Using the multivariate spatio-temporal Bayesian model to analyze traffic crashes by severity

ناهمگونی ناشناخته در فضا، زمان و نوع سقوط اغلب در مدل سازی فرکانس سقوط غیر قابل ملاحظه است. هنگامی که انواع مختلف تصادف با ویژگی های فضایی و زمانی تجزیه و تحلیل می شوند، مدل های فضایی و زمانی چند متغیره باید مورد توجه قرار گیرد. برای این مطالعه، ما سالانه در سطح شهرستان آمار مرگ و میر، آسیب عمده و سوانح آسیب جزئی در آیووا از سال 2006 تا 2015 با استفاده از مدل چند متغیره فضایی - زمان بیزی تجزیه و تحلیل. این مدل یک ساختار فضایی چند متغیره، یک ساختار زمانبندی چند متغیره و یک ساختار تعامل فضایی و زمانی چند متغیره را برای بررسی همبستگی احتمالی در میان شدت های آسیب در فضا، زمان و تعامل فضایی-زمانی، به وجود آورد. شاخص های درآمد و آب و هوا نشان دهنده تأثیر قابل توجهی بر فرکانس های سقوط در حضور مسافران و نرخ بیکاری ناشی از حمل و نقل نیستند. هر دو اثر فضایی و زمانی موثر بودند و تقریبا همان نقش را برای همه سه نوع تصادف در مجموعه داده مورد مطالعه بازی کردند. شهرهایی که در شمال و جنوب غرب آویو واقع شده اند، تمایل به سقوط کمتری نسبت به کشورهای باقی مانده دارند. هر سه نوع سقوط معمولا روند نزولی را از سال 2006 تا 2015 نشان دادند. همچنین آنها همبستگی مثبتی بین یکدیگر در فضا داشتند، اما نه در زمان. نرخ سقوط خام و پیش بینی نرخ سقوط به طور کلی برای آسیب های عمده و سقوط صدمات جزئی، اما نه برای سقوط مرگبار کم شمارش است. استان های با ریسک بالا با استفاده از رتبه پیش بینی شده خنثی با نرخ هزینه تصادف پیش بینی شده، که بیشتر قادر به نشان دادن وضعیت امنیت ایمنی اساسی بود، نسبت به رتبه هزینه های سقوط نفت خام بود.