贝叶斯混合型马-GPD模型用于极端交通冲突值的确定,在峰值超过值的方法中

科学领域:

• 交通安全研究 交通安全研究
• 统计建模 统计建模
• 极端价值理论的应用.

背景情况:

• 极端价值理论 (EVT) 模型,特别是高峰超过值 (POT) 方法,用于交通事故风险估计.
• 在POT方法的一个重大挑战是主观和任意选择的门,导致有偏见和不稳定的结果.

研究的目的:

• 提出一种新的混合建模方法,用于在交通冲突的POT方法中确定客观值.
• 开发和评估玛-GPD (通用帕雷托分布) 模型,以区分一般和极端的交通冲突.

主要方法:

• 开发了一种混合模型,将马分布 (一般冲突) 和GPD (极端冲突) 结合起来.
• 制定了不连续,连续和可微分的玛-GPD模型,将值作为参数.
• 贝叶斯方法用于估计模型参数,包括值,使用来自三个信号交叉点的交通冲突数据 (修改时间到碰撞 - MTTC).

主要成果:

• 停产的马-GPD模型在值确定方面表现出优异的性能,与继续和可差异化的模型相比.
• 从混合马-GPD模型的值得出的崩估计超过了传统的量子图法.
• 混合玛-GPD模型客观和定量地确定了POT方法中的交通冲突极端的值参数.

结论:

• 拟议的混合马-GPD模型为EVT的交通安全门确定提供了优越和客观的方法.
• 该方法通过克服传统POT方法中主观值选择的局限性,提高了撞车风险估计的可靠性.