《表1 主要变量的汇总统计》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于分位结构模型的城市干道出入口管理安全影响因素识别》
本文收集了美国内华达交通运输局网站中2013—2015年的交通事故数据,而出入口管理和道路特征、年平均日交通流量AADT的数据则相应地从Google Earth整合得到。目标样本位于拉斯维加斯大都市区,如图1所示,共抽样了400条公路路段,包括27条主要和次要干线。分位数回归是事故率,如图2所示,事故率的分布是倾斜状态,考虑事故率计算涉及交通流量和道路长度等因素的影响,它比事故频率更能够准确衡量个别驾驶员所面临和感知的事故风险。另一个原因是分位数回归模型要求因变量是连续的,而事故本身是离散型数据,所以不能被事故频率所取代。此外,基于数据收集的过程,事故数据存在很大的异质性。同样,可以看出图2中平均行驶速度的分布也是倾斜的。更重要的是,事故率与行车速度之间存在内生性关系。因此,在分位结构模型的估计步骤中讨论了异质性和内生性问题。表1给出了主要变量的描述性统计分析。
图表编号 | XD0077692800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 胡启文 |
绘制单位 | 中铁第四勘察设计院集团有限公司 |
更多格式 | 高清、无水印(增值服务) |