高速公路路段与匝道分流区交通安全空间影响分析

摘要

由于分流车辆和非分流车辆之间的交通冲突不断增加，高速公路分流路段往往会发生更多的交通事故。分流路段对先前的基本路段和后续的匝道有安全影响。准确定义高速公路的安全影响区始终是一个挑战分流段。在以前的研究中，分流段的碰撞频率分析采用了固定缓冲区，这缺乏理论和实践支持。在本研究中，从统计角度调查了安全影响区。数据来自科罗拉多州斯普林斯都市区地理编码GIS碰撞数据库研究了与碰撞频率相关的统计显著因素对高速公路分流路段的空间影响。此外，基于影响区域，采用带负二项连接函数的广义线性模型预测高速公路分流路段和出口匝道的碰撞频率。r结果可能会对分流路段和出口匝道交叉口的碰撞原因提供一些见解。

1.介绍

交通事故给我们的社会造成了巨大的经济损失、伤亡。交通安全已成为决策者、工程师和规划者在交通项目规划和设计中的一个重要问题。已经开展了许多研究，以调查交通事故的成因，并开发预测和分析交通事故的统计模型。这些研究是在区域层面(如交通分析区)或道路层面(如高速公路段)进行的。

区域级安全分析与交通分析区相关联，交通分析区是交通规划过程中的典型单元。由于TAZ是一个地理单元，用于盘点社会经济数据和估计出行生成，区域级事故分析通常侧重于检查事故与社会经济因素和网络变量之间的关系[1.,2.]．道路层面的安全分析可进一步分为路段层面和交叉口层面。段级安全分析集中于识别交通特征的影响[3.,4.、道路设计特点[5.,6.]，司机行为[7.]、路面情况[8.等等，关于坠机频率。对于交叉口层面的安全分析，通常可进一步分为信号交叉口的碰撞分析和无信号交叉口的碰撞分析。对于信号交叉口，在过去的几十年里已经进行了大量的研究，将碰撞与交叉口几何联系起来[9,10]，道路环境[11，与交通有关的变数[12]，等等。需要指出的是，随着无信号交叉口交通事故的不断增多，此类安全问题也越来越受到人们的关注。对于无信号交叉口相关的安全分析，Haleem等人[13]采用了贝叶斯可靠性方法，以降低预测三腿和四腿无信号交叉口碰撞的不确定性水平。确定了几个重要的变量，包括主要道路上的交通量、停止标志的存在、右转弯和/或左转弯车道的数量、主要道路上的中位数类型和左/右肩宽。Abdel-Aty等[14]使用多元自适应回归棘(MARS)模型来预测无信号交叉口的角度碰撞。研究发现，主干道交通量、上游到最近信号交叉口的距离、连续无信号交叉口之间的距离、主干道的中位数类型、主干道车辆占比、交叉口的大小对无信号交叉口的安全性能有重要影响。

高速公路分流段与出口匝道的交叉口可视为特殊的无信号交叉口。典型的高速公路岔道段如图所示1.．在分流区，当车辆试图离开高速公路时，有时需要改变车道以出口，甚至在车道内急刹车以避免错过出口。与基本的高速公路路段相比，分流区域暴露于相对较高的撞车风险。有几项研究是为了调查不同区域碰撞的影响因素[15–19]。研究发现，天气状况、酒精含量、坡道ADT、坡道长度和变速车道与分流区域的碰撞发生密切相关。

为了使高速公路分流段和匝道更加安全，识别影响因素并实施工程对策至关重要。准确区分高速公路分流段与匝道的事故是事故风险建模、风险映射和事故热点识别等安全相关应用的重要先驱[20].在以前的研究中，交叉口安全研究通常表明，与交叉口相关的碰撞包括在交叉口上游和下游两条交叉道路250英尺长度范围内发生的所有碰撞[21]。它被视为交叉口的安全影响区。美国许多州交通部（DOTs）都采用了这种做法，因为它与交叉口功能区一致。驾驶员开始感知交叉口，并从上游一定距离开始操纵。机动和减速过程可能导致冲突和潜在的碰撞。类似地，发生在高速公路分流区的车祸可能与从高速公路上游或出口匝道下游的一段距离进行驾驶操作有关。但是，典型交叉口安全影响区使用的250英尺半径不适用于分流路段和匝道的交叉口，因为高速公路上的交通特征和驾驶行为与城市街道不同。因此，本文旨在研究高速公路分流路段和出口匝道交叉口的安全影响区，并使用派克峰区政府委员会（PPACG）提供的碰撞数据库检查碰撞频率的统计显著因素。讨论了预定影响区域可能不合适。应以更全面的方式调查影响区域，并专门针对研究区域确定影响区域。

论文的其余部分分为4个部分。在接下来的部分，本文使用的方法，包括GIS的缓冲技术和负二项(NB)回归模型，简要回顾;节3.，给出回归结果并详细讨论。结论和扩展包括在本节4.．

2.方法

２.１.数据准备

本研究选择了横跨美国科罗拉多州派克峰大都会区的两条高速公路。大都会规划区的地理编码碰撞数据由PPACG提供，以及交通数据和路网数据。所有三组数据均以GIS格式编制。根据路网数据，72条高速公路d在该区域确定了出口匝道处的分流段。图2.图中所示为出口匝道处的典型高速公路分流区，位于该区域的I-25号公路上。

crash数据集中的所有事故记录都按照事故类型进行分类:致命、伤害和仅限财产损害(PDO)。每个事故记录至少涉及一辆车。统计了从2006年7月到2010年12月的事故总数。

坠机频率被设为因变量。自变量由公路几何设计、交通控制与运营、交通量、路面状况数据根据文献综述和工程判断确定。本研究中自变量的选取遵循以下三条原则:（1）从工程的角度来看，变量有一个有意义的解释。（2)变量可以与出口匝道相关联。（3)所选变量之间的相关性较弱。

值得注意的是，自变量之间可能存在共线性。众所周知，共线性可能导致严重的混淆问题，并使估计方差增大。这种误导的结果可能会使人们难以直观地解释坠机频率与自变量之间的关系。通过共线性分析，最终筛选出9个连续变量和6个名义变量。所有这15个变量都代表了发散区域特征的独特方面，并在表格中列出1.和2.．


变量	描述	总和	的意思是	Std.偏差	最大	最低

斜坡长度	坡道的长度，以英里为单位	11.67	０．１６	0．10	0.54	0.03
Ramp_ADT	匝道每天的平均交通流量	361.82	5.03	4.18	14.73	0．02
沿州际公路	州际公路的长度，以英里为单位	33.10	0.46	0.54	2.78	0．01
上州际公路	上州际公路的日均交通流量	2689.53	37.35	14.92	64.08	11.78
Down_Interstate。长度	州际公路的长度，以英里为单位	19.73	０．２７	0．17	0.79	0.03
Down_ADT	州际公路的日平均交通量	2327.76	32.33	13.24	58.48	10.66
IRI	路面粗糙度（英寸/英里）	101.29	1.41	０．４０	2.43	0．00
Median_Width	中间宽度（英尺）	524.30	7.28	7.15	18.30	0．00
Speed_Limit	速度限制	4327.85	60.11	12.42	74.56	31.07

注:表示日均流量(ADT)的数字以千为单位。


变量	描述	价值和意义	频率
变量	描述	价值和意义	0	1.

斜坡。车道	匝道的车道数	0，1；0表示1车道；1表示2车道	57	15

Up_Interstate。车道	州际公路的车道数	0, 1;0表示1及2线;1表示3线及4线	40	32

Down_Interstate。车道	沿州际公路的车道数	0, 1;0表示1及2线;1表示3线及4线	45	27

Median_Type	中位数类型(1 ~ 4个刻度):1 =有节制; 2 =正位垒;3 =保护;4 =无	0, 1;0为刻度1、刻度2、刻度3;1为刻度4	43	29

PSR	当前可用性等级（0至5分制）： 0=路面严重劣化； 5=路面状况良好	0, 1;0表示等级3.5;1表示等级2.5、等级3、等级3.9、等级4.1	60	12

Truck_Percent	卡车相关百分比	0,1；0表示4,6,7和9%；1表示11%	27	45

２.２.利用GIS缓冲技术进行数据处理

为了估算出匝道分流段的安全影响区大小，采用逐渐增大的缓冲器进行分析。在基于gis的交通安全分析中，缓冲区可用于公路设施的邻近识别。利用GIS中的缓冲技术，可以精确地测量以距离为单位的目标物。可以看出，缓冲区的大小越大，发散区域的崩溃就越多。然而，更大的缓冲区可能包含一些与这个发散区域无关的崩溃。较小的缓冲区大小可能不包括所有与分流区域相关的崩溃。因此，为了更好地反映相关事故，值得研究理想的缓冲区大小。在一定距离单元内逐步增大缓冲区大小，可探索分流区最优安全影响区域。以50英尺的间隔创建缓冲区可能不会导致合理的分析，因为过度表示崩溃，而以1英尺的间隔创建缓冲区可能会导致压倒性的数据处理和分析。在这项研究中，使用ArcGIS 10软件创建了一系列半径为30英尺到300英尺的缓冲区，间隔为30英尺。

为了更深入地了解所选择的因素，对于每个缓冲区大小，采用NB回归模型分析其影响因素。

2．3.负二项回归模型

本研究建立NB回归模型，识别影响事故频率的显著因素，估算高速公路分流区影响范围[22,23].泊松回归的基本公式如下：在哪里是在分流区域发生的事故每年。在这个模型中,的均值和方差参数都是吗因此等于预期的事故频率分流区. 参数由下式估计: 在哪里自变量是和吗为自变量系数。

研究了泊松回归模型的结构在哪里是事故频率的估计方差，以及是事故频率的估计平均值。

事故频次往往表现出过频散的特征，这可能与泊松回归模型的假设相违背。过度分散可能会导致估计的标准误差被低估(例如，一个变量可能看起来是一个重要的预测器，但实际上它并不重要)。为确认模式，进行基础统计分析，结果如表所示3.．如表所示3.时，事故频次的方差大于均值，说明事故频次数据存在过分散现象。由于泊松回归适用于等频散的假设，即均值等于因变量的方差，因此泊松模型不再适用于本研究中事故频率的分析。然而，NB回归作为泊松回归的一种推广，在过分散的情况下可以很好地应用。


变量	的意思是	Std.偏差	方差	最低	最大

Crash_30feet	0.61	2.17	4.69	0	15
Crash_60feet	2.69	7.54	56.78	0	61
冲出90英尺	4.38	10.19	103.79	0	70
冲出120英尺	5.75	13.02	169.57	0	96
Crash_150feet	7.96	17.77	315.79	0	134
冲出180英尺	10.04	23.98	574.94	0	190
冲出210英尺	13.13	27.08	733.29	0	199
冲出240英尺	14.78	27.91	778.88	0	208
冲出2700英尺	16.69	29.23	854.55	0	218
Crash_300feet	18.99	29.96	897.39	0	221
平均的	9.50	18.11	328.10	0	140

在NB回归模型中，误差项的引入来解释由过度分散引起的偏差，如在哪里是平均值为1.0且方差为1.0的伽马分布误差．得到NB分布方程为

分离由这个表达式产生的无条件分布．方程可以写成在哪里和．

因为有一个额外的参数在NB回归模型中，模型结构为参数关联使用最大似然估计估计的方差平均值。

3.结果和讨论

３．１．回归结果

采用SPSS软件包(Version 19.0)进行NB模型统计分析。采用逐步确定显著解释变量的方法。卡方统计量()也用于了解由于本研究样本量相对较小，各变量的统计差异。

表格4.总结了NB回归模型对每个缓冲区大小的所有15个变量的估计结果。值得注意的是，离散参数明显不同于零。这证实了NB模型比泊松模型更合适。因变量的系数解释了解释变量对崩溃的影响程度。以30英尺缓冲区为例，变量Up_Interstate_ADT的正系数意味着分流区域的交通事故发生频率随着交通量的增加而增加。其他系数为正的变量包括Ramp。车道,PSR Up_Interstate。长度,IRI,Median_Width,和Speed_Limit．相反，带负号的变量表示这些变量值的增加可以降低事故发生的频率。 These variables include Median_Type, Ramp_ADT, Up_Interstate.Lanes, Down_Interstate.Lanes, Truck_Percent, Down_Interstate_ADT, Ramp.Length, and Down_Interstate.Length.


变量	30英尺		60英尺		90英尺		120英尺		150英尺		180英尺		210英尺		240英尺		270英尺		300英尺
变量	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五	科夫。	-五

(拦截)	−3.887	0.486	−1.711	0.493	−4.794	0.044	−3.210	0.134	−4.157	0.024	−5.174	0.003	−3.103	0.077	−2.488	0.102	−1.837	0.221	−.817	0.583
斜坡。车道= 0	1.742	0.068	.396	0.517	.700	0.257	.733	0.189	.843	0.067	.981	0.025	.835	0.043	.893	0.016	.855	0.021	成为	0.251
向上的州际车道=0	−0。	0.512	−1.525	0.008	−.881	0.134	−.690	0.176	−.484	0.270	−.538	0.211	−.312	0.459	−.279	0.471	−.406	0.302	−.626	0.107
沿州际车道向下=0	−.168	0.876	.713	0.309	.881	0.210	.995	0.106	1.363	0.012	1.646	０．００１	.955	0.055	.887	0.051	.897	0.051	1.089	0.020
PSR=0	1.435	0.196	.631	0.286	.542	0.408	.110	0.845	.245	0.595	.202	0.643	−.200	0.669	−.226	0.564	−.260	0.502	−.372	0.333
Median_Type = 0	−.699	0.618	−.605	0.428	−.597	0.411	−.529	0.419	−.894	0.112	−.562	0.304	.467	0.371	.320	0.502	.494	0.319	.613	0.203
Truck_Percent = 0	−1.602	0.365	−.355	0.699	1.393	0.093	1.336	0.076	1.377	0.043	1.558	0.019	1.084	0.101	1.208	0.045	1.352	0.026	1.134	0.064
斜坡长度	−5.508	0.315	−5.080	0.086	−4.375	0.154	−3.381	0.188	−2.260	0.294	.160	0.932	.249	0.894	−.251	0.880	−.142	0.932	−.499	0.751
Ramp_ADT	−.019	0.860	−.137	0.207	−.068	0.325	−.040	0.471	.008	0.843	.017	0.677	−.009	0.828	.002	0.951	−.019	0.588	−.036	0.306
沿州际公路	.883	0.062	.798	0.060	.406	0.358	.397	0.306	.130	0.671	.185	0.544	.200	0.537	.204	0.475	.295	0.307	.043	0.871
上州际公路	.019	0.858	.137	0.206	.068	0.324	.040	0.469	−.008	0.846	−.017	0.680	.009	0.824	−.002	0.956	.020	0.584	.036	0.304
Down_Interstate。长度	−4.215	0.225	−2	0.897	−.153	0.945	−.405	0.824	−.176	0.909	−.687	0.639	−1.328	0.372	−1.539	0.249	−1.728	0.202	−1.067	0.398
Down_Interstate_ADT	−.019	0.857	−.137	0.206	−.068	0.324	−.040	0.470	.008	0.845	.017	0.679	−.009	0.825	.002	0.954	−.019	0.585	−.036	0.305
IRI	.178	0.861	.324	0.588	.270	0.709	.015	0.982	.140	0.792	.373	0.455	−.145	0.793	−.280	0.522	−.347	0.420	−.528	0.226
Median_Width	.152	0.169	措施	0.983	.034	0.515	.024	0.625	.037	0.401	.020	0.646	−.058	0.165	−.037	0.334	−.041	0.305	−.066	0.085
SPEED_LIMI	.009	0.784	.010	0.510	.021	0.090	.012	0.245	.013	0.188	.013	0.139	.017	0.046	.013	0.078	.010	0.191	.013	0.094
	.617	—	1.110	—	1.363	—	1.112	—	.830	—	.783	—	.766	—	.625	—	.659	—	.649	—

采用逐步回归方法，发现在15个自变量中，Ramp。车道,坡道。长度,Ramp_ADT,和Speed_Limitare the most statistically significant variables in determining accident likelihood from 30-foot buffer to 300-foot buffer. The显著自变量的值见表5..从表中可以看出，90英尺缓冲区的估计碰撞频率的平均值。


变量	P价值
变量	30英尺	60英尺	90英尺	120英尺	150英尺	180英尺	210英尺	240英尺	270英尺	300英尺

斜坡。车道	0.382	0.125	0.056	0.039	0.012	0．002	0.012	0.019	0.022	0.134
斜坡长度	0.225	0.022	0.006	0.007	0.023	0.144	0.060	0.015	0.016	0.019
Ramp_ADT	< 0.001	< 0.001	< 0.001	< 0.001	< 0.001	< 0.001	< 0.001	< 0.001	< 0.001	< 0.001
Speed_Limit	0.004	0.062	0.030	0.102	0.074	0.091	0.114	0.256	0.641	0.358
平均的	0.153	0.052	0.023	0.037	0.027	0.059	0.047	0.073	0.170	0.128

为了直观地理解坠机频率与自变量之间的关系，用图表示不同缓冲区大小下自变量的值分布如图所示3（a）–3 (c)．的Ramp_ADT的值对于所有缓冲区大小都相当小，这意味着无论我们使用多大的缓冲区，流量对崩溃频率都有很强的影响。此外，还可以看出三个变量的值分布，Ramp。车道,坡道。长度,和Speed_Limit,varies monotonically with the buffer size. And all of the 4 different independent variables, Ramp.Lanes, Ramp.Length, Ramp_ADT, and Speed_Limit, have relatively low90英尺缓冲区的价值。数字3 (d)也给出了平均值对于半径为30英尺到300英尺的不同缓冲器，上述4个自变量的值分布。可以观察到增加的价值。车道,坡道。长度,Ramp_ADT,和Speed_Limitdecreases rapidly at first and reaches the lowest value at the 90-foot buffer; then it starts a rising trend and gets to the second lowest value at the 150-foot buffer. The average价值从180英尺的缓冲区急剧增长到300英尺的缓冲区，可能的原因可能是该地区受到州际路段的高度影响。红色圆圈高亮显示，较低该值表示出匝道交叉口周围90英尺到150英尺的区域在交通安全方面占主导地位。

（a）匝道

（b）斜坡长度

(c) Speed_Limit

（d）平均值

３.２．结果分析

表格6.给出了从30英尺缓冲区到300英尺缓冲区的重要变量的参数估计。例如，90英尺缓冲区大小的碰撞频率可以通过在哪里表示预测的碰撞频率。


参数	(拦截)	斜坡。车道= 0	斜坡。车道= 1	斜坡长度	Ramp_ADT	Speed_Limit

Crash_30feet		.5754	0		.313	.049
Crash_60feet		.692	0		.251	.016
冲出90英尺		.819	0		.195	.016
冲出120英尺		.869	0		.175	.012
Crash_150feet		1.015	0		.199	.012
冲出180英尺		1.208	0		.214	.012
冲出210英尺		.936	0		.214	.011
冲出240英尺	.457	.857	0		.191	.008
冲出2700英尺	1.201	.819	0		.169	.003
Crash_300feet	1.469	.520	0		.143	.006

因变量：碰撞30英尺、碰撞60英尺、碰撞90英尺、碰撞120英尺、碰撞150英尺、碰撞180英尺、碰撞210英尺、碰撞240英尺、碰撞270英尺和碰撞300英尺。
模型:(拦截),斜坡。车道,坡道。长度,Ramp_ADT,Speed_Limit.
设置为零，因为此参数是冗余的。

为清楚起见，图中绘制了估计参数4.从30英尺到300英尺的所有缓冲区。从图上看，坡道的正面标志。车道’ coefficient indicates that an increase in the number of lanes contributes to a higher crash frequency, presumably because a multilanes exit is more complicated than a one-lane exit. There are usually more lane-changing maneuvers at the multilanes exit, which could increase sideswipe accidents. The coefficient for the variable of Ramp_ADT is also positive, indicating that the number of crashes increases with the increase of traffic volume diverging into ramp. Moreover, the coefficient of speed limit shows that, as the speed limit increases, the risk of accidents increases. A previous study reported that, controlling the other factors, purely increasing operation speed in road segments by 1% would approximately result in 2% increment in injury crash rate and 4% increment in fatal crash rate [24]．回归方程中唯一的负号是斜坡长度的变量。这表明，在控制其他变量的情况下，在较长的坡道上发生的事故会更少。较长的斜坡可减低发生意外的可能性，与先前的研究结果一致[25–27].从高速公路路段分流到匝道的驾驶任务需要与其他车辆协商以改变车道，减速以退出主线，并适应现有交通。在较短的坡道上，由于减速距离不足而导致的速度和方向突然改变会增加追尾和侧击碰撞的风险。

(一)拦截

(b)(坡道。车道= 0)

（c）斜坡长度

(d) Ramp_ADT

（e）限速

模拟于(8.)，当坡道长度增加1英里时，碰撞频率会降低次了。为了更直观地说明这种关系，图5.给出了不同匝道长度条件下的事故频率。匝道车道数设置为1和2。因为科罗拉多州是美国最高的限速之一，最高限速为75英里乡村高速公路时速65英里城市高速公路和35英里/小时对于出口匝道，我们将可变“速度限制”的值设置为65和75，平均值设置为60.11。据报道，坡道越短，事故预测的碰撞风险越高。此外，匝道数量也可能对碰撞频率产生更大的影响。

为了预测事故频率，匝道ADT和碰撞频率之间的关系如图所示6.．如图所示，当斜坡ADT增加1单位时，碰撞频率增加次了。匝道数量对事故发生频率的影响也更大。

4.结论和扩展

本研究的主要目的是探讨高速公路段与匝道分流区域的安全影响区域及其交通事故频率的成因。这些数据是在美国科罗拉多州派克峰地区两条高速公路的72个不同区域收集的。NB模型的建立是为了确定碰撞和解释变量之间的关系。分析得出了一些有趣的结果，在30英尺到300英尺、30英尺增量的缓冲区大小不同的情况下，碰撞频率和斜坡相关变量之间的关系。

主要结果如下：（1）与以往的许多研究不同的是，本文一般采用增大发散区缓冲区大小的方法。统计上显著的4个因素包括Ramp。车道,坡道。长度,Ramp_ADT,和Speed_Limitaccording to the deferent buffer sizes are reported.（2)根据影响面积大小不同，匝道车道数、匝道长度、匝道ADT与限速、碰撞频率的关系见表6.．匝道车道数、匝道ADT、限速与事故频率呈正相关，匝道长度与事故频率呈负相关。

本研究的结果将有助于交通工程师解决高速公路出入口区域的安全问题，并提高其安全性能。从研究结果可以发现，随着缓冲区大小的变化，关键因素对崩溃的影响是不同的。也就是说，要综合考虑分流区的安全影响范围。影响区域的大小应根据所研究的区域来确定，而不是一个固定的值。建议在确定高速公路分流区和路网中其他类型交叉口的交通安全影响区域时采用类似的缓冲区大小变化方法。

利益冲突

作者声明本文的发表不存在利益冲突。

致谢

本研究得到国家自然科学基金(批准号:20081010901)的资助。中央高校基本科研业务费专项资金资助项目(2014YJS084);

参考文献

R. B. Noland和L. Oh，“基础设施和人口变化对交通相关死亡和交通事故的影响:伊利诺伊州县级数据的案例研究”，事故分析与预防第36卷第2期4，页525-532,2004。视图:出版商网站|谷歌学者
C. Siddiqui, M. Abdel-Aty, H. Huang，“交通区域非参数综合安全分析”，事故分析与预防第45卷第5期2，页317 - 325,2012。视图:出版商网站|谷歌学者
H.Renski、A.J.Khattak和F.M.Council，“限速增加对碰撞伤害严重性的影响：北卡罗来纳州际公路单车碰撞分析，”交通研究记录， 1999年，第1665卷，第100-108页。视图:谷歌学者
T. F. Golob和W. W. Recker，《城市高速公路事故、交通流量、天气和照明条件之间的关系》，运输工程杂志，第129卷，第4期，第342-353页，2003年。视图:出版商网站|谷歌学者
J. Milton和F. Mannering，“公路几何图形、交通相关因素和机动车事故频率之间的关系”运输，第25卷，第2-4号，第395-413页，1998年。视图:出版商网站|谷歌学者
V. Shankar, F. Mannering，和W. Barfield，“道路几何和环境因素对农村高速公路事故频率的影响”，事故分析与预防第27卷第2期3，第371-389页，1995。视图:出版商网站|谷歌学者
M. A. Abdel-Aty和H. T. Abdelwahab，“探索机动车事故中酒精和驾驶员特征之间的关系”，事故分析与预防，第32卷，第2期4，页473 - 482,2000。视图:出版商网站|谷歌学者
陈志勇，“基于路面管理系统(PMS)的田纳西州沥青路面状况对交通事故的影响研究”，先进运输杂志，第44卷，第5期。3，页150-161,2010。视图:出版商网站|谷歌学者
S. Mitra, H. C. Chin和M. A. Quddus，《按机动类型的十字路口事故研究》，交通研究记录，第1784卷，第43-50页，2002。视图:谷歌学者
H.Huang、H.C.Chin和M.M.Haque，“十字路口交通事故中驾驶员受伤和车辆损坏的严重程度：贝叶斯层次分析，”事故分析与预防，第40卷，第1期，第45-54页，2008年。视图:出版商网站|谷歌学者
闫晓燕，“基于多因素logistic回归模型的交叉口追尾事故特征分析”，事故分析与预防，第37卷，第2期6，页983-995,2005。视图:出版商网站|谷歌学者
M. Poch和F. Mannering， "交叉口事故频率的负二项式分析"运输工程杂志，第122卷，第2期，第105-113页，1996年。视图:出版商网站|谷歌学者
K. Haleem, M. Abdel-Aty和K. Mackie，“使用可靠性过程来减少预测无信号交叉口碰撞的不确定性，”事故分析与预防，第42卷，第2期2，页654-666,2010。视图:出版商网站|谷歌学者
M. Abdel-Aty和K. Haleem，“使用机器学习技术分析无信号交叉口的角度碰撞，”事故分析与预防，第43卷，第1期，第461-470页，2011年。视图:出版商网站|谷歌学者
A. T. McCartt, V. S. Northrup，和R. A. Retting，“在北弗吉尼亚州的城市州际公路上与匝道相关的机动车碰撞的类型和特征”，安全研究杂志，第35卷，第1期，第107-114页，2004年。视图:出版商网站|谷歌学者
T.F.Golob、W.W.Recker和V.M.Alvarez，“高速公路交织区的安全方面，”交通运输研究A部分:政策与实践，第38卷，第1期，第35-51页，2004年。视图:出版商网站|谷歌学者
J. P. Moon和J. E. Hummer，“高速公路坡道影响区域安全预测模型的开发”，运输安全杂志， vol. 1, no. 11, pp. 1 - 17, 2009。视图:出版商网站|谷歌学者
S.S.Pulugurtha和J.Bhatt，“评估交织区特征和交通对交织区碰撞的作用，”交通伤害的预防，第11卷，第1期，第104-113页，2010年。视图:出版商网站|谷歌学者
陈慧，周慧，赵军，徐鹏，“高速公路分流区左侧出入口安全性能评价”，事故分析与预防，第43卷，第3期，第605-612页，2011年。视图:出版商网站|谷歌学者
L. Deka和M. Quddus，“网络级事故映射:使用人工神经网络的基于距离的模式匹配”，事故分析与预防，第65卷，第105-113页，2014年。视图:出版商网站|谷歌学者
X. Wang, M. Abdel-Aty, A. Nevarez, J. B. Santos，“四足信号交叉口安全影响区域调查与实证研究”，交通研究记录， vol. 2083, pp. 86 - 95,2008。视图:出版商网站|谷歌学者
M. A. Abdel-Aty和A. E. Radwan，“模拟交通事故的发生和参与，”事故分析与预防，第32卷，第2期5，页633-642,2000。视图:出版商网站|谷歌学者
D.Lord和F.Mannering，“碰撞频率数据的统计分析：方法选择的回顾和评估，”交通运输研究A部分:政策与实践，第44卷，第5期，第291-305页，2010年。视图:出版商网站|谷歌学者
G.尼尔森，交通安全维度和描述速度对安全影响的功率模型，公告221，隆德理工学院，隆德，瑞典，2010。
J. Bared, G. L. Giering, D. L. Warren，“加速和减速车道长度的安全评估”，尽管杂志，第69卷，第2期5，页50-54,1999。视图:谷歌学者
陈辉，刘鹏，陆俊杰，B. Behzadi，“高速公路出口匝道车道数量和布局的安全影响评估，”事故分析与预防号，第41卷。3，第543-551页，2009。视图:出版商网站|谷歌学者
王志军，“高速公路分流区域损伤严重程度影响因素研究”，交通研究记录，第2102号，第43-52页，2009年。视图:出版商网站|谷歌学者

自然与社会中的离散动力学

摘要