Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "road accident severity" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Modele regresji Bayesa w analizach bezpieczeństwa ruchu drogowego
Bayesian regression models in the analyses of road traffic safety
Autorzy:
Nowakowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/144202.pdf
Data publikacji:
2016
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
Bayesian regression
regresja Bayesa
aprioryczne rozkłady parametrów modelu
klasyfikator statystyczny
ciężkość wypadku drogowego
kierujący sprawca wypadku
model parameters prior distributions
statistical classifier
road accident severity
at fault driver
Opis:
W artykule przybliżono koncepcję modelu regresji Bayesa oraz przedstawiono wykorzystanie tego modelu w budowaniu statystycznego klasyfikatora ciężkości wypadku drogowego w zależności od cech kierującego – sprawcy. Modele Bayesa zostały wyznaczone na dużej i małej próbie treningowej z uwzględnieniem informatywnych i nieinformatywnych rozkładów a’priori parametrów strukturalnych oraz porównane z analogicznymi modelami klasycznymi MLE. Przedmiotowym klasyfikatorem statystycznym był model regresji logistycznej.
The idea of a Bayes regression model was put forward and then the utilization of such a model while building a statistical classifier to identify a road accident severity in dependence on chosen at fault driver’s characteristics was presented in the paper. Bayes models were identified for small and big train samples assuming informative and non-informative prior distributions for structural parameters of the models. Obtained results were compared and referred to the results of classical MLE models. A logistic model was a statistical classifier under consideration.
Źródło:
Drogownictwo; 2016, 2; 39-45
0012-6357
Pojawia się w:
Drogownictwo
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Spatial and temporal aspects of prior and likelihood data choices for Bayesian models in road traffic safety analyses
Przestrzenny i czasowy aspekt wyboru rozkładów apriorycznych i danych dla funkcji wiarygodności dla modeli bayesowskich w analizach bezpieczeństwa ruchu drogowego
Autorzy:
Nowakowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/1365610.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
Bayesian regression model
informative prior distributions for model parameters
likelihood data
statistical classifier
road accident severity
road accident features
model regresji bayesowskiej
informatywne rozkłady aprioryczne parametrów modelu
wiarygodność bayesowska
klasyfikator statystyczny
status wypadku drogowego
cechy wypadku drogowego
Opis:
In a Bayesian regression model, parameters are not constants, but random variables described by some posterior distributions. In order to define such a distribution, two pieces of information are combined: (1) a prior distribution that represents previous knowledge about a model parameter and (2) a likelihood function that updates prior knowledge. Both elements are analysed in terms of implementing the Bayesian approach in road safety analyses. A Bayesian multiple logistic regression model that classifies road accident severity is investigated. Three groups of input variables have been considered in the model: accident location characteristics, at fault driver’s features and accident attributes. Since road accidents are scattered in space and time, two aspects of information source choices in the Bayesian modelling procedure are proposed and discussed: spatial and temporal ones. In both aspects, priors are based on selected data that generate background knowledge about model parameters – thus, prior knowledge has an informative property. Bayesian likelihoods which modify priors are data that deliver: (1) information specific to a road – in the spatial aspect or (2) the latest information – in the temporal aspect. The research experiments were conducted to illustrate the approach and some conclusions have been drawn.
Parametry bayesowskiego modelu regresji nie są wartościami stałymi tylko zmiennymi losowymi opisanymi przez pewne rozkłady aposterioryczne. W celu zdefiniowania takiego rozkładu łączy się dwa źródła informacji: (1) rozkład aprioryczny, który reprezentuje wcześniejszą wiedzę o parametrze modelu oraz (2) funkcję wiarygodności (wiarygodność bayesowską), która uaktualnia wiedzę a’priori. Oba te elementy są przedmiotem badań w kontekście wykorzystania podejścia bayesowskiego w analizach bezpieczeństwa ruchu drogowego. Badaniom podlega model wielokrotnej regresji logistycznej, który klasyfikuje status zdarzenia drogowego. W modelu uwzględniono trzy grupy zmiennych objaśniających: charakterystyki miejsca lokalizacji wypadku, cechy kierującego sprawcy oraz atrybuty wypadku. Ponieważ wypadki drogowe są rozproszone w czasie i przestrzeni, zaproponowano i poddano dyskusji dwa aspekty wyboru źródeł informacji w procedurze modelowania bayesowskiego: czasowy i przestrzenny. W obu podejściach rozkłady aprioryczne są definiowane na podstawie danych wybranych jako te, które generują uogólnioną wiedzę o parametrach modelu, tworząc tło podlegające modyfikacji – w ten sposób wiedza aprioryczna ma cechę informatywności. Wiarygodność bayesowska, modyfikująca rozkłady a’priori, jest definiowana za pomocą danych wprowadzających: (1) informację specyficzną dla wybranej drogi – w przypadku aspektu przestrzennego lub (2) informację najnowszą – w przypadku aspektu czasowego. Zaproponowane podejście zilustrowano w eksperymentach badawczych i przedstawiono wynikające z nich wnioski.
Źródło:
Eksploatacja i Niezawodność; 2017, 19, 1; 68-75
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Badania i modelowanie bezpieczeństwa pieszych w ruchu drogowym
Analysis and modelling of pedestrian safety in road traffic
Autorzy:
Olszewski, P.
Zielińska, A.
Powiązania:
https://bibliotekanauki.pl/articles/193558.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
bezpieczeństwo pieszych
wypadki drogowe
zagrożenie pieszych
regresja logistyczna
model ciężkości wypadku
pedestrian safety
road accidents
pedestrian hazard
logistic regression
model of accident's severity
Opis:
Analiza danych o zabitych pieszych w Polsce w latach 2001-2011 na tle krajów UE. Analiza wzrostu zagrożeń pieszych według pory roku i pory dnia. Zastosowanie metody regresji logistycznej do modelowania ciężkości wypadków z pieszymi. Wyniki modelowania w postaci ilorazu szans śmierci pieszego dla różnych okoliczności potrącenia oraz funkcji prawdopodobieństwa śmierci w zależności od wieku i płci pieszego, a także charakteru obszaru i dozwolonej prędkości,
Analysis of pedestrian fatalities in Poland in the years 2001-2011 in comparison to other EU countries. F_xamination of factors inereasing fatality rates according to time of the day and time of year. Application of logistic regression for modelling pedestrian accident severity. Results in the form of odds ratios of pedestrian death under different circumstances and probability funetions of death for different pedestrian gender and age as well as different area type and road speed limit.
Źródło:
Transport Miejski i Regionalny; 2012, 4; 23-27
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies