developed an accident prediction model for Federal
Route 50 by using multiple linear regression analysis.
Bener and Crundall [9] evaluated the trend of road
traffic accidents problems in the United Arab Emirates
and to compare these trends with other western countries
like USA and UK and also a neighbouring country like
Qatar. Multiple linear regression analysis was
performed to determine predictor for fatalities per
10,000 vehicles.
With new development of fuzzy theory,
Tanaka et al. [10] introduced a new linear regression
model by integrating with fuzzy numbers. Despite the
long existence of fuzzy linear regression, this method
has never been tested to RA data. Linear prediction
models of fuzzy linear regressions have been vastly
investigated by many researchers. The first model
proposed by Tanaka et al [10] with the purpose to
minimize fuzziness as an optimal criterion. The method
was further developed by minimizing the total spread of
the output [11],[12], [13]. In 2005, Chang and Ayyub
[14] proposed a new method as an extension of Tanaka
et al method’s by introducing linear programming model
to reduce spread of the model. In their model, Chang and
Ayyub [14] provide an open interpretation of threshold
level h in solving the linear programming by passing the
arbitrary of h ∈ [0,1] to prerogative of decision makers.
It looks like the choices of h and its effect to the
forecasting efficiency was unspoken. The decision in
choosing the right threshold values has heightened the
need for exploring its effect to performance of the
forecasting model. It is hypothesized that variations of h
may contribute to the model efficiency.
The value of ‘h’ is referred to as the threshold
value between the estimated fuzzy regression model and
the collected data, which thus determines the range of
the possibility distributions of the fuzzy parameters [15].
Since h is subjectivity selected by a decision maker as an
input to the model, the selection of a proper value is
important in fuzzy regression [15]. The h values used in
previous research vary widely, ranging from 0 to 0.9.
Tanaka and Watada [16] suggested that the selection of
the h value be based upon the sufficiency (sample size)
of the data set available. Set h=0 when the data set
becomes smaller compared to some ideal size. However,
Savic and Pedrycz [17] recommended that the h value
not exceed 0.9. Bardossy et al. [18] suggested that
selection of an h value be dependent upon the decision
maker’s belief in the model, generally recommending an
h value between 0.5 to 0.7. In some literature, for
example, Heshmathy & Kandel, [12]; and Tanaka et al.,
[10] is consistently used h=0.5. What makes this
technique attractive is the model performance is heavily
depending on h values. The h values are selected
arbitrarily by decision makers as an input to the model.
Based on these premises, this paper intends to model
Malaysian road accidents data using a computational
tool of fuzzy linear regression with threshold h=0.5, and
0.9. Subsequently, the performance of the two models is
also examined. This paper has been organized in the
following way. Section II describes the fuzzy linear
. COMPUTATIONS
This study set out three major variables affecting the
total number of RA. The explanatory variables express
in the model are registered vehicles (RV), road length
(RL) and population (PO). These three major variables
are assigned as independent variables and RA as
dependent variables. The historical data of RA, RV, RL
and PO from the year 1974 to 2007 were employed as
input data.
The variables of the model are positioned in such way
that it fulfils requirement of linearity. Correlation
coefficients of variables are calculated for each
explanatory variable separately in order to determine the
best fit variable among these variables. Strength of
relationship among the variables is presented in Table I
การพัฒนารูปแบบการทำนายการเกิดอุบัติเหตุกับรัฐบาลกลาง
50 เส้นทางโดยใช้การวิเคราะห์การถดถอยเชิงเส้นหลาย
Bener และ crundall [9] การประเมินแนวโน้มของปัญหาถนน
อุบัติเหตุจราจรในอาหรับสหรัฐ
และเปรียบเทียบแนวโน้มเหล่านี้กับประเทศตะวันตกอื่น ๆ
เช่นสหรัฐอเมริกาและสหราชอาณาจักรและประเทศเพื่อนบ้านเช่น
กาตาร์ การวิเคราะห์การถดถอยเชิงเส้นเป็นหลาย
ดำเนินการเพื่อตรวจสอบการทำนายที่เสียชีวิตต่อ
10,000 ยานพาหนะ
กับการพัฒนาใหม่ของทฤษฎีเลือน
et al, ทานากะ [10] แนะนำเชิงเส้นถดถอย
รุ่นใหม่โดยบูรณาการกับตัวเลขเลือน แม้จะมีการดำรงอยู่
ยาวของการถดถอยเชิงเส้นเลือนวิธีนี้
ไม่เคยได้รับการทดสอบเพื่อให้ข้อมูลรา การคาดการณ์เชิงเส้น
รูปแบบของการวิเคราะห์เชิงเส้นเลือนได้รับอย่างมากมาย
การตรวจสอบโดยนักวิจัยหลายคน รุ่นแรก
เสนอโดยทานากะเอตอัล [10] โดยมีวัตถุประสงค์เพื่อการลดเลือน
เป็นเกณฑ์ที่เหมาะสม
วิธีการได้รับการพัฒนาต่อไปโดยการลดการแพร่กระจายรวมของการส่งออก
[11] [12], [13] ในปี 2005 ช้างและ ayyub
[14] เสนอวิธีการใหม่เป็นส่วนขยายของทานากะ
et al, วิธีการโดยการแนะนำรูปแบบการเขียนโปรแกรมเชิงเส้น
เพื่อลดการแพร่กระจายของรูปแบบ ในรูปแบบของพวกเขาและช้าง
ayyub [14] ให้การตีความเปิดเกณฑ์
ระดับเอชในการแก้การเขียนโปรแกรมเชิงเส้นโดยผ่าน
โดยพลการของเอช∈ [0,1] เพื่อสิทธิของผู้มีอำนาจตัดสินใจ
ดูเหมือนว่าทางเลือกของชั่วโมงและผลการคาดการณ์
ประสิทธิภาพก็ไม่ได้พูด การตัดสินใจในการเลือกค่า
เกณฑ์ที่เหมาะสมได้มีความคิดริเริ่ม
จำเป็นสำหรับการสำรวจผลกระทบต่อประสิทธิภาพการทำงานของแบบจำลองการพยากรณ์
จะมีการตั้งสมมติฐานว่ารูปแบบของเอช
อาจนำไปสู่รูปแบบที่มีประสิทธิภาพ
ค่าของ 'เอช' จะเรียกว่าเกณฑ์
ค่าระหว่างรูปแบบการถดถอยเลือน
โดยประมาณและการเก็บรวบรวมข้อมูลซึ่งทำให้การกำหนดช่วงของการกระจาย
ความเป็นไปได้ของพารามิเตอร์เลือน [15]
ตั้งแต่ชั่วโมงเป็นส่วนตัวเลือกโดยการตัดสินใจเป็น
เข้ากับรูปแบบการเลือกค่าที่เหมาะสมเป็นสิ่งสำคัญในการ
ถดถอยเลือน [15] ค่าชั่วโมงที่ใช้ในการวิจัยก่อนหน้านี้
แตกต่างกันตั้งแต่ 0-0.9
ทานากะและ Watada [16] ชี้ให้เห็นว่าการเลือก
ค่าชั่วโมงจะขึ้นอยู่กับความพอเพียง (ขนาดของกลุ่มตัวอย่าง)
ของข้อมูลที่มีการตั้งค่า ชุดชั่วโมง = 0 เมื่อข้อมูลที่ตั้งไว้
จะมีขนาดเล็กเมื่อเทียบกับบางขนาดที่เหมาะ แต่
savic และ pedrycz [17] แนะนำว่าค่าชั่วโมง
ไม่เกิน 0.9 bardossy ตอัล [18] ชี้ให้เห็นว่า
เลือกค่าชั่วโมงขึ้นอยู่กับความเชื่อการตัดสินใจ
ผู้ผลิตในรูปแบบโดยทั่วไปแนะนำ
ค่าระหว่าง 0.5-0.7 ชั่วโมง ในวรรณคดีบาง
เช่น heshmathy & kandel [12]. และทานากะ, et al,
[10] จะใช้ชั่วโมง = 0.5 อย่างต่อเนื่อง สิ่งที่ทำให้นี้
เทคนิคที่น่าสนใจเป็นรูปแบบการดำเนินงานเป็นอย่างมาก
ขึ้นอยู่กับค่าชั่วโมง ค่าชั่วโมงจะถูกเลือกโดยพล
โดยผู้มีอำนาจตัดสินใจเป็นอินพุทแบบ
ขึ้นอยู่กับสถานที่เหล่านี้บทความนี้มุ่งมั่นที่จะจำลอง
ข้อมูลอุบัติเหตุบนท้องถนนมาเลเซียโดยใช้การคำนวณ
เครื่องมือของการถดถอยเชิงเส้นเลือนด้วยเกณฑ์ชั่วโมง = 0.5, และ 0.9
ต่อมาผลการดำเนินงานของทั้งสองรุ่นเป็น
ยังตรวจสอบ กระดาษนี้ได้รับการจัดอยู่ในวิธีการดังต่อไปนี้
ส่วน ii อธิบายเชิงเส้นเลือน
การคำนวณการศึกษาครั้งนี้กำหนดไว้สามตัวแปรสำคัญที่มีผลต่อ
จำนวนรวมของรา ตัวแปรอธิบายแสดง
ในรูปแบบที่เป็นยานพาหนะที่จดทะเบียน (RV), ความยาวถนน
(RL) และจำนวนประชากร (ปอ) สามตัวแปรที่สำคัญเหล่านี้
ได้รับมอบหมายให้เป็นตัวแปรที่เป็นอิสระและเป็นรา
ตัวแปรตาม ข้อมูลทางประวัติศาสตร์ของรา, RV RL
ปอและจากปี 1974 ถึง 2007 ได้รับการว่าจ้างให้เป็น
ป้อนข้อมูล
ตัวแปรของรูปแบบมีตำแหน่งในลักษณะดังกล่าว
ว่ามันตอบสนองความต้องการของความเป็นเชิงเส้น ความสัมพันธ์
สัมประสิทธิ์ของตัวแปรที่จะถูกคำนวณสำหรับแต่ละ
ตัวแปรอธิบายแยกต่างหากในการสั่งซื้อเพื่อตรวจสอบ
ตัวแปรแบบที่ดีที่สุดระหว่างตัวแปรเหล่านี้ ความแข็งแรงของ
ความสัมพันธ์ระหว่างตัวแปรที่จะนำเสนอในตารางฉัน
การแปล กรุณารอสักครู่..
พัฒนาแบบจำลองการคาดการณ์อุบัติเหตุกลาง
50 เส้นทางโดยวิเคราะห์การถดถอยเชิงเส้นหลาย
Bener และ Crundall [9] ประเมินแนวโน้มของถนน
จราจรปัญหาอุบัติเหตุในสหรัฐอาหรับเอมิเรตส์
และ เพื่อเปรียบเทียบแนวโน้มเหล่านี้กับประเทศตะวันตกอื่น ๆ
เช่นสหรัฐอเมริกา และสหราชอาณาจักร และประเทศประเทศเช่น
กาตาร์ วิเคราะห์การถดถอยเชิงเส้นหลายถูก
ดำเนินการเพื่อกำหนดจำนวนประตูสำหรับผู้ต่อ
10000 คัน
กับพัฒนาใหม่ของทฤษฎีเอิบ,
ทานากะ et al. [10] แนะนำการถดถอยเชิงเส้นใหม่
รูปแบบ โดยรวมกับตัวเลขที่ชัดเจน แม้มีการ
ดำรงอยู่นานของเอิบถดถอยเชิงเส้น วิธีนี้
ไม่เคยได้รับการทดสอบข้อมูลที่ RA ทำนายเชิงเส้น
รุ่น regressions เอิบเชิงเส้นได้รับเสมือน
ตรวจสอบ โดยนักวิจัยจำนวนมาก รุ่นแรก
เสนอโดยทานากะ et al [10] มีวัตถุประสงค์เพื่อ
ลด fuzziness เป็นเงื่อนไขเหมาะสมที่สุด วิธี
ถูกพัฒนาเพิ่มเติม โดยลดการแพร่กระจายรวมของ
ผลลัพธ์ [11], [12], [13] ในปี 2005 ช้างและ Ayyub
[14] เสนอวิธีใหม่เป็นส่วนขยายของทานากะ
et al วิธีของ โดยการแนะนำเชิงเขียนรุ่น
เพื่อลดการแพร่กระจายของแบบจำลอง ในรูปแบบของพวกเขา ช้าง และ
Ayyub [14] ให้ความเปิดของขีดจำกัด
h ในการแก้ปัญหาโปรแกรมเชิงเส้นโดยผ่านระดับ
อำเภอใจของ h ∈ [0,1] การอำนาจของผู้ตัดสินใจ
เหมือนตัว h และลักษณะพิเศษของการ
พยากรณ์ประสิทธิภาพถูก unspoken การตัดสินใจใน
เลือกค่าขีดจำกัดด้านขวามี heightened การ
จำเป็นสำหรับการสำรวจมีผลต่อประสิทธิภาพของการ
แบบจำลองการคาดการณ์ จะตั้งสมมติฐานว่าที่รูปแบบของ h
อาจนำไปสู่ประสิทธิภาพรูปแบบได้
ค่าของ 'h' จะเรียกว่าขีดจำกัด
ค่าระหว่างแบบจำลองถดถอยชัดเจนประเมิน และ
ข้อมูลรวบรวม ซึ่งกำหนดช่วงของดัง
การกระจายโอกาสของพารามิเตอร์เอิบ [15]
เนื่องจาก h subjectivity เลือกตัดสินเป็นการ
เข้ากับรูปแบบ การเลือกค่าที่เหมาะสมคือ
สำคัญถดถอยชัดเจน [15] ใช้ค่า h
วิจัยก่อนหน้าแตก ตั้งแต่ 0 ถึง 0.9
ทานากะและ Watada [16] แนะนำที่เลือก
ค่า h จะตามพอเพียง (จิ๋ว)
ของชุดข้อมูลพร้อมใช้งาน ตั้งค่า h = 0 เมื่อกำหนดข้อมูล
กลายเป็นเมื่อเปรียบเทียบกับบางขนาดพักขนาดเล็ก อย่างไรก็ตาม,
Savic และ Pedrycz [17] แนะนำที่ค่า h
ไม่เกิน 0.9 Bardossy et al. [18] แนะนำที่
เลือกของค่า h เป็นการตัดสินใจขึ้น
ความเชื่อของผู้ผลิตในรุ่น โดยทั่วไปแนะนำตัว
h ค่าระหว่าง 0.5-0.7 ในวรรณคดีบาง สำหรับ
ตัวอย่าง Heshmathy & Kandel, [12], และทานากะ et al.,
[10] ถูกใช้อย่างสม่ำเสมอ h = 0.5 สิ่งที่ทำให้นี้
เทคนิคที่น่าสนใจคือประสิทธิภาพการทำงานของแบบจำลองมาก
ขึ้นอยู่กับค่า h เลือกค่า h
โดยผู้ตัดสินใจเป็นการป้อนข้อมูลลงในแบบโดยพลการไม่
ตามสถานที่เหล่านี้ กระดาษนี้มีรุ่น
ข้อมูลอุบัติเหตุถนนมาเลเซียโดยใช้การคำนวณ
มือของการถดถอยเชิงเส้นพร่าเลือนด้วยขีดจำกัด h = 0.5 และ
0.9 ในเวลาต่อมา คือประสิทธิภาพของ
ยัง ตรวจสอบ กระดาษนี้มีขบวนการในการ
ตามวิธีการ ส่วนที่สองอธิบายที่พร่าเลือนเส้น
หนึ่ง
ศึกษาออกสามตัวแปรสำคัญกระทบการ
จำนวน RA. ตัวแปรอธิบายด่วน
แบบมีทะเบียนยานพาหนะ (RV), ถนนยาว
(RL) และประชากร (PO) ตัวแปรหลักทั้งสาม
กำหนดเป็นตัวแปรอิสระและ RA เป็น
ขึ้นอยู่กับตัวแปร ข้อมูลประวัติของ RL RA, RV
และ PO จากปี 1974-2550 ได้รับการว่าจ้างเป็น
ป้อนข้อมูล
ตัวแปรของแบบจำลองถูกวางวิธี
ที่ครบถ้วนความต้องการของแบบดอกไม้ ความสัมพันธ์
สัมประสิทธิ์ของตัวแปรคำนวณสำหรับแต่ละ
อธิบายตัวแปรแยกต่างหากเพื่อกำหนด
ส่วนพอดีกับตัวแปรระหว่างตัวแปรเหล่านี้ ความแข็งแรงของ
ความสัมพันธ์ระหว่างตัวแปรที่แสดงในตารางผม
การแปล กรุณารอสักครู่..