CN110956387A - 基于var模型的交通安全与经济损失关系计算方法 - Google Patents

基于var模型的交通安全与经济损失关系计算方法 Download PDF

Info

Publication number
CN110956387A
CN110956387A CN201911184818.2A CN201911184818A CN110956387A CN 110956387 A CN110956387 A CN 110956387A CN 201911184818 A CN201911184818 A CN 201911184818A CN 110956387 A CN110956387 A CN 110956387A
Authority
CN
China
Prior art keywords
model
var
test
variables
traffic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911184818.2A
Other languages
English (en)
Inventor
薛锋
黄宇
黄倩
范千里
施政
胡萍
李青青
甘易玄
杨宗琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201911184818.2A priority Critical patent/CN110956387A/zh
Publication of CN110956387A publication Critical patent/CN110956387A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于VAR模型的交通安全与经济损失关系计算方法，包括以下步骤：步骤1，数值模型计算；步骤2，交通事故发生数与伤亡人数、直接财产损失的关系分析；步骤3，Granger因果关系检验；步骤4，脉冲响应分析。本发明的优点是：从安全经济效应的视角，将经济元素引入交通安全进行研究，运用向量自回归(VAR)模型和Granger因果关系检验等方法，定量分析交通事故发生数、伤亡人数、直接财产损失三者之间的动态关系，以及变量之间的格兰杰因果关系以及脉冲响应关系，从交通安全经济效应方面以期为交通管理部门建设更加安全的交通环境提供参考。

Description

基于VAR模型的交通安全与经济损失关系计算方法
技术领域
本发明涉及交通事故损失计算技术领域，特别涉及一种基于VAR模型的交通安全与经济损失关系计算方法。
背景技术
随着国家经济的快速发展，全国各地区机动车的数量也在快速增长，人们交通出行越来越便利的同时，交通事故正严重地威胁着人们的人身安全。交通事故不仅造成人的身体心理伤害，还造成物的破坏、经济的损失，更成为危害人类生命的主要原因之一。
国内外学者对于交通安全的研究多侧重于风险评估这一方面，如黄文成[1]等建立了一个新的道路危险品运输系统风险评价方法；李强[2]等提出了基于质量功能配置(QFD)法的危险品运输风险影响因素的重要度分析方法；陈跃[3]等对前人所做的风险分级指数模型进行了改进，构建了新的危险货物道路运输风险评价指数模型；陶健[4]以陕西某危险货物运输企业和具体运输路线为研究对象，运用所建模型计算特定运输任务的事故风险，并对计算结果进行客观评价；国外学者I.Benekos[5]将风险评估引入公路隧道消防安全，提出了一种基于风险降低和社会经济因素的安全措施最优选择的综合框架，并讨论了其在公路隧道风险分析中的适用性，Chris Jurewicz[6]等应用碰撞预测风险评估模型优先考虑澳大利亚的道路安全投资。以上研究均从交通事故成因角度来引起交通运输从业人员的警觉，极少数学者[7-8]从交通事故所造成严重经济损失的角度来分析交通安全的必要性。
参考文献：
[1]黄文成，帅斌，庞璐，等.基于耦合协调度的道路危险品运输系统风险评价[J].中国安全科学学报，2016，26(6)：117-122；
[2]杨强，李延来.基于质量功能配置法的危险品运输风险分析[J].中国安全科学学报，2017，27(6)：65-70；
[3]陈跃，张玉玲.基于指数模型的危险货物道路运输风险评价与管理研究[J].公路交通科技，2018,35(3):143-150；
[4]陶健基.基于贝叶斯网络的山区道路危险货物运输风险评价研究[D].长安大学，2011；
[5]Panagiotis Ntzeremes,Konstantinos Kirytopoulos,Evaluating the roleof risk assessment for road tunnel firesafety:Acomparative review within theEU,Journal of Traffic and Transportation Engineering,2019:123-134；
[6]Chris Jurewicz,Rita Excel,Application of a Crash-predictive Ri skAssessment Model to Prioritise Road Safety Investment inAustralia,Transportation Research Procedia,2016:2101-2110；
[7]黄杰，叶厚元，云俊基.于宏观计量经济面板数据模型的我国交通事故发生规律研究[J].安全与环境工程,2017，24(4)：105-111；
[8]任英，王庆云，彭红星.交通事故与经济增长的变动关系[J].综合运输，2012(1)：21-26；
[9]姜照华，马娇绿.色创新与环境污染、能源消耗的相互关系研究[J].生态经济，2019，35(4)：160-166；
[10]李素英，杨娱，吴永立铁.路投资、周转量与经济发展相互作用分析[J].铁道工程学报，2018，35(7)：103-108；
[11]EViews统计分析与应用[M].北京：电子工业出版社，2016.
发明内容
本发明针对现有技术的缺陷，提供了一种基于VAR模型的交通安全与经济损失关系计算方法，解决了现有技术中存在的缺陷。
为了实现以上发明目的，本发明采取的技术方案如下：
一种基于VAR模型的交通安全与经济损失关系计算方法，包括以下步骤：
步骤1，数值模型计算；
设交通事故发生数(Y)、伤亡人数(X1)和直接财产损失(X2)；利用VAR模型来对这三个变量之间的动态关系加以解释，VAR模型矩阵表达式如下：
Figure BDA0002292144290000031
其中，Y表示交通事故发生数，X1表示伤亡人数，X2表示直接财产损失，θ表示系数矩阵，yt表示内生变量向量，k表示滞后阶数，xt表示外生变量向量，εt表示随机干扰项；基于上述VAR模型，将所选取交通事故发生数、伤亡人数、直接财产损失、做对数运算以消除异方差，再将三个内生变量带入VAR矩阵模型可生成具体模型如下所示：
Figure BDA0002292144290000032
Figure BDA0002292144290000033
Figure BDA0002292144290000034
式中t为样本个数，
α0...αk,
Figure BDA0002292144290000041
φ0...φk,β1...βk,γ1...γk,ω1...ωk,σ1...σk,
Figure BDA0002292144290000042
U1...UK,是待估参数，k值为滞后期数，δt,μt,τt是随机扰动项。
在进行格兰杰因果关系检验之前，对整理的具有时间序列性的数据进行平稳性检验，诊断其是否存在单位根，如果检验结果存在单位根，表明时间序列数据不平稳，则需要对其进行协整检验，确定其是否存在长期均衡关系，如果时间序列数据存在长期均衡状态，则可进行格兰杰因果关系检验。
步骤2，交通事故发生数与伤亡人数、直接财产损失的关系分析；
(1)平稳性检验
在建立向量自回归(VAR)模型之前，首先要对所选取变量进行平稳性检验，这样可避免因原始时间序列数据的不稳定性而造成的错误回归模型。使用ADF单位根检验方法检验数据平稳性，再利用p-p检验数据的平稳性。
(2)VAR模型的估计
Johansen协整检验：VAR模型是依据数据的统计性质建立的，在建立模型之前，是需要通协整检验判断变量关系是否平稳，通过AIC准则和SC准则来确定最佳滞后期数K,这样VAR模型能反应出变量间相互影响的绝大部分。首先通过Johansen协整检验时间序列ln(Y)，ln(X1)，ln(X2)；
检验结果可得，在5％的检验水平下，变量ln(Y)、ln(X1)、ln(X2)存在长期稳定的协整关系，也就是说交通事故发生数、伤亡人数、直接财产损失存在稳定的均衡关系。,
最佳滞后阶数的确定：根据最优滞后期应使AIC和SC两个准则同时取值最小原则，当AIC和SC准则不一致时，采取满足更多准则的滞后阶数。
(3)VAR模型的建立
在确定滞后阶数后，为防止VAR模型出现伪回归，保证VAR模型的精确性和稳定性，利用AR单位根检验来验证模型的稳定性。
选取VAR估计模型中的系数，构建模型估计方程，如下：
Figure BDA0002292144290000051
步骤3，Granger因果关系检验；
Ganger因果关系检验能反映所检验变量之间的因果动态关系，根据检验结果中的P值来判断一个变量对一个或多个变量的影响结果是否显著，也就是拒绝或者接受原假设。
步骤4，脉冲响应分析；
利用建立的var模型，借助脉冲响应函数分析得到三个变量之间的脉冲响应图和脉冲响应值，进一步分析变量间的动态关系。
与现有技术相比，本发明的优点在于：
从安全经济效应的视角，将经济元素引入交通安全进行研究，运用向量自回归(VAR)模型和Granger因果关系检验等方法，定量分析交通事故发生数、伤亡人数、直接财产损失三者之间的动态关系，以及变量之间的格兰杰因果关系以及脉冲响应关系，从交通安全经济效应方面以期为交通管理部门建设更加安全的交通环境提供参考。
附图说明
图1是本发明实施例AR特征根的倒数的模的单位圆结果示意图；
图2是本发明实施例脉冲响应曲线图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
一种基于VAR模型的交通安全与经济损失关系计算方法，包括以下步骤：
数值模型计算方法
向量自回归(VAR)模型作为一种非结构化的多方程模型，模型把每一个内生变量视为构建模型中的所有内生变量的滞后值函数来建构模型；进一步助推单变量自回归模型扩展为具有时间序列性质的多变量自回归模型，主要用来拟合各个变量之间的关系，模型初期用于测量股票交易的风险[9]，常应用于计量经济学领域，随着模型的不推广，可以运用在众多的领域；基于本发明主要研究的是交通事故次数(Y)与伤亡人数(X1)、直接财产损失(X2)的动态关系；因此本发明利用向量自回归模型来对这三个变量之间的动态关系加以解释，VAR模型矩阵表达式如下：
Figure BDA0002292144290000061
其中，θ表示系数矩阵，yt表示内生变量向量，k表示滞后阶数，xt表示外生变量向量，εt表示随机干扰项；基于上述VAR模型，将所选取交通事故发生数、伤亡人数、直接财产损失、做对数运算以消除异方差[10]，再将三个内生变量带入VAR矩阵模型可生成具体模型如下所示：
Figure BDA0002292144290000062
Figure BDA0002292144290000063
Figure BDA0002292144290000064
式中t为样本个数，
α0...αk,
Figure BDA0002292144290000071
φ0...φk,β1...βk,γ1...γk,ω1...ωk,σ1...σk,
Figure BDA0002292144290000072
U1...UK,是待估参数，k值为滞后期数，δt,μt,τt是随机扰动项。
格兰杰因果关系(Granger Causality)常用于检验两个变量间的相互作用关系，是一种动态关系的检验。如果影响显著，说明该变量对另外一个变量或几个变量存在格兰杰因果关系；如果影响不显著，说明该变量对另外一个变量或几个变量不存在格兰杰因果关系检验；格兰杰因果关系检验的原假设是被检验变量不是因变量的因果关系，如果检验的概率P值小于设定的置信水平(通常为5％)，则认为被检验变量构成因变量的因果关系；反之，认为被检验变量不是因变量的因果关系[11]。在进行格兰杰因果关系检验之前，会对整理的具有时间序列性的数据进行平稳性检验，诊断其是否存在单位根，如果检验结果存在单位根，表明时间序列数据不平稳，则需要对其进行协整检验，确定其是否存在长期均衡关系，如果时间序列数据存在长期均衡状态，则可进行格兰杰因果关系检验。
交通事故发生数与伤亡人数、直接财产损失的关系分析
平稳性检验
在建立向量自回归(VAR)模型之前，首先要对所选取变量进行平稳性检验，这样可避免因原始时间序列数据的不稳定性而造成的错误回归模型。大多数学者采用ADF单位根检验方法来检验数据序列的平稳性，进而对选取的变量进行协整性检验；本发明为使检验结果更加准确，先使用ADF单位根检验方法检验数据平稳性，再利用p-p检验数据的平稳性。
表1 ADF单位根检验结果
Figure BDA0002292144290000073
Figure BDA0002292144290000081
表1检验结果显示，交通事故发生数、伤亡人数、直接财产损失原序列数据均存在单位根，这说明数据时间序列不平稳，直接财产损失在经过一阶差分后，其ADF值在5％水平下显著，说明数据达到平稳，交通事故发生数和伤亡人数在经过二阶差分后，两者的ADF值也在5％水平下显著，说明数据到达平稳；现在继续进行p-p检验，结果如下表所示：
表2数据的p-p检验结果
Figure BDA0002292144290000082
表2中p-p检验结果显示这三个变量也都在5％的显著水平下拒绝有单位根的原假设，这说明这三个时间序列数据都是平稳的，与ADF单位根检验结果一致。
VAR模型的估计
(1)Johansen协整检验
VAR模型是依据数据的统计性质建立的，在建立模型之前，是需要通协整检验判断变量关系是否平稳，通过AIC准则和SC准则来确定最佳滞后期数K,这样VAR模型能反应出变量间相互影响的绝大部分。首先通过Johansen协整检验时间序列ln(Y)，ln(X1)，ln(X2)；检验结果如表3所示：
表3变量ln(Y)、ln(X1)、ln(X2)的Johansen检验结果
Figure BDA0002292144290000083
由表3中检验结果可得，在5％的检验水平下，变量ln(Y)、ln(X1)、ln(X2)存在长期稳定的协整关系，也就是说交通事故发生数、伤亡人数、直接财产损失存在稳定的均衡关系。,
(2)最佳滞后阶数的确定
根据最优滞后期应使AIC和SC两个准则同时取值最小原则，当AIC和SC准则不一致时，采取满足更多准则的滞后阶数，依据表4结果显示，当滞后阶数为2的时候，满足更多准则的滞后阶数，故本模型最佳滞后阶数为2。
表4最佳滞后阶数选择
Figure BDA0002292144290000091
注：*表示最佳滞后期。
(3)VAR模型的建立
在确定滞后阶数为2后，为防止VAR模型出现伪回归，保证VAR模型的精确性和稳定性，利用AR单位根检验来验证模型的稳定性，结果如图1所示，所有的AR特征根的倒数的模都落在单位圆内，这说明VAR模型是平稳的。
选取VAR估计模型中的系数，构建模型估计方程，如下：
Figure BDA0002292144290000092
Granger因果关系检验
Ganger因果关系检验能反映所检验变量之间的因果动态关系，根据检验结果中的P值来判断一个变量对一个或多个变量的影响结果是否显著，也就是拒绝或者接受原假设。从表5可以看出，在5％的显著性水平下，ln(Y)与ln(X1)不存在格兰杰原因，这说明交通事故发生并不一定会出现人死亡，也不能排除交通事故不会造成人的伤亡，往往在出现严重的交通事故的时候，会造成人受伤甚至出现死亡的可能；ln(Y)是ln(X2)的单向格兰杰原因，说明交通事故的发生导致人的直接财产损失进而给国家经济造成损失，一是交通事故发生后，交通工具出现损伤需要修复，特别是汽车等大载量交通工具需要大量的材料修复，二是事故的清除需要大量的人力、物力，也会造成经济的损失；三是交通事故发生数越多，对财产的损失越严重；ln(X1)与ln(X2)互为格兰杰原因，交通事故造成的人员伤亡直接造成了财产的损失，包括医药费等，另外还间接的造成了人的误工费、时间成本损失等不可定量的财产的损失。
表5格兰杰因果关系检验结果
Figure BDA0002292144290000101
脉冲响应分析
脉冲响应函数可用于衡量来自随机扰动项的一个标准差冲击，对内生变量当前和未来取值影响的变动轨迹，能比较直观地刻画出变量之间的动态交互作用及其效应。因此，本发明利用上述建立的var模型，借助脉冲响应函数分析得到三个变量之间的脉冲响应图和脉冲响应值，进一步分析变量间的动态关系。进行数据分析后得到三个变量的脉冲响应曲线(图2所示)以及脉冲响应分析结果(表6所示)。
表6脉冲响应分析结果
Figure BDA0002292144290000102
Figure BDA0002292144290000111
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (1)

1.一种基于VAR模型的交通安全与经济损失关系计算方法，其特征在于，包括以下步骤：
步骤1，数值模型计算；
设交通事故发生数(Y)、伤亡人数(X1)和直接财产损失(X2)；利用VAR模型来对这三个变量之间的动态关系加以解释，VAR模型矩阵表达式如下：
Figure FDA0002292144280000011
其中，Y表示交通事故发生数，X1表示伤亡人数，X2表示直接财产损失，θ表示系数矩阵，yt表示内生变量向量，k表示滞后阶数，xt表示外生变量向量，εt表示随机干扰项；基于上述VAR模型，将所选取交通事故发生数、伤亡人数、直接财产损失、做对数运算以消除异方差，再将三个内生变量带入VAR矩阵模型可生成具体模型如下所示：
Figure FDA0002292144280000012
Figure FDA0002292144280000013
Figure FDA0002292144280000014
式中t为样本个数，
Figure FDA0002292144280000015
是待估参数，k值为滞后期数，δt,μt,τt是随机扰动项；
在进行格兰杰因果关系检验之前，对整理的具有时间序列性的数据进行平稳性检验，诊断其是否存在单位根，如果检验结果存在单位根，表明时间序列数据不平稳，则需要对其进行协整检验，确定其是否存在长期均衡关系，如果时间序列数据存在长期均衡状态，则可进行格兰杰因果关系检验；
步骤2，交通事故发生数与伤亡人数、直接财产损失的关系分析；
(1)平稳性检验
在建立向量自回归(VAR)模型之前，首先要对所选取变量进行平稳性检验，这样可避免因原始时间序列数据的不稳定性而造成的错误回归模型；使用ADF单位根检验方法检验数据平稳性，再利用p-p检验数据的平稳性；
(2)VAR模型的估计
Johansen协整检验：VAR模型是依据数据的统计性质建立的，在建立模型之前，是需要通协整检验判断变量关系是否平稳，通过AIC准则和SC准则来确定最佳滞后期数K,这样VAR模型能反应出变量间相互影响的绝大部分；首先通过Johansen协整检验时间序列ln(Y)，ln(X1)，ln(X2)；
检验结果可得，在5％的检验水平下，变量ln(Y)、ln(X1)、ln(X2)存在长期稳定的协整关系，也就是说交通事故发生数、伤亡人数、直接财产损失存在稳定的均衡关系；,
最佳滞后阶数的确定：根据最优滞后期应使AIC和SC两个准则同时取值最小原则，当AIC和SC准则不一致时，采取满足更多准则的滞后阶数；
(3)VAR模型的建立
在确定滞后阶数后，为防止VAR模型出现伪回归，保证VAR模型的精确性和稳定性，利用AR单位根检验来验证模型的稳定性；
选取VAR估计模型中的系数，构建模型估计方程，如下：
Figure FDA0002292144280000031
步骤3，Granger因果关系检验；
Ganger因果关系检验能反映所检验变量之间的因果动态关系，根据检验结果中的P值来判断一个变量对一个或多个变量的影响结果是否显著，也就是拒绝或者接受原假设；
步骤4，脉冲响应分析；
利用建立的var模型，借助脉冲响应函数分析得到三个变量之间的脉冲响应图和脉冲响应值，进一步分析变量间的动态关系。
CN201911184818.2A 2019-11-27 2019-11-27 基于var模型的交通安全与经济损失关系计算方法 Pending CN110956387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911184818.2A CN110956387A (zh) 2019-11-27 2019-11-27 基于var模型的交通安全与经济损失关系计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911184818.2A CN110956387A (zh) 2019-11-27 2019-11-27 基于var模型的交通安全与经济损失关系计算方法

Publications (1)

Publication Number Publication Date
CN110956387A true CN110956387A (zh) 2020-04-03

Family

ID=69978633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911184818.2A Pending CN110956387A (zh) 2019-11-27 2019-11-27 基于var模型的交通安全与经济损失关系计算方法

Country Status (1)

Country Link
CN (1) CN110956387A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052496A (zh) * 2020-08-27 2020-12-08 河海大学 一种基于var模型的高拱坝谷幅变形影响因素分析系统的操作方法
CN113706867A (zh) * 2021-08-27 2021-11-26 东北大学 一种高速公路相邻边缘设备节点交通异常概率评估方法
CN113781777A (zh) * 2021-08-31 2021-12-10 同济大学 一种基于多元时间序列模型的交通事故数预测方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052496A (zh) * 2020-08-27 2020-12-08 河海大学 一种基于var模型的高拱坝谷幅变形影响因素分析系统的操作方法
CN112052496B (zh) * 2020-08-27 2022-10-14 河海大学 一种基于var模型的高拱坝谷幅变形影响因素分析系统的操作方法
CN113706867A (zh) * 2021-08-27 2021-11-26 东北大学 一种高速公路相邻边缘设备节点交通异常概率评估方法
CN113706867B (zh) * 2021-08-27 2022-08-30 东北大学 一种高速公路相邻边缘设备节点交通异常概率评估方法
CN113781777A (zh) * 2021-08-31 2021-12-10 同济大学 一种基于多元时间序列模型的交通事故数预测方法及系统

Similar Documents

Publication Publication Date Title
CN110956387A (zh) 基于var模型的交通安全与经济损失关系计算方法
Filz et al. Data-driven failure mode and effect analysis (FMEA) to enhance maintenance planning
CN107122483B (zh) 基础地理信息数据质检方法、装置及系统
Dutt et al. The judgment of garbage: End-of-pipe treatment and waste reduction
Afum et al. Translating environmental management practices into improved environmental performance via green organizational culture: insight from Ghanaian manufacturing SMEs
Brundage et al. Smart manufacturing through a framework for a knowledge-based diagnosis system
CN111625988A (zh) 基于深度学习的桥梁健康管理分析与预测系统及方法
CN103838931A (zh) 一种工程机械臂架类结构再制造准入期评估方法
Aliabadi et al. Explanation and prediction of accidents using the path analysis approach in industrial units: The effect of safety performance and climate
Villeneuve et al. Decision-support methodology to assess risk in end-of-life management of complex systems
CN113869719A (zh) 一种特种设备检测项目的工作分配方法、设备和介质
Hamdan et al. A knowledge-based Approach for the Assessment of Damages to Constructions
Huang Human reliability analysis in aviation maintenance by a Bayesian network approach
CN109615228B (zh) 基于混合启发式规则系统的铁路运输风险概率计算方法
CN106485049A (zh) 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法
ALANYA-ROSENBAUM et al. Developing procedures and guidance for performing an environmental assessment of us wooden pallets
Altay et al. Imperfect rail-track inspection scheduling with zero-inflated miss rates
CN114549091B (zh) 数据处理方法、设备以及计算机可读存储介质
CN114881503A (zh) 一种评分确定方法、装置、设备及存储介质
CN114564391A (zh) 确定测试用例的方法、装置、存储介质及电子设备
JP6793598B2 (ja) 点検支援装置、点検支援方法、および点検支援プログラム
Singh et al. Developing operation measurement strategy during Six Sigma implementation: a foundry case study
Bhat et al. The genealogy of Quality 4.0
Che-Ani et al. Condition Survey Protocol: A system for building condition assessment
Hales et al. Testing Benford's Law for improving supply chain decision-making: A field experiment

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200403

RJ01 Rejection of invention patent application after publication