کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7534265 1488229 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Analysis of accident injury-severities using a correlated random parameters ordered probit approach with time variant covariates
ترجمه فارسی عنوان
تجزیه و تحلیل ضایعات ناشی از تصادف با استفاده از یک پارامتر تصادفی همبسته، روش پروبیت را با استفاده از متغیرهای زمانی مرتب کرد
کلمات کلیدی
آسیب ناشی از جراحت، شدت، پارامترهای زمان متغیر، پارامترهای تصادفی مرتبط مرتب پروبیت،
ترجمه چکیده
این مقاله از یک پارامتر تصادفی همبسته استفاده می کند که چارچوب مدل سازی پروبیت را به منظور بررسی عوامل متغیر زمان و غیر متغیر که بر پیامدهای شدت آسیب در حوادث تک خودرو تاثیر می گذارد، استفاده می کند. رویکرد پیشنهادی، مدلسازی پارامترهای تصادفی سنتی را با استفاده از حسابداری برای همبستگی های احتمالی میان پارامترهای تصادفی، گسترش می دهد. بر اساس یک ماتریس کوواریانس نامحدود برای پارامترهای تصادفی، چارچوب پیشنهاد شده می تواند اثر ترکیبی از عوامل ناشناخته - که توسط پارامترهای تصادفی گرفته شده - بر روی مکانیسم شدت آسیب دیده می شود. تجزیه و تحلیل تجربی براساس اطلاعات مربوط به جاده ها، ترافیک و سقوط، و داده های جمع آوری اطلاعات هواشناسی و سطوح آسفالت، جمع آوری شده در ایالت واشنگتن در سال های 2011 تا 2013 است. نتایج نشان می دهد که پیامدهای شدت آسیب های حادثه ای توسط تعدادی از نوع زمانی (ضخامت یخ یا عمق آب در سطح آسفالت، دمای سطح زیر سطح) و غیرمستقیم زمان (هندسه جاده، و ویژگی های خودرو، رانندگی و برخورد خاص) عوامل متعدد، که منجر به پارامترهای آماری معنی دار - در نتیجه آنها اثرات متفاوتی بر مکانیزم تولید آسیب شدید دارند. یافته های این پژوهش نیز از نظر آماری معنیدار است که در میان پارامترهای تصادفی اثرگذار است که معتبر بودن رویکرد آن را اثبات می کند. ارزیابی مقایسه ای بین رویکرد کارآمدی و همتایان پایین تر آن (به عنوان مثال پارامترهای ثابت و پارامترهای تصادفی غیر وابسته، روش های مدل سازی پروبیت را پیشنهاد می کنند) نشان می دهد که حسابداری برای تعاملات نامتقارن ناهمگونی نه تنها در عملکرد آماری برتر (از نظر مدل مناسب، و عملکرد توضیحی و پیش بینی) اما همچنین در برآورد پارامترهای کمتر و محرک تر و سازگار تر است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی ایمنی، ریسک، قابلیت اطمینان و کیفیت
پیش نمایش مقاله
تجزیه و تحلیل ضایعات ناشی از تصادف با استفاده از یک پارامتر تصادفی همبسته، روش پروبیت را با استفاده از متغیرهای زمانی مرتب کرد
چکیده انگلیسی
This paper employs a correlated random parameters ordered probit modeling framework to explore time-variant and time-invariant factors affecting injury-severity outcomes in single-vehicle accidents. The proposed approach extends traditional random parameters modeling, by accounting for possible correlations among the random parameters. On the basis of an unrestricted covariance matrix for the random parameters, the proposed framework can capture the combined effect of the unobserved factors - which are captured by the random parameters - on the injury-severity mechanism. The empirical analysis is based on traditional roadway-, traffic- and crash-specific information, and detailed weather and pavement surface disaggregate data, collected in the State of Washington, between 2011 and 2013. The results show that accident injury-severity outcomes are affected by a number of time-variant (ice thickness or water depth on pavement surface, sub-surface temperature) and time-invariant (roadway geometrics, and vehicle-, driver-, and collision-specific characteristics) factors, several of which result in statistically significant parameters - thus they have mixed effects on the injury-severity generation mechanism. The findings also present statistically significant correlation effects among the random parameters, which substantiates the appropriateness of the approach. The comparative assessment between the employed approach and its lower-order counterparts (i.e., fixed parameters, and uncorrelated random parameters ordered probit modeling approaches) shows that accounting for the unobserved heterogeneity interactions results not only in superior statistical performance (in terms of model's fit, and explanatory and prediction performance) but also in less biased and more consistent parameter estimates.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Analytic Methods in Accident Research - Volume 18, June 2018, Pages 57-68
نویسندگان
, , ,