Resumen

Con el fin de construir un modelo combinado que pueda cumplir con la regla de variación de los datos de peaje de los accidentes de tráfico y pueda reflejar la influencia de múltiples factores en los accidentes de tráfico y mejorar la precisión de la predicción de los accidentes, se construyó el modelo de Verhulst basado en el número de peajes de muerte de los accidentes de tráfico en China desde 2002 hasta 2011; y la propiedad de automóviles, la población, el PIB, el volumen de carga de la carretera, el volumen de transporte de pasajeros de la carretera, y el kilometraje de la carretera fueron elegidos como los factores para construir el modelo de regresión lineal multivariable de peaje de muerte. A continuación, se combinaron los dos modelos para obtener un modelo de predicción combinado que tiene un coeficiente de peso. Se aplicó el método del valor Shapley para calcular el coeficiente de peso mediante la evaluación de las contribuciones. Por último, el modelo combinado se utilizó para recalcular el número de víctimas mortales de 2002 a 2011, y el modelo combinado se comparó con los modelos de Verhulst y de regresión lineal multivariante. Los resultados mostraron que el nuevo modelo no sólo podía caracterizar las características de los datos del número de víctimas mortales, sino también cuantificar el grado de influencia de cada factor de influencia en el número de víctimas mortales, y tenía una gran precisión, así como una gran viabilidad.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:datos sobre el número de muertos, accidente de tráfico, modelo de regresión lineal, número de muertos, número de muertos, modelo combinado, volumen de transporte de mercancías por carretera, volumen de transporte de pasajeros, grado de influencia, número de muertos multivariante
• Keywords:death toll data, road traffic accident, linear regression model, number of death, death toll, combined model, highway freight volume, passenger transportation volume, degree of influence, death toll multivariate