两车道乡村高速公路行车严重程度建模：多层混合效应方法捕捉路面异质性
应用统计
2025-08-14 v1
摘要
准确地建模乡村两车道道路的行车严重程度对于有效的安全管理至关重要，但标准的单层方法往往忽略了道路段之间未观察到的异质性。在本研究中，我们分析了来自伊朗九条乡村道路过去四年内 19,956 条行车记录，纳入诸如驾驶员年龄、教育、性别、照明和路面状况等的行车层预测变量，以及年均日均车流量、重型车辆比例和地形坡度等的道路层协变量。我们比较了三个二元逻辑框架：单层广义线性模型、带有随机截距捕获潜在道路层效应的多层模型（类内相关系数为 21%），以及允许关键预测变量效应按道路变化的多层随机系数模型。随机系数模型在 deviance、AIC 和 BIC 方面表现最佳，并且在预测性能上实现了显著提升：分类准确率从 0.62 提升至 0.71，召回率从 0.32 提升至 0.63，AUC 从 0.570 提升至 0.775。来自 200 次模拟运行的结果显示，路面和照明变量的斜率存在显著变动性，凸显了局部背景如何影响行车风险。总体而言，我们的发现表明，灵活的多层建模不仅提高了预测准确性，而且还产生面向乡村道路网络的具体化见解，以指导针对性的安全干预。
引用
@article{arxiv.2508.09941,
title = {Capturing Road-Level Heterogeneity in Crash Severity on Two-Lane Rural Highways: A Multilevel Mixed-Effects Approach},
author = {Mahdi Azhdari and Ali Tavakoli Kashani and Saeideh Amirifar and Amirhossein Taheri and Gerd Müller},
journal= {arXiv preprint arXiv:2508.09941},
year = {2025}
}