司机的停止行为建模在十字路口的黄间隔考虑组异质性

文摘

黄色的间隔期间停止行为的关键驱动行为与交叉口的安全。的主要指数停止行为,停止时间通常被加速失败(AFT)模型。在这项研究中,停止时间的生存曲线的比较证实了集团具体影响司机的存在。然而,尾模型基于同质性假设。为了克服这个缺点,共享脆弱的生存模型开发停车时间分析,考虑组织异质性的司机。结果表明,基于log-logistic脆弱模型随着年龄的增长作为分组变量最好的拟合优度和预测精度。分析模型的参数表明手机状态,最大的减速,车辆的速度,和距离停止线出现的黄色信号对停车时间有显著的影响。此外,异质性分析说明年轻、中年女性司机更有可能刹车严厉和停止越过停止线,这可能阻止十字路口。此外,司机,交通环境更加熟悉,更有可能做出合理的决定停止接近十字路口。结果可以利用交通当局实施道路安全战略,这将有助于减少交通事故由十字路口的停止行为不当造成的。

1。介绍

路口十字路口是至关重要的组件在公路网络,交通事故频繁发生(1]。涉及15188辆汽车在十字路口的致命的崩溃和超过50%的交通事故都发生在十字路口据统计在国家公路交通安全管理局(NHTSA)在2017年和2018年联邦高速公路管理局(供)相应的(2,3]。十字路口的导致事故率高的原因之一是司机的错误决策的开始或停止的一个黄色的信号。非法停车不当行为可能导致停在十字路口,或追尾)。最近的研究表明,停止行为的关键影响因素设计交通设施,如红灯摄影机和倒计时计时器(4,5),因此迫切需要了解停止行为的原则,如果我们想要减少十字路口的事故率。

大多数司机行为研究关注司机的决策过程出现黄色信号,特别是在两难区。因为驾驶决策可以被视为一个二元分类问题,方法如二进制逻辑模型(6,7),二进制probit模型(8,9probit模型[],并下令10)广泛采用于这个问题。此外,司机行为影响因素被广泛发现,如汽车的因素(如速度、减速利率,和距离停止线)(11,12),司机特征(例如,年龄和性别)(13,14),分散注意力的因素(例如,使用手机和听音乐)(15- - - - - -17]。结果表明,方法总是与更高的速度减速利率上升和攻击性驾驶行为(12,18]。老司机通常采用更大的减速水平相比之下,年轻和中年司机(11),而女性司机通常有更大程度的变化在他们的驾驶风格19),使用手机有不利影响对新手和有经验的司机20.]。然而,上述研究的主要问题是司机的停止/去决定,很少有研究调查司机的停止行为接近十字路口。

司机停车行为可以分为四个步骤:感知、判断,操作,和停止。以往的研究更多关注司机的制备反应时间(PRT)制动行为(21,22]。方法通常集中在方差分析(方差分析)和一系列的线性混合模型(23- - - - - -25]。然而,停止过程是一个连续时间状态,而PRT只能反映初始状态的时期。因此,停车时间被选中来描述整个十字路口的停止行为,和生存分析模型是一个适当的和有效的方式进行时间分析。

近年来,生存分析模型吸引了更多研究人员的注意,因为它方便和适合分析与时间相关的数据26,27]。这个模型也被广泛应用于交通运输领域,包括交通事故分析、旅游行为,行人行为等等(28- - - - - -32]。在生存分析模型、非参数和半参数模型方法可取的方法如果只有时间乘以可用或unexplicit期间数据分布假设。例如,女子等人选择非参数方法产生kaplan meier生存曲线分析行人信号交叉路口的风险(33]。郝和程进行nonmotor车辆的等待时间存活曲线评价nonmotor汽车街道交叉行为在路口人行横道34]。然而,上述方法无法建立一个事件时间和关键影响因素之间的关系,分别。参数后持续时间模型是通过进一步的研究,从而体现特定假设失败的分布。贝拉等人选择尾模型用威布尔分布来分析评估反应时间和减速时间对传动性能的影响(35]。李和船尾Silvestri开发一个持续时间模型评估司机的交叉路口完成时间(36]。尽管一些关键因素分析了在这些研究中,未被注意的异质性被忽视的同质性假设在船尾目标模型的局限性。

导致异质性的原因是多方面的,包括协变量未被注意的,交通状况(如交通量、车辆类型、道路几何)和司机字符(例如:性别、年龄、和驾驶经验)(37- - - - - -39]。研究表明,在推动灵敏度是有明显区别的,事故严重程度,不同性别和年龄的司机群体决策在接近路口时(40- - - - - -42]。因此,有必要考虑司机团体间的行为差异。方法随机参数模型和潜在的类模型已经开发组合logit模型和概率单位模型相结合,以反映这些差异驱动决策行为(42- - - - - -44),但这些研究主要集中在未被注意的异质性,很少有研究探讨集团在十字路口的停止行为的异质性。

考虑到集团司机之间的异质性,共享脆弱的生存模型来预测停车时间接近十字路口。这项研究的主要贡献是,它使得一个初始尝试避免组织异质性的影响,通过融合一个脆弱描述司机群体之间的差异。这样,脆弱被认为是一种随机分布在司机组。此外,停车时间和影响因素之间的关系已经充分探索。更重要的是,模型的结果可以用来制造有效的交通管理和操作策略,这将减少十字路口的停止行为不当造成的事故。

2。方法

因为好的适应性生存分析模型在分析法律事件和时间之间,它是作为一个基本的模型来探索各种因素影响车辆的停车时间接近十字路口。

2.1。生存分析模型

生存分析模型有三个基本类型,非参数方法,半参数模型和full-parametric模型(26]。如果只有时间乘以可用,那么生命表和生存曲线可以肯定是一个不错的选择的生存趋势分析数据集,所以非参数方法通常适用于生存分析的第一步。半参数模型,就像Cox比例风险模型,适用于建模时间数据协变量与一个或多个观察,只有最小的假设底层分布。这种模式无疑是更具体的比非参数模型,但由于其有限的灵活性,它不能处理目标之间的异质性。因此,对于进一步研究,开发更具体的和灵活的模型、参数模型分析生存数据。

2.2。尾模型

尾模型,作为一种参数生存分析模型,可以我直接不同的影响因素对生存时间的影响和风险功能。在这项研究中,分析了不同因素影响驾驶员的停车行为,时间变量被定义为停车时间,有概率函数 ,生存函数 ,和风险函数 。生存函数被定义为个体生存的概率超过一个特定的时间点和生存时间的危害作用给出了有条件的失败率,定义为失败的可能性在一个小的时间间隔。具体的功能和它们之间的关系如下:

根据停车时间的意义,生存函数在这个研究可以反映司机的概率并没有停在某个时间点的概率和风险函数代表停止在一个很小的时间间隔。风险率越大,越有可能司机停在那个时间点。

日志之间的回归形式的停止时间和各种尾模型中的变量如下: 在哪里是一个随机扰动项, 代表了变量的个体 , 和参数是估计的,模型的常数项, 是相应的系数 ,和代表个人的生存时间 。

尾模型的优点之一是,它可以提供明确的停车时间分布,如指数、威布尔,对数正态分布,log-logistic,广义伽马分布。在这项研究中,上述分布都认为在进行模型方程(2),最大似然估计(标定)方法被用来选择最好的模型。

2.3。分享脆弱的生存模式

共享脆弱的生存模型是一种混合开发尾模型,可以解决组不同群体之间的异质性通过设置一个难以察觉的乘法效应,称为脆弱, ,在每个集群被认为是随机的(45,46]。

为个人 在设置为集团风险函数 在哪里协变量向量和吗估计是固定系数向量。指的是基线风险函数和代表了个人风险当协变量 。脆弱, ,是一个随机正值,模型的可识别性,应该1和方差意味着什么 。方差值越大,不同的司机组之间的差异就越大。对于数学驯良,我们限制的选择脆弱γ分布 分布或inverse-Gaussian 分布和相应的生存函数 在哪里是生存函数在相应的弱点分布和是基本的生存函数。

可以看出从风险函数共享脆弱的生存模型,该模型假定所有司机停止次集团是独立的弱点, 。换句话说,模型是一个有条件的独立模型和主要处理不同的司机组之间的差异。

3所示。应用程序停止时间的预测

3.1。数据描述和准备

数据集来自驾驶员行为分析竞争组织的交通研究委员会2014年(民国)(47,48]。数据研究在国家先进驾驶模拟器(流浪者)爱荷华州立大学,这是一个高保真驾驶模拟器,旨在检测无线电话使用司机行为的影响。在实验中,每个参与者有三个驱动器。每个驱动器由3段和每一段有一个城市字段和一个农村。此外,五个信号交叉口设置在每一段,两个十字路口的交通信号灯被随机触发状态改为黄色当司机的方法。此外,次要任务被随机应用,暴露参与者3手机接口,包括基线(没有电话),即将离任的调用(调用),来电接听一个电话。为每个驱动器,段/接口的参与者经历了不同的顺序,否则是等价的。传入和传出调用在每一部分开始到来之前。因此,有6次黄灯决定为每个驱动器和每个参与者需要经过的18倍。

最初的数据集是来自49个参与者,共有1157观察。删除后失踪,异常数据,还有838年的观察,包括306年观察和“走”532年“停止”的观察。本研究选择532“停止”的观察为研究对象。

在这项研究中,七个因素相关驱动程序的停止行为被选为独立变量,包括司机的年龄( ),性别( ),手机状态( ),最大减速( ),最大加速度( ),车辆的接近速度( ),和停止线之间的距离( )在黄灯的发病。详细的描述和每个变量的值如表所示1。有更多的年轻司机主题组和男性司机有点超过女性,而数字电话三种状态的相对平等,司机注意到最大减速是消极的,意味着他们的绝对值是6.11 。除此之外,车辆的速度的均值的黄灯是18.95 ,平均距离是62.36米。

停止时间( )被选为时间变量,黄灯的时间从开始到车辆完全停止。统计总体停车时间如表所示2。车辆开始停在3.63秒后黄灯和所有车辆停止在12.97秒。平均停留时间是6.24秒,90%,75%,50%,和25%的司机在8.92秒内停止,7.68秒,5.84秒和4.69秒。

了解车辆的概率没有停在某个时间更好,本研究进行了总体存活曲线532“停止”数据。图1礼物,车辆开始停在3.63秒,大多数车辆完全停止在10秒。

3.2。异质性分析

司机的停止行为可能是不同的在不同的司机组;因此生存曲线在不同的分组变量开发初步验证。

停止时间的生存曲线是不同的在不同的驾驶时间,年龄,性别,和电话状态,如图2,礼物组异质性存在的证据。在这项研究中,我们采用共享脆弱的生存模型分析停车时间,可以避免尾部的同质性假设模型。

行为特征不同的司机组由危险驾驶评估指数。早期研究显示,司机的行为被认为是一致的在一个特定的人口当面对特定水平的冲突(49,50]。因此,本研究采用的可能性危险停止在原始数据集评估危险的停止行为在不同的驱动程序组。危险驾驶指数的概率可以被描述为危险的停止行为和可以计算: 在哪里代表了危险驾驶每个司机组和指数代表停止观察每个司机组的数量,当观察的记录是过线停止和的值是1;否则,设置为0。

根据危险驾驶指数的定义,更大的是,这个司机群体的倾向越大停线。表3提出了危险驾驶指数不同的司机群体。可以发现,中年司机的危险驾驶指数是最高的年龄段中,和年轻的司机也非常高而老司机的是最低的。此外,女司机的指数高于男性,指数高一点,当有电话干扰比没有电话。结果还表明,不同的驾驶时间下危险驾驶的索引;特别是第二驱动下的指数是最高的。

4所示。结果与讨论

4.1。模型结果

根据532年“停止”的观察接近十字路口,共享脆弱的生存模型与分组变量,包括驾驶时间,年龄,性别,和电话状态,构造和参数可以通过使用最大似然估计方法估计在0.1的显著性水平。

为了选择最好的分布类型和分组变量建模停止时间,两个模型选择的统计数据,包括Akaike信息准则(AIC)统计和贝叶斯信息准则(BIC)统计采用。在一般情况下,该模型具有更好的拟合优度AIC值较小和BIC。标准数据表4说明广义伽马分布尾部之间的最佳分布模型,而log-logistic分布被证明是最好的分配共享脆弱的生存模式,尤其是年龄是选为分组变量。

此外,更好的分布也选择通过比较Cox-Snell残差(51]。数据3(一个)- - - - - -3 (d)说明了Cox-Snell不同分布的尾部模型残差;可以看出,尾模型的广义伽马分布绘制点下降接近斜率为1的参考线,证实了模型的拟合优度。与此同时,数字3 (e)- - - - - -3 (h)表明log-logistic共享之间的分布是最适合脆弱的生存模式。

表5上面介绍的参数的估计结果良好的拟合模型。共享中脆弱的生存模式,除了模型,分组变量是性别、脆弱伽马分布,其他共享脆弱的生存模型的按照逆高斯分布。方差的弱点都远远大于0,这也表明不同驱动组之间存在显著差异。此外,指表4,很容易发现,所有共享脆弱的生存模型有更小的值和比尾模型,表明改进的共享脆弱的生存模型的拟合优度。此外,模型的分组变量的最小值 , 。因此,共享脆弱的生存选择模型与年龄分组变量来分析影响停车时间的关键因素。

结果在表的最优模型5显示手机状态,最大的减速,车辆的速度和距离停止线出现黄灯是重要的变量,影响制动时间。不同变量的影响可以计算停车时间指的是方程(2)。表6说明了影响停车时间的重要变量。可以看出当来电( )停车时间相对减少1.0% ( )相对于输出调用( )州停留时间增加了1.3% ( )没有电话相比条件( )。此外,来电下的停车时间相对较短的比输出调用,这意味着司机可能停止严厉当收到一个电话。这一现象的原因可能是司机没有足够的心理准备,当收到一个电话而不是喊,所以造成更大的分心,同意先前的研究[20.,52]。同时,他指的是危险驾驶索引表3,发现危险驾驶指数高于没有电话情况有打电话的任务,这表明司机更有可能停线时被电话的使用。因此,当接近十字路口,司机建议避免分心,如拨打和接听电话。与此同时,因为最大减速(的值 )变量在这项研究是负的,根据变量系数的符号,它是发现的最大减速( )和车辆的速度出现黄灯( )停车时间产生负面影响。当增加一个单位的值的绝对值最大的减速和车辆速度的黄色光,相应的停车时间减少了5.8%和1.3%。因此,有密切关系的最大减速,黄灯,汽车的速度和紧急停车行为,所以应该合理控制这两个因素。此外,距离停止线出现黄灯( )有积极影响的停止时间,每米增加的 ,停止时间增加1.1%。因此,有必要合理控制制动距离,确保车辆的顺利停止。

此外,其他模型结果表5还表明,和变量对停车时间产生影响。年轻的系数( ),中间( ),和男( )司机都是负的显著性水平;这意味着年轻、中间和女司机停车时间短和停止比相应的老年男性司机更迫切,它同意先前的研究发现(19]。他指的是危险驾驶索引表3,年轻的危险驾驶指数(0.112)和中等(0.122)司机老(0.061)高于司机,和女司机的指数(0.120)高于男性司机(0.093),表明年轻,中间,和女性司机更有可能停止线,这可能会导致交叉口堵塞。

4.2。模型的准确性

平均绝对百分比误差( )是用来比较模型的预测精度(53]。值越小,更好的预测精度。平均存活时间选择本文计算的预测价值: 在哪里是观察到个体的数量,个人的实际观测值吗 ,和预测的价值。

表7礼物的价值日军尾模型(15.04%)和年龄分组的共享脆弱的生存模型变量(13.92%)。可以看出,两种模型有很好的预测精度(54]。与尾模型相比,但是从全球的角度来看,有一个微不足道的进步在日军,1.12%,在共享脆弱的生存模式。因此,本研究采用分类分析预测精度。请注意,有75%的司机将停止在表7.7秒2,所以本研究将数据集划分为两类在这个时间点,分析每个数据分类的预测精度。表7介绍了精确的结果。

当制动时间小于7.7秒,改进的共享模型可以有一个非常高的准确预测(日军是6%)和一个小的意思是预测误差(0.36秒);除此之外,它与尾模型相比,提高了预测精度3%。尽管上述模型不具有良好的预测精度,当停止时间大于7.7秒,预测精度也可以接受(54]。因此,可以用于分析预测司机停车行为合理。

4.3。组织异质性的影响

正如上面提到的,非均质性的证据是在核心模型的结果呈现在图2和表5。发现,与尾模型相比,共享脆弱的生存模型的优点是不仅反映在提高模型的拟合和预测精度还在其他潜在变量的采矿影响司机的停止行为。

与尾模型相比,价值和显著的变量的系数的迹象已经改变了在共享脆弱的生存模式。例如,在共享脆弱的生存模型与分组变量年龄来电的标志( )系数变化-尾模型相比,哪个更符合事实的分心的情况有一个更大的对驾驶行为的影响。更重要的是,降低系数的绝对值打电话状态和车辆的速度出现黄灯变量、常数项的所有共享脆弱的生存模型船尾模型相比,也说明了一些重要的变量的影响停止时间共享后,考虑不同的司机群体的异质性。除此之外,其他共享脆弱的生存模型也强调年龄造成的重大影响,性别,和不同的驾驶时间对司机的停止行为。表3表明,在第一、第二和第三驱动器,危险驾驶的索引显示增加然后减少的趋势。危险驾驶指数在第二驱动是最高价值为0.125。这一现象的原因可能是司机在第二块硬盘已经熟悉驾驶环境和不够集中精力开车。在第三开车,司机开车前两个经验和积累使停止决策更加准确的概率,减少停线,这反映出熟悉的交通环境直接影响驾驶安全的停车行为,司机更熟悉交通环境可以更合理的停止做决定,而这些影响很难矿山尾模型。

5。结论

进一步了解司机的十字路口的停止行为在黄色的间隔期间,提出了生存分析模型。然而,船尾的参数模型间的同质性假设的司机。为了克服这个限制,发达与分组分享脆弱的生存模型变量,包括驾驶时间,年龄,性别,和电话状态,进行了本研究。

结果表明,共享脆弱的生存模型可以改善健康和与尾模型相比,预测精度和模型的分组变量符合最好的时代。在这个最佳拟合模型、变量包括电话状态、最大减速,车辆的速度,和距离停止线出现黄灯,对停车时间有显著的影响。司机停止在紧急和相对更容易停线的时候有打电话任务分心。车辆的速度越大的黄色光和的绝对值最大的减速,车越有可能有紧急停止,而更大的距离停止线的值出现黄灯,流畅的车辆停下来。

通过异质性分析,其他潜在影响因素停止时间也探索了在这个研究。除了最佳拟合共享脆弱的生存模型、模型与其他分组变量还强调驾驶行为的显著差异在不同年龄、性别、和驾驶时间组。结果表明,年轻,中间,和女性司机更有可能停止紧急停止线,这可能会导致交叉口堵塞。此外,熟悉交通环境直接影响停止的安全行为;司机更熟悉交通条件可以更合理的停止的决定。

基于上述结果,司机推荐合理预测制动距离接近路口十字路口时,控制车辆的速度和减速,避免分散行为,如有电话。此外,青年,中年,女性司机更有可能停止在十字路口停止线和块。这些团体的人可能需要更多的关注等流量管理器的密集的观察。熟悉交通环境可以帮助司机做出合理的决策,将交叉口安全改善如果司机提供有用的道路和交通信息如限速和信号。然而,本研究的数据集只包含三次开车,所以相关数据收集需要进一步研究明确的熟悉交通环境对驾驶员的影响停止行为。这项研究可以帮助研究人员更好地理解司机停车行为出现黄灯,还可以应用于驾驶员辅助系统和交叉设计研究。

数据可用性

在这项研究中使用的数据来自大学的实验Iowa-National先进驾驶模拟器(流浪者)。原始数据连接,可以访问的网站:http://depts.washington.edu/hfsm/upload.php。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究受到了中央大学基础研究基金(没有。2019 jbm036)。

补充材料

我们停止数据处理均附呈。(补充材料)

引用

1. l .郑黄h . d . Wang, x,“琥珀前评估time-reminder策略:常见的信号,绿色闪光和绿色的倒计时,“事故分析和预防卷,71年,第260 - 248页,2014年。视图:出版商的网站|谷歌学术搜索
2. 国家公路交通安全管理局,“交通安全事实2017编译的机动车事故数据(年度报告),”2017年,https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/812806。视图:谷歌学术搜索
3. 联邦高速公路管理局(供),“十字路口安全:背景和目标,”2018年,https://highways.dot.gov/research-programs/safety/intersection-safety。视图:谷歌学术搜索
4. f . Baratian-Ghorghi h .周,a . Franco-Watkins“红灯摄像机对驾驶的影响停止/去决定:评估绿色扩展假说,”交通运输研究F部分:心理学和行为,46卷,第95 - 87页,2017年。视图:出版商的网站|谷歌学术搜索
5. 黄m . m . Fujita和w . Wisetjindawat倒计时定时器、视频监控和司机的停止/行为:冬天和夏天,“事故分析和预防卷,98年,第197 - 185页,2017年。视图:出版商的网站|谷歌学术搜索
6. h•科尔·m·巴德,k . w . Axhausen”司机行为之前在闪烁的绿色琥珀:比较研究,“事故分析和预防,36卷,不。2、273 - 280年,2004页。视图:出版商的网站|谷歌学术搜索
7. t·j·盖茨d·a·诺伊斯l . Laracuente e . v .诺,”司机行为的分析在信号交叉路口的两难区,“交通研究记录:《交通研究委员会,卷2030,不。1,29-39,2007页。视图:出版商的网站|谷歌学术搜索
8. y谢菲和h . Mahmassani”模型在高速路口十字路口,司机的行为”交通科学,15卷,不。1、50 - 61年,1981页。视图:出版商的网站|谷歌学术搜索
9. p·李和m .阿巴斯”随机困境风险模型在高速路口路口。”交通运输工程学报,卷136,不。5,448 - 456年,2010页。视图:出版商的网站|谷歌学术搜索
10. 刘G.-L y。常,j . Yu”实证研究驾驶员的反应在黄色信号阶段在马里兰六路口,“交通运输工程学报,卷138,不。1,31-42,2012页。视图:出版商的网站|谷歌学术搜索
11. a . Amer El-Shawarby, h·Rakha, c . McGhee”司机及周边交通车辆减速的影响行为出现黄色的迹象,”交通研究记录:《交通研究委员会,卷2248,不。1,10 - 20,2011页。视图:出版商的网站|谷歌学术搜索
12. j . Wang k·k·迪克逊,h·李和j .媚眼,“正常的客运车辆减速行为停止符号控制十字路口评估车载全球定位系统数据,”交通研究记录:《交通研究委员会,卷1937,不。1,第127 - 120页,2005。视图:出版商的网站|谷歌学术搜索
13. c·y·d·杨和w·g . Najm”检查司机的行为从红灯照片执法相机使用收集的数据,”《安全研究,38卷,不。3、311 - 321年,2007页。视图:出版商的网站|谷歌学术搜索
14. j·j·卢和j·c·佩尼亚”,驾驶行为的差异在不同驱动信号交叉路口的年龄组,”IATSS研究,24卷,不。2、75 - 84年,2000页。视图:出版商的网站|谷歌学术搜索
15. r·m·布拉姆菲尔德和s . s . Pulugurtha”司机使用手机对队列信号交叉路口的放电模式,”交通研究记录:《交通研究委员会,卷2257,不。1,第79 - 71页,2011。视图:出版商的网站|谷歌学术搜索
16. m . e . Rakauskas l . j . Gugerty和n . j .病房,“自然主义的影响驾驶性能的手机通话,”《安全研究,35卷,不。4、453 - 464年,2004页。视图:出版商的网站|谷歌学术搜索
17. a . k . Huemer m·舒马赫m . Mennecke和m . Vollrath也指出,”系统综述的观察性研究二级任务参与开车时,“事故分析和预防卷,119年,第236 - 225页,2018年。视图:出版商的网站|谷歌学术搜索
18. h . Rakha a Amer i El-Shawarby,”司机行为建模在路口交叉方法decision-dilemma区,“交通研究记录:《交通研究委员会,卷2069,不。1,第16 - 25页,2008。视图:出版商的网站|谷歌学术搜索
19. s . m . Lavrenz诉Dimitra Pyrialakou, k . Gkritza“两难区司机行为建模:离散/连续与选择性偏差修正公式,“在事故的研究分析方法但不心浮气躁;年龄,3 - 4卷,页2014。视图:出版商的网站|谷歌学术搜索
20. c·j·库珀狙击兵,s . t .克莱斯勒”调查的影响开车时读写文本消息,“西南地区大学交通中心,学院站,TX,美国,2011年,没有。SWUTC / 11/476660 - 00024 - 1。视图:谷歌学术搜索
21. y . d . Wong和p . k .吴作栋,”司机perception-response制动动作在信号变化的时间间隔,”道路运输研究卷。9日,17-26,2000页。视图:谷歌学术搜索
22. P.-K。吴作栋和Y.-D。黄,”司机感知响应时间在信号变化区间,”运用卫生经济学和卫生政策,3卷,不。1、9 - 15,2004页。视图:出版商的网站|谷歌学术搜索
23. c .霜e . m . m . Jongen k .玻雷吉·t·玻雷吉,丹尼尔斯,和g .湿胎”模拟器研究城市交通稳静化措施的影响驾驶行为和工作负载,”事故分析和预防,卷61,利润率达到,2013页。视图:出版商的网站|谷歌学术搜索
24. 问:侯赛因,a . Pirdavani霜,t·玻雷吉和w·k·m·Alhajyaseen“知觉对策对驾驶行为的影响在路城乡过渡段:驾驶模拟器的一项研究中,“先进的交通螺栓。:国际期刊,46卷,第96 - 83页,2018年。视图:谷歌学术搜索
25. 问:侯赛因,w . k . m . Alhajyaseen k .玻雷吉a . Pirdavani和t·玻雷吉”创新信号交叉路口的红灯运行的预防对策:驾驶模拟器的一项研究中,“事故分析和预防文章ID 105349卷,134年,2020年。视图:出版商的网站|谷歌学术搜索
26. s . p .华盛顿,m·g . Karlaftis和f . l .曼纳林交通数据的统计和计量经济学方法分析查普曼&大厅/ CRC,美国佛罗里达州博卡拉顿的第二患儿版,2011年。
27. d . a . Hensher和f . l .曼纳林Hazard-based持续时间模型和他们的应用程序运输分析,“运输的评论,14卷,不。1,第82 - 63页,1994。视图:出版商的网站|谷歌学术搜索
28. 郑j .翁y、x燕和孟,“开发地铁运营事故延迟使用加速失效时间模型方法,”事故分析和预防卷。73年,19,2014页。视图:出版商的网站|谷歌学术搜索
29. 高x, z,郭h . m .欢,“生存分析在公共汽车站附近的汽车旅行时间在发展中国家,“中国科学技术科学,55卷,不。8,2355 - 2361年,2012页。视图:出版商的网站|谷歌学术搜索
30. a . Mohammadian和s·t·多尔蒂,”建模活动调度时间范围:持续时间计划和执行之间的预先计划好的活动,“交通研究部分:政策和实践,40卷,不。6,475 - 490年,2006页。视图:出版商的网站|谷歌学术搜索
31. p . Van den Berg, t . Arentze和h·蒂默曼“潜类加速社会活动持续时间的风险模型,”交通研究部分:政策和实践,46卷,不。于页。12日至21日1举行,2012年。视图:出版商的网站|谷歌学术搜索
32. x, m . Abdel-Aty m .欢,y,和z高,“加速失效时间模型研究行人行为和信号交叉路口的等待时间,“事故分析和预防卷,82年,第162 - 154页,2015年。视图:出版商的网站|谷歌学术搜索
33. g .女子Bangdiwala, a·萨拉斯瓦特,s . Gaurav”生存分析:行人信号交叉路口的风险敞口,”交通运输研究F部分:心理学和行为,10卷,不。2、77 - 89年,2007页。视图:出版商的网站|谷歌学术搜索
34. p .郝w·陈,“非参数生存分析信号交叉口非机动车违反的”应用力学和材料卷,713 - 715,2115 - 2118年,2015页。视图:出版商的网站|谷歌学术搜索
35. f·贝拉和m . Silvestri“十字路口的方向听觉和视觉警告对反应时间和减速时间,“交通运输研究F部分:心理学和行为,51卷,第102 - 88页,2017年。视图:出版商的网站|谷歌学术搜索
36. 李x o . Oviedo-Trespalacios, a . Rakotonirainy”司机的十字路口的差距接受行为:驾驶模拟器研究了解手机visual-manual交互的影响,“事故分析和预防文章ID 105486卷,138年,2020年。视图:出版商的网站|谷歌学术搜索
37. a·b·埃里森s油渣,m . Bliemer”检查司机行为的异质性与时间和空间因素,”交通研究记录:《交通研究委员会,卷2386,不。1,第167 - 158页,2013。视图:出版商的网站|谷歌学术搜索
38. p . Maheshwary k Bhattacharyya、b . Maitra和m . Boltze”的方法标定流量micro-simulator城市异构交通运营,”交通运输工程杂志》上,7卷,不。4、2019。视图:出版商的网站|谷歌学术搜索
39. b . k . Pathivada诉Perumal,”司机行为建模在两难区在混合交通条件下,“交通研究Procedia27卷,第968 - 961页,2017年。视图:出版商的网站|谷歌学术搜索
40. 香港,b . Min, s . Doi和k铃木“接近和停止行为的十字路口岁司机与年轻司机相比,“国际工业工效学杂志》上卷,54 32-41,2016页。视图:出版商的网站|谷歌学术搜索
41. a . Rakotonirainy d·斯坦哈特·Delhomme m . Darvell和a·施拉姆,“老司机”崩溃在昆士兰,澳大利亚,事故分析和预防48卷,第429 - 423页,2012年。视图:出版商的网站|谷歌学术搜索
42. p . t . Savolainen”检查司机的行为出现黄色的交通模拟器环境:比较随机参数和潜在的类logit模型,”事故分析和预防卷,96年,第307 - 300页,2016年。视图:出版商的网站|谷歌学术搜索
43. p . Seraneeprakarn黄,v . Shankar f .曼纳林n . Venkataraman和j·弥尔顿,“混合动力车涉及事故中乘员伤害的严重性:一个随机参数方法在均值和方差与异质性,”在事故的研究分析方法15卷,41-55,2017页。视图:出版商的网站|谷歌学术搜索
44. p . t . Savolainen a·沙玛,t·j·盖茨“司机决策困境zone-examining间隙时间间隔的影响,执法相机和提供预警probit模型,通过一个面板数据随机参数”事故分析和预防卷,96年,第360 - 351页,2016年。视图:出版商的网站|谷歌学术搜索
45. p·k·安德森,j·p·克莱恩,k·m·克努森和r·t·帕拉西奥斯”在cox回归模型的估计方差共享伽马弱点,”生物识别技术,53卷,不。4、1475 - 1484年,1997页。视图:出版商的网站|谷歌学术搜索
46. h . t . v .错觉”,估计半参数条件与事件之前分享脆弱模型研究中,“计算统计和数据分析,45卷,不。3、621 - 637年,2004页。视图:出版商的网站|谷歌学术搜索
47. 交通研究委员会”,2014年交通研究署数据发表竞争,”2014年,http://trbstats.weebly.com/2014-trb-data-competition.html。视图:谷歌学术搜索
48. 2014年国家先进的驾驶模拟器,http://www.nads-sc.uiowa.edu/sim_nads1.php。
49. x邹和d·m·莱文森,“管道驾驶行为建模,”交通研究记录:《交通研究委员会,卷1980,不。1,16-23,2006页。视图:出版商的网站|谷歌学术搜索
50. j·李,问:他,h .周y关,和w·戴“十字路口附近驾驶行为建模在隐马尔科夫模型中,“国际环境研究和公共卫生杂志》上,13卷,不。12,1265页,2016年。视图:出版商的网站|谷歌学术搜索
51. j .翁w·乔,x, x,“事故持续时间,基于集群的对数正态分布模型”Transportmetrica答:运输科学,11卷,不。4、345 - 363年,2015页。视图:出版商的网站|谷歌学术搜索
52. m . m . Haque公元Ohlhauser,美国华盛顿和l·n·博伊尔,“驾驶员分心的决定和行动的黄色灯光,“事故分析和预防卷,96年,第299 - 290页,2016年。视图:出版商的网站|谷歌学术搜索
53. 问:孟和瞿x”,估计在尾端的车辆碰撞频率在城市道路隧道,”事故分析和预防48卷,第263 - 254页,2012年。视图:出版商的网站|谷歌学术搜索
54. y钟”,发展朝鲜高速公路事故持续时间预测模型系统,”事故分析和预防,42卷,不。1,第289 - 282页,2010。视图:出版商的网站|谷歌学术搜索

版权

版权©2020胡安·李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。