交通運輸專業(yè)畢業(yè)設(shè)計（論文）外文翻譯

1、外文翻譯內(nèi)容時間序列計數(shù)數(shù)據(jù)模型：一個實證申請交通意外摘要計數(shù)資料主要劃分為橫斷面，時間序列，和小組。在過去十年中，伯 松分布和負(fù)二項分布（注）模式已廣泛用于分析橫斷而、時間系列計數(shù)數(shù) 據(jù)、隨機(jī)效應(yīng)和固定效應(yīng)泊松和注模式被用來分析小組計數(shù)數(shù)據(jù)。然而， 最近的文獻(xiàn)表明，盡管有關(guān)這些模型的分配假設(shè)適合橫斷面計數(shù)的數(shù)據(jù)， 但它們往往發(fā)現(xiàn)在純時間序列計數(shù)數(shù)據(jù)沒有能力考慮到序列相關(guān)性的影 響。實值時間序列模型，諸如框和詹金斯介紹的自動回歸移動平均（arima） 模型，在過去幾十年已用于許多應(yīng)用程序。然而，當(dāng)模擬非負(fù)整數(shù)值的數(shù) 據(jù)，如在交通事故隨著時間的推移，框和詹金斯模式可能不適合了。這主 耍是由于在a

2、rima模型中正常的的錯誤假設(shè)。在過去的幾年里，一類新的 被稱為整數(shù)值口動冋歸（inar ）泊松模型的時間序列模型，已經(jīng)由許多 作者研究了。這一級別的模型尤其適用于時間序列分析計算模型的數(shù)據(jù)， 因為這些模型能反映伯松回歸的性能，并能夠處理序列相關(guān)性，因此提供 t一種替代的實值時間序列模型。本文的首要目的是介紹大不列顛的這類分析交通事故的時間序列的 inar模型。不同類型的時間序列數(shù)據(jù)被認(rèn)為是：綜合時間序列數(shù)據(jù)都在 空間和調(diào)查的時間區(qū)域內(nèi)是比較大的（例如，大不列顛和年的關(guān)系），分 散的時間序列數(shù)據(jù)在空間和時間區(qū)域內(nèi)相對較小（例如，擁擠收費區(qū)與月 的關(guān)系）o inar模式的性能與同類別的框和詹金斯

3、實值模型相比較。其結(jié) 果表明，綜合交通事故時間序列數(shù)據(jù)在系數(shù)估計方面和擬合優(yōu)度的情況 下，這些兩類模式的性能是十分相似的。這是因為在這種正常的相近的情 況卜，平均的計數(shù)是很準(zhǔn)確的，arima模型可以令人滿意。然而，inar泊 松模型的性能被發(fā)現(xiàn)冇明顯優(yōu)于的artma模型，因為在分散的時間序列數(shù) 據(jù)的交通事故屮，arima模型的計數(shù)是在相對較低。文章最后討論了 inar 模型的局限性來處理的季節(jié)性和觀測到的并質(zhì)性。1.緒論公路運輸給社會帶來了巨大的利益，但它也有直接和間接成本。直接 成本包括捉供公路運輸服務(wù)如基礎(chǔ)設(shè)施，設(shè)備和人員的成本。間接成本包 括由于道路交通擁堵，和來道路交通的空氣污染引起的

4、公路運輸事故， 旅行延誤的成本。所冇這些費用中，與道路交通事故相關(guān)的成本是非常高 的。根據(jù)英國運輸部（dft, 2003年），為道路防止一人死亡（婦女議 會論壇）的價值為125萬英鎊（按2002年價格）。在世界上雖然英國是其 屮一個最安全的國家，但在2005年，事故每百公里旅游，在公路交通總 的死亡人數(shù)是3201人。分析道路交通事故的原因的最佳途徑z是制定 各種事故預(yù)測模型，用來確定有關(guān)人力，車輛，社會經(jīng)濟(jì)，道路基礎(chǔ)設(shè)施, 土地使用，環(huán)境的重大因素。例如，諾蘭德和quddus （2004年）制定了 一個事故預(yù)測模型，并報告說，改善的醫(yī)療技術(shù)和醫(yī)療保健能減少英國交 通死廣人數(shù)?；谑鹿暑A(yù)測模型的

5、成果，以實施不同的對策來減少道路交 通事故的頻率。事故預(yù)測模型是用來監(jiān)測已經(jīng)提出的以盡量減少事故發(fā)生 的各種道路安全政策的效力。舉例來說，休斯敦和理查森（2002年）制 定了一個事故預(yù)測模型，并得出結(jié)論認(rèn)為，從屮學(xué)到小學(xué)改變現(xiàn)有的安全 帶的法律來增強(qiáng)道路交通安全執(zhí)法。然而，業(yè)績和這些事故模型的有效性 在很大程度上依賴于選擇適當(dāng)?shù)挠嬃拷?jīng)濟(jì)模型，由于道路交通事故都是非 負(fù)，離散，和零星的事件計數(shù)，了解不同的計數(shù)變量是至關(guān)重要。由丁道路交通事故的非負(fù)數(shù)，整數(shù)，和隨機(jī)事件數(shù)量，這類事件的分 布遵循泊松分布。事故計數(shù)模型的方法發(fā)展很好。例如，橫斷面計數(shù)數(shù)據(jù) 是參照采用泊松回歸模型（kulmala, 19

6、95年）。自事故計數(shù)數(shù)據(jù)通常是 過度分散的（即差額大于意思），一個負(fù)二項分布（注）冋歸模型是一個 泊松-y混合物更適合運用（阿卜杜勒aty和拉徳力“，2000年；主，2000 年；伊萬，2000年等等）。如果這種截而計數(shù)數(shù)據(jù)包含許多零的意見（即 超過零計數(shù)資料），然而零膨脹泊松（或注）模式或柵欄計數(shù)數(shù)據(jù)模型更 合適（土地，1996年等等）。如果橫斷面事故計數(shù)數(shù)據(jù)被截斷或檢查，如 截斷一個有應(yīng)至少一人死亡的事故，這些數(shù)據(jù)被參照使用在短泊松或截斷 毒品調(diào)查科模型中。如果橫斷面事故計數(shù)數(shù)拯的報道諸如發(fā)生輕微的傷害 或財產(chǎn)損失的事故，然后根據(jù)報道使用泊松模型。如果事故計數(shù)數(shù)據(jù)是而 板數(shù)據(jù)，固定效應(yīng)（遠(yuǎn)

7、東）泊松（或注）模型或隨機(jī)效應(yīng)（重新）泊松（或 注）模型被使用（欽邦和quddus, 2003年）。廣義估計方程（吉）技術(shù)是 受雇于集群小組計數(shù)數(shù)據(jù)（主和佩爾紹德,2000年）。但是，在事故模擬模型文獻(xiàn)事故計數(shù)的時間序列數(shù)拯中缺乏合適的計 量經(jīng)濟(jì)模型。通常，這種類型的事故數(shù)據(jù)是仿照用一個泊松回歸模型或注 回歸模型，有一個普遍的假設(shè)是：意見應(yīng)彼此獨立。這表明，這些模型更 適合橫斷面計數(shù)數(shù)據(jù)。使用這些時間序列模型計算的數(shù)據(jù)可能會導(dǎo)致估計 參數(shù)效率低下，因為時間序列數(shù)據(jù)通常是串行相關(guān)的。一個簡單的解決辦 法是在模型中實行一個時間趨勢變量作為解釋變量來控制序列的相關(guān)性。 例如，諾蘭徳（2006）等。注

8、：模型釆用了一種趨勢變量研究在交通意外 傷亡的倫敦進(jìn)城費的影響。但是，也不能保證，這將明確解決序列相關(guān)性 的影響，特別是在交通意外傷亡對事件的長期時間序列計數(shù)數(shù)據(jù)。時間序列模型的連續(xù)數(shù)據(jù)非常發(fā)達(dá)。實值時間序列模型，諸如冋歸移 動平均（ma）模型，由框和詹金斯（1970年）介紹了，過去兒十年，在許 多應(yīng)用中已被用來計數(shù)模型時間序列數(shù)據(jù)（例如，zimring, 1975；夏爾馬 和爾哈雷,1999年；休斯頓和理杳森,2002年；吳作棟,2005年；諾蘭 德,2006年；等等）。然而，當(dāng)非負(fù)整數(shù)值模型計數(shù)的數(shù)據(jù)，諸如在地理 實體里交通意外隨著時間的推移，box和詹金斯模式可能不適合。這主要 是由于在

9、arima模型中錯誤的正常假設(shè)。這在很大程度上表明，模型是必 要的，它可以考慮到非負(fù)離散財產(chǎn)和自動計數(shù)的時間序列數(shù)據(jù)。在過去幾 年中，一類新的，例如被稱為整數(shù)值門回歸（inar）泊松模型的時間序列 模型，已經(jīng)在金融、公共衛(wèi)生監(jiān)測、旅行和旅游，林業(yè)部門等領(lǐng)域中被許 多作者研究了。這一級別的模型尤其適用于吋間序列分析計算模型的數(shù) 據(jù)，因為這些模型擁有分配數(shù)量的數(shù)據(jù)的屬性，并能處理序列相關(guān)性，因 此，捉供了一種可替代的實值時間序列模型和一般泊松或注：模式。本篇章主耍的目的是介紹inar模式中的時間序列分析來口大不列顛 的事故計數(shù)數(shù)據(jù)。兩種吋間序列事故數(shù)據(jù)類型被認(rèn)為：（1）時間序列數(shù)據(jù) 匯總情況的空間

10、和時間的觀察單位是比較大的（例如，大不列顛和年的關(guān) 系）；（2）分類的時間序列數(shù)據(jù)在兩個空間和時間的觀察單位相對較?。ɡ?如，在倫敦中部的擁擠收費區(qū)和月的關(guān)系）。各種計量經(jīng)濟(jì)模型，如ma, 注，注的時間趨勢，inar （1）模型用于為每個數(shù)據(jù)集發(fā)展事故預(yù)測模型。 tnar （1）泊松模型的表現(xiàn)與其它模型相比較得岀的。其余的篇章，如下論述。下一節(jié)描述了在這些研究中inar模型的使 用。隨后說明用于分析的數(shù)據(jù)來源。介紹和分析結(jié)論，然后在一些細(xì)節(jié)上 討論。本文最后部分是結(jié)論和本研究的局限性。2 方法論由框和詹金斯（1970年）介紹的純粹的連續(xù)時間序列數(shù)據(jù)的回歸模 型,現(xiàn)在發(fā)展很好?？蚝驼步鹚鼓Ｐ?，如

11、季節(jié)性口動冋歸移動平均（sarima） 模型能夠考慮到這一趨勢和季節(jié)性（因此序列相關(guān)性）通常存在于時間序 列數(shù)據(jù)中。延長這一模式是由框和眺（1975年）提議的，其中有能力研 究各種解釋變量和作為解釋變量干預(yù)，除了常規(guī)的趨勢和季節(jié)性的組成部 分的影響。該模型可以表示如下（hipel和麥克里奧德，1994年）：（1）其中t是離散時間（例如周、月、季或年），兒是適當(dāng)?shù)腷ox- cox中 乙的變換，即是x,嚴(yán)，或者乙本身（box和cox, 1964 ）,乙是特定 吋間t的因變量，這是干預(yù)的組成部分，x是獨立變量的影響的決定性稱 為控制變量，",是隨機(jī)變化或可由一個arima模型，表示為（為

12、非季節(jié)性的時間序列）或sartma模型（為季節(jié)性時間序列），表示為 sarlmas，q）x（p，d，o）$的噪音部分。在這些公式屮，p是指非季節(jié)性自 動回歸（ar）的進(jìn)程，p是指季節(jié)性受體的進(jìn)程，d是指非季節(jié)性差異，d 是指季節(jié)性差異，q是指非季節(jié)性移動平均線（ma）的進(jìn)程，q是指季節(jié) 性（ma）的進(jìn)程，而下標(biāo)s是季節(jié)性的長度（例如s二12是每月吋間序列 數(shù)據(jù)）。該sarima模型可以表示為（box, 1994年等）：n ='0（b）（bjq-byf-bjd（2）其中，©和是經(jīng)常和季節(jié)性ar群，。和是經(jīng)常和季節(jié)性ma群, b和乞是落后轉(zhuǎn)變?nèi)海资且粋€與零均值不相關(guān)的隨機(jī)誤差項

13、，恒定方差 詳情可在box （1994年）等中發(fā)現(xiàn)有關(guān)這一模型的進(jìn)一步解釋。arima或sarima的基礎(chǔ)干預(yù)模型顯示在方程（1）中，作為假定為正 態(tài)分布零均值和恒定方差的誤差項，適用于實值時間序列數(shù)據(jù)。盡管這一 假設(shè)，這種模式正在被用來調(diào)查非負(fù)離散時間序列進(jìn)程與許多應(yīng)用相關(guān)， 包括道路交通事故(例如，休斯頓和理查森，2002年；諾蘭德，2006年 等)。在以非負(fù)整數(shù)值時間序列過程屮，如每月事故計數(shù)數(shù)據(jù)，有幾個關(guān)于 應(yīng)用sarima模式的重大問題。第一個問題是模型的定義。一個實值的命 令1的自動回歸過程可表述如下：k =必】+ 5(3) 為了獲得一個整型值乙以卜的限制，必須在方程(3)中實行均

14、衡器, 如(i)勺是整數(shù)值及(ii) 1, 0,或1。這種制約因素限制了實際 實值時間序列自動回歸進(jìn)程的在計數(shù)變量的框架屮應(yīng)用。第二個問題涉及 作出止常假設(shè)的普遍性。一個計數(shù)變量，其平均計數(shù)相對較高，如大不列 顛每年道路交通事故，通常認(rèn)為是近似正常的分布，因此，使用sartma 模型可以滿足作為正常的假設(shè)是不會有疑問的。然而，作為一個計數(shù)變量, 其意味著接近于零，如每刀的道路交通事故的死亡是一個小型單元方塊， 其分布通常是向右傾斜的。因此，通常的，或任何其他分布的假設(shè)，是不 無道理的。這類整數(shù)價值自動回歸過程曲inar表示，已經(jīng)出許多作者(例如， 基地奧什和alzaid , 1987年；肯思國

15、際律師事務(wù)所，1988年；brannas 和赫爾斯特倫，2001年；卡爾利斯，2006年)研究了。這種模式的自然 想法取代了由一個隨機(jī)滯后的x' s的影響的確定性(見方程(3)o發(fā) 展的途徑在&和冷】z間取代了標(biāo)量乘法間通過如下定義的細(xì)化的二項 式。° kr-i =mu-1 +如"1 + + "/嚴(yán)工1=1(4) 如果丫1是一個非負(fù)整數(shù)且。三°，1，而阮是一個獨立序列與柏努 利隨機(jī)變量分布一樣(iid ),獨立的n ,且保證 pr(mi = 1) = 1 - pr(w,. = 0)= a o值得注意的是，陰，"必】成為一個二項

16、分布隨機(jī)變量是冇條件的，在一些成功的冷】獨立審判的每一個成功的可 能性是因此，原來的實值ar (1)方程(3)的模式別取代為k "。近一1+勺(5) q的階段行程基于乙和耳是獨立的。方程(5)的第二部分在區(qū)間 '一1川時進(jìn)入系統(tǒng)的組成要索稱為革新?；镜膇nar的推導(dǎo)過程基于假 設(shè)，這種假設(shè)即革新，有一個獨立和相同的泊松分布，即勺泊松(人), 這里的人是指由泊松定義表示為a = exp(/?yz +%人)(6) 在al-0sh和alzaid (1987年)和麥肯齊(1988年)可以發(fā)現(xiàn)方程 的模型的屬性。方程屮變量憶與ml")相等吋被稱為泊松inar(1),其中假定

17、時間序列的基本過程是固定的(al-osh和alzaid , 1987 年；肯思國際律師事務(wù)所，1988年；brannas和hall, 2001年；赫爾斯 特倫,2002年)。擴(kuò)展該模型包扌舌泊松inma(l),泊松imarma(1)，注：模型inar(l), 和注：模型inarma(1)。這些都是叮以同時處理非平穩(wěn)和過度分散的計數(shù)數(shù)據(jù)（al-osh 和 alzaid, 1988 年；brannas 和 hall, 2001 年；卡爾利斯, 2006年）。方程（5）可以使用可編程估計確切最高群（em）可能算法（卡 爾利斯,2006年）。英他時間序列模型的計數(shù),如串行相關(guān)誤差模型（zeger, 1

18、988 年）和 zegar - qaqish 模型（zcgar 和 qaqish, 1988 年）中可以在 赫爾斯特倫（2002年）和kedem和fokianos （2002）中找到。3.資料上面討論的兩個數(shù)據(jù)集經(jīng)常用來調(diào)查是否適宜不同類型的事故預(yù)測 模型。其屮之一是一個高度集屮的時間序列的事故數(shù)量，另一種是相對分 散的時間序列事故數(shù)量。在本研究認(rèn)為高度集屮的時間序列數(shù)據(jù)是每年道路交通死亡人數(shù)以 gb 1950年至2005年從英國運輸部（dft的,2006年）獲得的。統(tǒng)計到 的總?cè)藬?shù)是55人，平均和標(biāo)準(zhǔn)差的吋間序列過程分別是5769和1352。 眾所周知，在公路網(wǎng)屮，一個事故模型應(yīng)包含一個事故

19、變量的暴露來控制 總的道路交通運動。文獻(xiàn)表明，一個良好的事故變量的暴露是車輛公里數(shù) （vkt）o gb的年度vkt數(shù)據(jù)，是從dft （dft, 2006年）屮收集到的。每 年道路交通死亡和vkt數(shù)據(jù)中都顯示在圖1中。值得注意的是，每年道路 交通死亡人數(shù)隨著vkt的增加而增加，直到1966年，死亡人數(shù)隨著vkt 的增加而減少。這主要是由于在過去幾年，不同的道路安全的措施，法規(guī) 和政策的實施。例如，在1983年英國政府推出了安全帶安全法，以減小 事故的嚴(yán)重程度。在1989年，針對粗心駕駛的扣分，駕駛的保險，兒童、 乘客的安全帶的系帶已編入法律。事故預(yù)測模型，利用這個調(diào)查數(shù)據(jù)將發(fā) 展，也將在控制vkt時影響到對道路交通死亡事故的這兩個措施。時間序列數(shù)據(jù)認(rèn)為這項研究是關(guān)于在倫敦?fù)頂D收費區(qū)（消委會）在 1991