基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度。使用2015—2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利用平均边际效应量化各显著变量对事故严重程度的影响。结果表明,均值异质性随机参数Logit模型具有更好的拟合优度;女性、老年人、酒后驾驶、车辆无安全气囊、能见度低于50 m、夜间无路灯照明等因素显著增加了驾驶员受伤害严重程度;随机参数Logit模型的效用函数中,夜间有路灯照明和事故发生在夜间为随机变量,且夜间有路灯照明与柔性护栏和车辆无安全气囊相关;事故发生在夜间与路侧行道树相关。

一种自适应的弱选择压缩采样匹配追踪算法

针对实际中未知稀疏度信号的重建问题,提出了一种自适应的弱选择压缩采样匹配追踪算法。该算法将自适应思想、弱选择思想与Co Sa MP算法相结合,在预选阶段后利用限制性弱选择策略对候选集进行二次筛选,通过双迭代阈值自适应地调整最终支撑集的原子数,并结合若干可靠性验证条件,保证算法的正确有效进行。MATLAB仿真结果表明,在相同的实验条件下,本算法可以有效地重建稀疏信号,同时具有较低的运算量,整体性能较优。