کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4978551 1452892 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling the impact of latent driving patterns on traffic safety using mobile sensor data
ترجمه فارسی عنوان
مدل سازی تاثیر مدل های راننده پنهان بر ایمنی ترافیک با استفاده از داده های حسگر تلفن همراه
کلمات کلیدی
سنسورهای موبایل فرکانس سقوط، الگوهای رانندگی خاموش، پاسخ منظم عمومی، وابستگی فضایی، خطای اندازه گیری، ناهمگونی ناشناخته،
ترجمه چکیده
گوشی های هوشمند در حال حاضر با سنسورهایی که توانایی ضبط داده های عملکرد خودرو را در یک رزولوشن زمانی بسیار خوبی دارند، با یک روش مقرون به صرفه مجهز شده اند. در این مقاله داده های حسگر تلفن همراه از گوشی های هوشمند برای شناسایی و تعیین الگوهای رانندگی ناامن و ارتباط آنها با وقایع تصادفات ترافیکی استفاده شده است. مدل های آماری که برای خطای اندازه گیری مرتبط با اندازه گیری ترافیک میکروسکوپی محاسبه شده با استفاده از داده های حسگر تلفن همراه صورت می گیرد. مدل های با ترافیک میکروسکوپی نشان داده شده است که از لحاظ آماری بهتر از مدل های سنتی است که تنها برای هندسه جاده و متغیرهای مواجه ترافیک کنترل می شود. همچنین مدل های شمارش انتزاعی که برای خطاهای اندازه گیری، اثرات وابستگی فضایی و ناهمگنی پارامتر تصادفی در نظر گرفته شده است، بهتر از مدل های شمارش استاندارد یافته اند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی بهداشت و امنیت شیمی
چکیده انگلیسی
Smartphones are now equipped with sensors capable of recording vehicle performance data at a very fine temporal resolution in a cost-effective way. In this paper, mobile sensor data from smartphones was used to identify and quantify unsafe driving patterns and their relationship with traffic crash incidences. Statistical models that account for measurement error associated with microscopic traffic measures computed using mobile sensor data were developed. The models with microscopic traffic measures were shown to be statistically better than traditional models that only control for roadway geometry and traffic exposure variables. Also, generalized count models that account for measurement error, spatial dependency effects, and random parameter heterogeneity were found to perform better than standard count models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Accident Analysis & Prevention - Volume 107, October 2017, Pages 92-101
نویسندگان
, , ,