《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。