrario)
-
2.65 (3.86)
normal
- - - - - -
Interestatal indicador (1 si el calzada segmento es un
interestatal carretera 0 de lo contrario)
-
6.03 (3.74)
uniforme
- - - - - -
Log-verosimilitud en convergencia -1828.38
Restringido log-verosimilitud -4027.51
Número de Parámetros 21
Número de Observaciones 3666
Mcfadden ρ2
0.546
*
Recomienda Para Ecuaciones (3)–(6), Dónde subíndice y superíndice Resultados "1", "2", "3" corresponder Para "fatal", "perjuicio",
"sin lesiones". Elsubíndice representa el resultado que se está considerando para X. El superíndice representa el resultado que se está
considerando para el cambio en la probabilidad. Si los valores de subíndice y superíndice son los mismos, la elasticidad es una elasticidad
directa que estima el efecto de un cambio en la variable X en el resultado del subíndice tiene en la probabilidad de ese mismo resultado. Si los
valores de subíndice y superíndice difieren, son cruzados Elasticidades Estimar el efecto de un cambio en variable X en el resultado del
31. 23
Tabla 2. Resultados de la estimación para el modelo binomial negativo estándar de
accidente a 5 añosFrecuencias
Variable Parámetro (T-
relación)
Promedio
marginal
efecto
Constante 3.12 (7.23) -
Urbano indicador (1 si el accidente ocurrió en un
urbano ubicación 0 de lo contrario)
1.80 (4.43) 71.9
Grado de curvatura de el más nítida horizontal curva
en el camino segmento
-.0562 (-2.08) -2.24
Promedio anual diario tráfico por Carril en miles .0509 (2.28) 2.04
Natural logaritmo calzada longitud del segmento en
millas
.937 (2.83) 37.5
Total número de Rampas en camino segmento si
interestatal
.163 (2.00) 6.52
Asfalto Superficie indicador (1 si calzada Superficie
es
asfalto 0 de lo contrario)
-1.08 (-3.13) -43.4
Indicador de arcén interior de la carretera multilane
(1 sicamino segmento es un dividido carretera con un
interior
hombro 0 de lo contrario)
-1.25 (-3.10) -50.1
Multilane carretera ancho mediano indicador (1 si
mediana Ancho es menos que 30 pies 0 de lo
contrario)
-.905 (-2.55) -36.2
Diseño excepción y tipo-segmento Parámetros
Diseño excepción indicador (1 si el camino segmento
tenía
un diseño excepción 0 de lo contrario)
.0601 (0.204) -
Indicador de segmento de puente (1 si el segmento
de carretera es unpuente segmento, 0 en caso
contrario)
-.155 (-0.414) -
Dispersión parámetro
Sobre-dispersión parámetro (α) 1.37 (7.94) -
Modelo estadística
Log-verosimilitud en convergencia -1963.29
Log-verosimilitud en cero -472.77
Número de Parámetros 12
Número de Observaciones 122
Mcfadden ρ2
0.759
32. 23
Figura 1. El Éxtasis 2
prueba estadística distribución de la frecuencia de accidentes
(histograma muestra el
verdadera distribución de Éxtasis 2
de las simulaciones de Monte Carlo y la curva
sólida muestra elaproximado asintótico χ2
distribución de Éxtasis
2
).