学习笔记——交通安全分析10

目录

前言

当天学习笔记整理

4信控交叉口交通安全分析 

结束语 

前言

#随着上一轮SPSS学习完成之后,本人又开始了新教材《交通安全分析》的学习

#整理过程不易,喜欢UP就点个免费的关注趴

#本期内容接上一期09笔记

当天学习笔记整理

4信控交叉口交通安全分析 

109.方差信息标准(Deviance Information Criterion,DIC)综合量化了贝叶斯模型的拟合度和复杂度,常用于比较复杂模型的优劣。--Bayesian measures of model complexity and fit 2002[J],《交通安全分析》P86
110.DCI值结合考虑了模型的拟合度和复杂度,其值越小,模型越优。--《交通安全分析》P86
111.信控交叉口的影响因素分为位置特征、几何设计、控制属性和交通流量四类,相应分析变量为:是否位于高架下、交叉口间距、交叉口类型、转向车道比例、周期相位数和交叉口日均流量。--《交通安全分析》P87
112.左转车辆越多,发生左转与对向碰撞的概率就越大;右转车辆越多,则与行人、非机动车冲突的概率就越大;同时,转向车流也增加了合流碰撞的概率。--《交通安全分析》P88
113.虽然较多的相位可以将交通流在时间上进行分离,但这很可能会增加追尾事故,另外,闯红灯等违章行为往往是在信号切换时产生的,因此,信号相位频繁切换会增加事故发生的概率。还有一个重要的属性是周期时长,它对安全的影响并不明显。--《交通安全分析》P89
114.交通流量是影响交通安全最为显著的因素。日均流量与事故数呈正相关,流量大的交叉口产生冲突的概率更高,从而增大了事故发生的可能性。--《交通安全分析》P89
115.教材中6种事故多发交叉口判别方法:事故数法(Crash Frequency,CF)、事故率法(Crash Rate,CR)、经验贝叶斯法(Empirical Bayesian,EB)、全贝叶斯法(Full Bayesian,FB)、基于安全可提高空间的经验贝叶斯法(Empirical Bayesian-Potential for Safety Improvement,EB-PSI)和基于安全可提高空间的全贝叶斯法(Full Bayesian-Potential for Safety Improvement,FB-PSI)。--《交通安全分析》P91
116.为了判别真正存在设计隐患的交叉口,故采用安全可提高空间(Potential for Safety Improvement,PSI)方法作为事故多发交叉口的判别指标。--《交通安全分析》P91
117.安全可提高空间指某地点的事故期望值超出具有类似地点平均事故期望值的部分。--基于安全可提高空间的事故多发信控交叉口判别2015[J],《交通安全分析》P91
118.安全可提高空间考虑了相似对象的事故均值,与事故绝对数相比,其更适合作为判别事故多发交叉口的指标。--《交通安全分析》P91
119.常用的事故多发交叉口判别方法评价标准有地点一致性检验(Site Consistency Test,SCT)【若没有对交叉口进行安全改善,本阶段判别的事故多发交叉口应在下一阶段表现出较高的风险性,即下阶段的平均事故发生率更高,SCT越高,该判别方法越有效】、方法一致性检验(Method Consistency Test,MCT)【通过计算连续两阶段都被认定为事故多发交叉口的数目,反应事故多发交叉口判别方法的优劣,MTC反应了判别事故交叉口的方法的稳定性,其值越高,表明判别方法越优】、排序差异性检验(Total Rank Differences Test,TRDT)【排序差异性检验通过计算两阶段事故多发交叉口排名的差异度来表征判别方法的优劣,TRDT越小越优】和综合评分(Total Score Test,TST)【考虑了地点一致性、方法一致性和排序差异性,TST值越大,判别方法越优】。--《交通安全分析》P92-93
120.在平面交叉口安全评价中,交通冲突可定义为在可观测条件下,两个或两个以上道路使用者在同一时间、空间上相互接近,可能存在碰撞的危险。--《交通安全分析》P96

结束语 

#好啦~,以上就是我《交通安全分析》第十期学习笔记的学习情况啦~,希望能与大家交流学习经验,共同进步吖~

#也非常感谢大家对我的一路陪伴,宝子们的关注、支持和打赏就是up儿不断更新滴动力

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/36940.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

我的创作纪念日学期总结

🔥个人主页: Forcible Bug Maker 🔥专栏: 关于博主 目录 🌈前言🔥我的期末考试🔥我的学期总结🔥对未来的展望🌈结语 🌈前言 本篇博客主要内容:博…

归并排序和计数排序

目录 1.归并排序1.1递归1.1基本思想1.2算法描述1.3画图解释1.4代码实现 1.2非递归 2.计数排序2.1基本思想2.2算法描述3.画图解释 1.归并排序 1.1递归 1.1基本思想 归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer&#xf…

【C++】动态内存管理new和delete

文章目录 一、C的内存管理方式二、new和delete的用法1.操作内置类型2.操作自定义内置类型 三、new和delete的底层实现1.operator new和operator delete函数2.new和delete的实现原理 四、定位new表达式五、malloc/free和new/delete的区别 一、C的内存管理方式 之前在C语言的动态…

kafka(四)消息类型

一、同步消息 1、生产者 同步发送的意思就是,一条消息发送之后,会阻塞当前线程,直至返回 ack。 由于 send 方法返回的是一个 Future 对象,根据 Futrue 对象的特点,我们也可以实现同 步发送的效果,只需在调…

【数据结构】计数排序等排序

📢博客主页:https://blog.csdn.net/2301_779549673 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正! 📢本文由 JohnKi 原创,首发于 CSDN🙉 📢未来很长&#…

C 语言实例 - 查找数组中最大的元素值

查找数组中最大的元素值。 实例 1 #include <stdio.h>int main() {int array[10] {1, 2, 3, 4, 5, 6, 7, 8, 9, 0};int loop, largest;largest array[0];for(loop 1; loop < 10; loop) {if( largest < array[loop] ) largest array[loop];}printf("最大…

Ubuntu系统中创建桌面快捷方式和添加Favorites

一. Ubuntu系统中创建软件的桌面快捷方式 Ubuntu桌面创建某个软件的桌面快捷方式&#xff0c;一个直观的方法。 方法1. 在图像界面下&#xff0c;一层一层地打开文件目录软件快捷方式/usr/share/applications/ 方法2. 或者在终端运行$ nautilus /usr/share/applications/ …

Django靓号管理系统:实现注销功能和重构视图

1. 重构项目结构 首先,我们需要重构项目结构,以更好地组织代码: 在​​web​​目录下创建一个新的​​views​​目录。在​​views​​目录中创建一个新文件​​account.py​​。删除原来的​​views.py​​文件。这样的结构更有利于代码的模块化和维护。 2. 更新 ​​url…

springcloud-config git配置源加载(部署公钥问题)

使用gitUrl作为配置源 gitee 或者github 中有类似于发布密钥的功能&#xff0c;允许通过私钥只读访问指定的仓库&#xff0c;文档中说的是 限制了git的操作为pull 和 clone。生成私钥的方式文档连接在此 https://gitee.com/help/articles/4181#article-header0 spring config只…

简过网:不懂就要问,什么叫考事业单位编制?

不懂就要问&#xff0c;什么叫考事业单位编制&#xff1f;考事业编就是纳入编制的事业单位招聘考试&#xff0c;本质上是还是一种招聘考试&#xff0c;由于是“铁饭碗”&#xff0c;福利好&#xff0c;待遇高&#xff0c;所以对于事业单位的考试一直受人关注。 ​ 一、什么是事…

深度分析 Apache Hudi:大数据实时处理的利器

什么是 Apache Hudi&#xff1f; Apache Hudi&#xff08;Hadoop Upsert Delete and Incremental&#xff09;是一个开源的数据湖存储框架&#xff0c;旨在在大规模数据集上提供高效的增量数据处理和实时数据更新能力。Hudi 由 Uber 开发&#xff0c;并于 2019 年捐赠给 Apach…

精准校准:深入解析scikit-learn中的StandardScaler

精准校准&#xff1a;深入解析scikit-learn中的StandardScaler 在机器学习中&#xff0c;特征缩放是一个至关重要的预处理步骤&#xff0c;它能够显著影响模型的性能。scikit-learn提供了一个强大的工具——StandardScaler&#xff0c;用于将数据标准化到单位方差和零均值。本…

MQ - RabbitMQ、SpringAMQP --学习笔记

什么是MQ&#xff1f; MQ 是消息队列&#xff08;Message Queue&#xff09;的缩写&#xff0c;它是一种应用程序间异步通信的技术。消息队列允许应用程序或服务间通过发送消息来交换数据&#xff0c;而不是直接调用对方&#xff0c;从而实现解耦、异步处理和负载均衡等目的。…

零成本打造精品宣传册

​随着互联网的发展&#xff0c;企业和个人对宣传册的需求日益增长&#xff0c;然而&#xff0c;高质量的宣传册制作往往需要不菲的成本。那么&#xff0c;如何零成本打造精品宣传册呢&#xff1f; 一、明确定位和目标群体 在制作宣传册之前&#xff0c;首先要明确其定位和目标…

qt pro文件常用配置

概述 记录一下常用的项目pro文件的一些常用配置 常用配置 QT core gui concurrent#添加concurrent并行处理模块 CONFIG windeployqt#打包部署&#xff0c;项目->构建步骤->Make参数 添加windeployqt&#xff0c;编译自动打包greaterThan(QT_MAJOR_VERSION, 4):…

Kafka入门到精通(三)-Kafka

Kafka简介 Kafka是由Apache软件基金会开发的一个开源流处理平台&#xff0c;由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统&#xff0c;它可以处理消费者在网站中的所有动作流数据。 这种动作&#xff08;网页浏览&#xff0c;搜索和其他用户的行动&#xf…

强化学习-3深度学习基础

文章目录 1 强化学习与深度学习的关系2 线性回归3 梯度下降4 逻辑回归5 全连接网络6 更高级的神经网络6.1 卷积神经网络6.2 循环神经网络6.3 transformer 将深度学习和强化学习结合起来&#xff0c;利用深度学习网络强大的拟合能力通过将状态、动作等作为输入&#xff0c;来估计…

JeecgBoot新建模块

引言 jeecg-boot设置了demo, system等默认模块。在二次开发中&#xff0c;常常需要进行模块扩展。比如新增一个订单模块或支付模块。如何准确的新增模块&#xff0c;在此文进行记录。 步骤 新建模块 在项目点击右键&#xff0c;新建模块。 如下图。 注意&#xff1a;报名需…

鸿蒙NEXT开发知识:工具常用命令—ohpm config

设置ohpm用户级配置项。 命令格式 ohpm config set <key> <value> ohpm config get <key> ohpm config delete <key> ohpm config list 说明 配置文件中信息以键值对<key> <value>形式存在。 功能描述 ohpm 从命令行和 .ohpmrc 文件中…

Linux命令----wc,uniq,sort的用法

1.wc的用法&#xff1a;wc 命令用于计算文件中的行数、单词数和字节数。 常用选项 -l&#xff1a;只显示行数-w&#xff1a;只显示单词数-c&#xff1a;只显示字节数-m&#xff1a;只显示字符数&#xff08;与 -c 类似&#xff0c;但处理多字节字符&#xff09;-L&#xff1a…