用于碰撞频率模型的互补拟合优度检验流程

本文提出一种新流程，用于评估基于夏威夷州双车道双向（TLTW）州道道路偏离（RwD）碰撞频率数据所估计的广义线性模型（GLM）的拟合优度。该流程使用十年的 RwD 碰撞数据（含所有严重等级）以及可在路段层面聚合的道路特征（如交通、几何与资产数据库）进行分析。采用所提流程评估的三种估计方法包括：负二项（NB）、零膨胀负二项（ZINB）与广义线性混合模型-负二项（GLMM-NB）。流程表明，这三种方法在窄预测平均碰撞频率范围内的碰撞分布以及在这些数据段的观测与预测平均碰撞频率方面均能提供非常好的拟合。所提流程补充了用于模型选择的赤池信息准则、贝叶斯信息准则与对数似然等其他统计量。对于无随机效应的模型，它与这些统计量一致；但对于 GLMM-NB 模型则出现分歧。该流程可通过清晰可视化碰撞频率模型拟合情况并允许计算类似于线性回归中使用的伪 R2，来辅助模型选择。建议评估其在更多适当数据集（不会导致收敛问题）中用于权衡 GLMM-NB 模型随机效应数量与拟合优度的应用。