基于Tobit回归的山区高速公路事故率分析模型

Crash Rate Analysis Model of Mountain Freeway Based on Tobit Regression

以事故率为因变量来建立事故分析模型或预测模型时,由于事故率是连续型随机变量,传统的泊松分布、负二项分布及零堆积类分布模型已不再适用。加之,当统计年限较短或路段划分较短时,统计样本中的事故率会出现较多"0"值的情况,此时,事故率就属于受限的连续型变量,即受限因变量。通过对比分析可适用于受限因变量建模的Truncated回归和Tobit回归方法,基于Tobit回归建立了山区高速公路事故率分析模型并计算了模型中自变量的边际效应。模型的因变量为路段上的亿车公里事故率,自变量为路段上的年平均日交通量、路段长度及几何线形指标变量。研究结果表明:针对事故率这样一个受限因变量,采用Tobit回归来建立事故率分析模型是适宜的,所建立的事故率分析模型较好地反映了年平均日交通量、路段长度、几何线形条件等对事故率的影响。模型标定结果及边际效应数值表明:纵坡类型对山区高速公路事故率的影响最大;其次是纵坡坡度、路段长度和年平均日交通量;最后是竖曲线曲率。若设竖曲线曲率对事故率的影响程度为1.0,则年平均日交通量、路段长度、纵坡坡度、纵坡类型的影响程度分别为3.1、4.1、9.1、和9.7。