کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6965164 1452884 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Exploring unobserved heterogeneity in bicyclists' red-light running behaviors at different crossing facilities
ترجمه فارسی عنوان
بررسی ناهمگونی ناشناخته در رفتارهای پر سر و صدا دوچرخه سواران در مکانهای مختلف عبور
کلمات کلیدی
دوچرخه، گذرگاه ایمنی، رگرسیون لجستیک پارامترهای تصادفی کامل باینری، عامل،
ترجمه چکیده
دوچرخه سواران در حال عبور از نور قرمز در ایستگاه های عبور، بالقوه برخورد با وسایل نقلیه موتوری را افزایش می دهند. بررسی عوامل کمک کننده می تواند پیش بینی احتمال وقوع نور قرمز را بهبود بخشد و اقدامات متقابل را برای کاهش چنین رفتارهایی بهبود بخشد. با این حال، افراد می توانند ناهمگونی های نامطلوب را در حال اجرا در یک نور قرمز داشته باشند که پیش بینی دقیق را به چالش می کشد. مدل های سنتی فرض می کنند که پارامترهای عامل ثابت شده اند و نمی توانند اثرات متفاوت را در رفتارهای پررنگ قرمز بگیرند. در این مطالعه، روش رگرسیون لجستیک پارامترهای تصادفی کامل بیزی برای استفاده از اثرات نامتقارن ناهمگن مورد استفاده قرار گرفت. دو نوع امکانات عبور در نظر گرفته شدند که تقاطع تقاطع سیگنال و سوئیچ های جاده ای بودند. دوچرخه های الکتریکی و متعارف در مدل سازی متمایز بودند. داده ها از 16 تقاطع در ناحیه شهری نانجینگ، چین به دست آمده است. عواملی چون ویژگی های فردی، طرح هندسی جاده، ویژگی های محیطی و متغیرهای ترافیک مورد بررسی قرار گرفت. مقایسه مدل نشان می دهد که رویکرد رگرسیون لجستیک پارامترهای تصادفی کامل بیزی به طور آماری بهتر از مدل رگرسیون لجستیک استاندارد است. بیشتر دونده های قرمز نور در تقاطع های متقاطع سیگنال پیش بینی شده از سوئیچ های جاده ای است. عوامل موثر بر رفتارهای پررنگ قرمز عبارتند از جنس، سن، نوع دوچرخه، عرض جاده، حضور متوسط ​​ارتفاع، عرض تفکیک، نوع سیگنال، نسبت سبز، دوچرخه و حجم وسیله نقلیه و سرعت متوسط ​​خودرو. عوامل مرتبط با ناهمگونی ناشناخته عبارتند از جنسیت، نوع دوچرخه، نوع سیگنال، عرض جدایی و حجم دوچرخه.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی بهداشت و امنیت شیمی
پیش نمایش مقاله
بررسی ناهمگونی ناشناخته در رفتارهای پر سر و صدا دوچرخه سواران در مکانهای مختلف عبور
چکیده انگلیسی
Bicyclists running the red light at crossing facilities increase the potential of colliding with motor vehicles. Exploring the contributing factors could improve the prediction of running red-light probability and develop countermeasures to reduce such behaviors. However, individuals could have unobserved heterogeneities in running a red light, which make the accurate prediction more challenging. Traditional models assume that factor parameters are fixed and cannot capture the varying impacts on red-light running behaviors. In this study, we employed the full Bayesian random parameters logistic regression approach to account for the unobserved heterogeneous effects. Two types of crossing facilities were considered which were the signalized intersection crosswalks and the road segment crosswalks. Electric and conventional bikes were distinguished in the modeling. Data were collected from 16 crosswalks in urban area of Nanjing, China. Factors such as individual characteristics, road geometric design, environmental features, and traffic variables were examined. Model comparison indicates that the full Bayesian random parameters logistic regression approach is statistically superior to the standard logistic regression model. More red-light runners are predicted at signalized intersection crosswalks than at road segment crosswalks. Factors affecting red-light running behaviors are gender, age, bike type, road width, presence of raised median, separation width, signal type, green ratio, bike and vehicle volume, and average vehicle speed. Factors associated with the unobserved heterogeneity are gender, bike type, signal type, separation width, and bike volume.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Accident Analysis & Prevention - Volume 115, June 2018, Pages 118-127
نویسندگان
, , , ,