缺失交通量下事故率估计的贝叶斯层次经验贝叶斯推广

Hauer等人(2002)的经验贝叶斯(EB)程序是公路安全分析的主要工具：它将安全性能函数与观测到的事故计数相结合，以产生路段级事故率的收缩估计。EB通过在标定过程中固定多个量来实现实用性：SPF系数、每种类型的过度离散、观测到的ADT以及固定的暴露指数。当大多数路段的ADT缺失时，这些假设变得紧张。我们提出了一个完全贝叶斯层次模型，通过在单个联合推断中放宽每个假设来推广EB。该模型在俄亥俄州道路清单(408,304个路段，290万起事故，2013-2025年)上拟合，联合插补缺失的ADT并估计每个路段的事故率及其不确定性。初始固定暴露模型的后验预测检查暴露了尾部拟合不良；将暴露结构放宽为每个功能类别的暴露指数和估计的长度指数，以取代单个标量和固定偏移，解决了该问题并提高了样本外预测精度(PSIS-LOO Δelpd = 9,394, SE 238)。每个类别中的事故计数与交通量呈次线性关系(暴露指数0.49-0.70，均<1，即“数字中的安全”效应)，与路段长度也呈次线性关系(β_len = 0.69)。部分池化显著提高了样本外预测精度，优于完全池化(PSIS-LOO Δelpd = 4,780, SE 225)。在相同特征下，贝叶斯ADT子模型达到了R²_log = 0.756，而LightGBM为0.653。输出是每个路段的后验事故率分布，取代了我们先前风险感知路由框架中使用的按类型中位数点估计。