交通运输专业毕业设计（论文）外文翻译--172263416.doc

外文翻译　　　　　　　　　　　　　　　　交运2005级 学号：0501250107 姓名：吴源园 - PAGE 10 - 外文翻译内容 时间序列计数数据模型：一个实证申请交通意外 摘要 计数资料主要划分为横断面，时间序列，和小组。在过去十年中， 伯松分布和负二项分布（注）模式已广泛用于分析横断面、时间系列计数数据、随机效应和固定效应泊松和注模式被用来分析小组计数数据。然而，最近的文献表明，尽管有关这些模型的分配假设适合横断面计数的数据，但它们往往发现在纯时间序列计数数据没有能力考虑到序列相关性的影响。实值时间序列模型，诸如框和詹金斯介绍的自动回归移动平均（ARIMA）模型，在过去几十年已用于许多应用程序。然而，当模拟非负整数值的数据，如在交通事故随着时间的推移，框和詹金斯模式可能不适合了。这主要是由于在ARIMA模型中正常的的错误假设。在过去的几年里，一类新的被称为整数值自动回归（ INAR ）泊松模型的时间序列模型，已经由许多作者研究了。这一级别的模型尤其适用于时间序列分析计算模型的数据，因为这些模型能反映伯松回归的性能，并能够处理序列相关性，因此提供了一种替代的实值时间序列模型。 本文的首要目的是介绍大不列颠的这类分析交通事故的时间序列的INAR模型。不同类型的时间序列数据被认为是：综合时间序列数据都在空间和调查的时间区域内是比较大的（例如，大不列颠和年的关系），分散的时间序列数据在空间和时间区域内相对较小（例如，拥挤收费区与月的关系）。INAR模式的性能与同类别的框和詹金斯实值模型相比较。其结果表明，综合交通事故时间序列数据在系数估计方面和拟合优度的情况下，这些两类模式的性能是十分相似的。这是因为在这种正常的相近的情况下，平均的计数是很准确的，ARIMA模型可以令人满意。然而，INAR泊松模型的性能被发现有明显优于的ARIMA模型，因为在分散的时间序列数据的交通事故中，ARIMA模型的计数是在相对较低。文章最后讨论了INAR模型的局限性来处理的季节性和观测到的异质性。 1.绪论 公路运输给社会带来了巨大的利益，但它也有直接和间接成本。直接成本包括提供公路运输服务如基础设施，设备和人员的成本。间接成本包括由于道路交通拥堵，和来自道路交通的空气污染引起的公路运输事故，旅行延误的成本。所有这些费用中，与道路交通事故相关的成本是非常高的。根据英国运输部（ DFT， 2003年），为道路防止一人死亡（妇女议会论坛）的价值为125万英镑（按2002年价格）。在世界上虽然英国是其中一个最安全的国家，但在2005年，事故每百公里旅游，在公路交通总的死亡人数是3201人。分析道路交通事故的原因的最佳途径之一是制定各种事故预测模型，用来确定有关人力，车辆，社会经济，道路基础设施，土地使用，环境的重大因素。例如，诺兰德和Quddus（2004年）制定了一个事故预测模型，并报告说，改善的医疗技术和医疗保健能减少英国交通死亡人数。基于事故预测模型的成果，以实施不同的对策来减少道路交通事故的频率。事故预测模型是用来监测已经提出的以尽量减少事故发生的各种道路安全政策的效力。举例来说，休斯敦和理查森（2002年）制定了一个事故预测模型，并得出结论认为，从中学到小学改变现有的安全带的法律来增强道路交通安全执法。然而，业绩和这些事故模型的有效性在很大程度上依赖于选择适当的计量经济模型，由于道路交通事故都是非负，离散，和零星的事件计数，了解不同的计数变量是至关重要。 由于道路交通事故的非负数，整数，和随机事件数量，这类事件的分布遵循泊松分布。事故计数模型的方法发展很好。例如，横断面计数数据是参照采用泊松回归模型（Kulmala，1995年）。自事故计数数据通常是过度分散的（即差额大于意思），一个负二项分布（注）回归模型是一个泊松-γ混合物更适合运用（阿卜杜勒Aty和拉德万，2000年；主，2000年；伊万，2000年等等）。如果这种截面计数数据包含许多零的意见（即超过零计数资料），然而零膨胀泊松（或注）模式或栅栏计数数据模型更合适（土地，1996年等等）。如果横断面事故计数数据被截断或检查，如截断一个有应至少一人死亡的事故，这些数据被参照使用在短泊松或截断毒品调查科模型中。如果横断面事故计数数据的报道诸如发生轻微的伤害或财产损失的事故，然后根据报道使用泊松模型。如果事故计数数据是面板数据，固定效应（远东）泊松（或注）模型或随机效应（重新）泊松（或注）模型被使用（钦邦和Quddus,2003年）。广义估计方程（吉）技术是受雇于集群小组计数数据（主和佩尔绍德,2000年）。 但是，在事故模拟模型文献事故计数的时间序列数据中缺乏合适的计量经济模型。通常，这种类型的事故数据是仿照用一个泊松回归模型或注回归模型，有一个普遍的假设是：意见应彼此独立。这表明，这