The impact that traffic accidents h

The impact that traffic accidents have on society is significant. For example, there are approximately 3000 people are killed and thousands more injured by traffic accidents in Taiwan each year. Individuals injured (or killed) in traffic accidents must deal with pain and suffering, medical costs, wage loss, higher insurance premium rates, and vehicle repair costs. For society as a whole, traffic accidents result in enormous costs in terms of lost productivity and property damage. Therefore, public agencies have put much effort into preventive measures, such as illumination and enforcement. However, the annual number of traffic accidents has not yet significantly decreased. Therefore, there should be further research studies on the risk factors for traffic accidents. This study focuses on the non-behavioral factors of freeway accident risk, specifically highway geometric characteristics and environmental conditions. Although past statistics indicated that most traffic accidents resulted from drivers’ errors (behavioral factors), non-behavioral factors also play an important role in traffic safety. Not only can they contribute to certain types of driver errors (e.g., speeding often occurs at downgrades), but accidents will be likely to occur at the same location repeatedly if the problem is not mitigated. In addition, with a better understanding of non-behavioral factors of freeway accidents, transportation engineers will be able to design freeways to higher safety standards.

Past research analyzing accident frequencies mainly relied on statistical models such as linear regression models, Poisson regression or/and negative binomial regression models because the occurrence of accidents on a highway section can be regarded as a random event. Another major advantage of applying these statistical models is the ability to identify a broad range of risk factors that can contribute significantly to accidents. However, most of the statistical models have their own model assumptions and pre-defined underlying relationships between dependent and independent variables. If these assumptions are violated, the model could lead to erroneous estimation of accident likelihood. Artificial neural networks (ANN) which do not require any pre-defined underlying relationship between dependent and independent variables have been widely employed in financial analysis, decision problems, and pattern recognition. The ANN has been shown to be a powerful tool, particularly in dealing with prediction and classification problems. There has also been an increased interest in applying ANN in the field of transportation since the 1990s, such as driver behavior analysis, pavement maintenance, vehicle detections, and so on (Dougherty, 1995). However, the applications of ANN to analyze traffic safety problems have been relatively few. Therefore, this study examines whether ANN can be used to analyze the relationship between risk factors and accidents. This is done by evaluating the prediction performance between the negative binomial regression model and ANN model. The paper begins with a review of previous literature on modeling accident frequencies and then presents the methodological approach. A description of the available data and an assessment of the model estimation results follow this. The paper concludes with a summary and directions for future research.

ผลลัพธ์ (ไทย) 2:

ผลกระทบที่เกิดอุบัติเหตุการจราจรที่มีอยู่ในสังคมอย่างมีนัยสำคัญ ตัวอย่างเช่นมีประมาณ 3000 คนถูกฆ่าตายและได้รับบาดเจ็บหลายพันมากขึ้นโดยการเกิดอุบัติเหตุการจราจรในไต้หวันในแต่ละปี บุคคลที่ได้รับบาดเจ็บ (หรือถูกฆ่าตาย) ในการเกิดอุบัติเหตุการจราจรที่จะต้องจัดการกับความเจ็บปวดและความทุกข์ทรมานค่าใช้จ่ายทางการแพทย์, การสูญเสียค่าจ้างอัตราค่าเบี้ยประกันที่สูงขึ้นและค่าใช้จ่ายในการซ่อมแซมยานพาหนะ สำหรับสังคมโดยรวมอุบัติเหตุจราจรส่งผลให้ค่าใช้จ่ายอย่างมากในแง่ของการผลิตหายไปและความเสียหายของทรัพย์สิน ดังนั้นหน่วยงานภาครัฐได้ใช้ความพยายามมากในมาตรการป้องกันเช่นการส่องสว่างและการบังคับใช้ แต่หมายเลขประจำปีของการเกิดอุบัติเหตุการจราจรยังไม่ได้ลดลงอย่างมีนัยสำคัญ ดังนั้นจึงควรมีการศึกษาวิจัยเพิ่มเติมเกี่ยวกับปัจจัยเสี่ยงต่อการเกิดอุบัติเหตุการจราจร การศึกษาครั้งนี้มุ่งเน้นไปที่ปัจจัยที่ไม่ใช่พฤติกรรมของความเสี่ยงที่เกิดอุบัติเหตุบนทางด่วนโดยเฉพาะลักษณะทางเรขาคณิตทางหลวงและสภาพแวดล้อม แม้ว่าสถิติในอดีตพบว่าส่วนใหญ่เกิดอุบัติเหตุการจราจรเป็นผลมาจากความผิดพลาดของคนขับรถ (พฤติกรรม) ปัจจัยที่ไม่ใช่พฤติกรรมยังมีบทบาทสำคัญในความปลอดภัยการจราจร ไม่เพียง แต่พวกเขาสามารถมีส่วนร่วมในบางประเภทของข้อผิดพลาด driver (เช่นการเร่งมักจะเกิดขึ้นที่ปรับลด) แต่การเกิดอุบัติเหตุจะมีแนวโน้มที่จะเกิดขึ้นในสถานที่เดียวกันซ้ำ ๆ หากปัญหายังไม่ได้ลดลง นอกจากนี้ยังมีความเข้าใจที่ดีขึ้นของปัจจัยที่ไม่ใช่พฤติกรรมของการเกิดอุบัติเหตุทางด่วนขนส่งวิศวกรจะสามารถออกแบบทางด่วนมาตรฐานความปลอดภัยที่สูงขึ้น. การวิจัยที่ผ่านมาความถี่อุบัติเหตุวิเคราะห์อาศัยส่วนใหญ่ในแบบจำลองทางสถิติเช่นแบบจำลองการถดถอยเชิงเส้น, Poisson ถดถอยและ / หรือ เชิงลบแบบจำลองการถดถอยทวินามเพราะการเกิดอุบัติเหตุบนทางหลวงส่วนที่ถือได้ว่าเป็นเหตุการณ์สุ่ม อีกประโยชน์ที่สำคัญของการประยุกต์ใช้แบบจำลองทางสถิติเหล่านี้คือความสามารถในการระบุความหลากหลายของปัจจัยเสี่ยงที่สามารถมีส่วนร่วมอย่างมีนัยสำคัญที่จะเกิดอุบัติเหตุ แต่ส่วนใหญ่ของแบบจำลองทางสถิติมีสมมติฐานรูปแบบของตัวเองและความสัมพันธ์พื้นฐานที่กำหนดไว้ล่วงหน้าระหว่างตัวแปรตามและเป็นอิสระ หากสมมติฐานเหล่านี้ถูกละเมิดรุ่นอาจนำไปสู่การประมาณค่าที่ผิดพลาดของความน่าจะเป็นอุบัติเหตุ เครือข่ายประสาทเทียม (ANN) ซึ่งไม่จำเป็นต้องใด ๆ ความสัมพันธ์พื้นฐานที่กำหนดไว้ล่วงหน้าระหว่างตัวแปรอิสระและได้รับการว่าจ้างกันอย่างแพร่หลายในการวิเคราะห์ทางการเงินปัญหาการตัดสินใจและการจดจำรูปแบบ แอนได้รับการแสดงที่จะเป็นเครื่องมือที่มีประสิทธิภาพโดยเฉพาะอย่างยิ่งในการจัดการกับปัญหาการทำนายและการจำแนก นอกจากนี้ยังมีความสนใจที่เพิ่มขึ้นในการใช้ ANN ในด้านการขนส่งตั้งแต่ปี 1990 เช่นการวิเคราะห์พฤติกรรมคนขับรถ, การบำรุงรักษาทางเท้า, การตรวจจับยานพาหนะและอื่น ๆ (โดเฮอร์ที 1995) แต่การใช้งานของแอนในการวิเคราะห์ปัญหาความปลอดภัยการจราจรได้รับค่อนข้างน้อย ดังนั้นการศึกษานี้จะตรวจสอบว่า ANN สามารถนำมาใช้ในการวิเคราะห์ความสัมพันธ์ระหว่างปัจจัยความเสี่ยงและการเกิดอุบัติเหตุ นี้จะกระทำโดยการประเมินผลการปฏิบัติงานการทำนายระหว่างแบบการถดถอยเชิงลบทวินามและรูปแบบ ANN กระดาษเริ่มต้นด้วยการทบทวนวรรณกรรมที่ผ่านมาในการสร้างแบบจำลองความถี่การเกิดอุบัติเหตุและจากนั้นนำเสนอวิธีการระเบียบวิธีการ รายละเอียดของข้อมูลที่มีอยู่และการประเมินผลรูปแบบการประมาณค่าได้ตามนี้ กระดาษที่จบลงด้วยการสรุปและทิศทางการวิจัยในอนาคต

ผลลัพธ์ (ไทย) 3:

ผลกระทบของอุบัติเหตุจราจรที่มีต่อสังคมเป็นสำคัญ ตัวอย่างเช่น มีประมาณ 3 , 000 คนถูกฆ่าตายและบาดเจ็บอีกนับพัน จากอุบัติเหตุจราจร ในไต้หวัน ในแต่ละปี บุคคลบาดเจ็บหรือเสียชีวิตในอุบัติเหตุจราจรต้องจัดการกับความเจ็บปวดและทรมาน ค่าใช้จ่ายทางการแพทย์ , การสูญเสียค่าจ้าง อัตราเบี้ยประกันภัยที่สูงขึ้น และการซ่อมรถยนต์ เป็นต้น สำหรับสังคมโดยรวม อุบัติเหตุการจราจรส่งผลใหญ่หลวงค่าใช้จ่ายในแง่ของสูญเสียผลผลิตและความเสียหายต่อทรัพย์สิน ดังนั้น หน่วยงานภาครัฐได้วางความพยายามมากในการป้องกัน เช่น ไฟส่องสว่าง และการบังคับใช้ อย่างไรก็ตาม หมายเลขประจำปีของอุบัติเหตุจราจรยังไม่ลดลง . จึงควรมีการศึกษาวิจัยเพิ่มเติมการศึกษาปัจจัยเสี่ยงต่อการเกิดอุบัติเหตุ การวิจัยครั้งนี้มีจุดมุ่งหมายเพื่อศึกษาพฤติกรรมเสี่ยงต่อการเกิดอุบัติเหตุ ไม่ใช่ปัจจัยของทางด่วนทางหลวงทางเรขาคณิตโดยเฉพาะลักษณะและสภาพสิ่งแวดล้อม แม้ว่าสถิติที่ผ่านมาพบว่าอุบัติเหตุส่วนใหญ่ที่เกิดจากความผิดพลาดของผู้ขับขี่ ( พฤติกรรม ) , พฤติกรรมที่ไม่มีบทบาทสำคัญในความปลอดภัยการจราจร ไม่เพียง แต่พวกเขาสามารถมีส่วนร่วมในบางชนิดของไดรเวอร์ข้อผิดพลาด ( เช่น การเร่งมักจะเกิดขึ้นที่ใหม่ ) แต่อุบัติเหตุอาจจะเกิดขึ้นที่สถานที่เดียวกันซ้ำๆ ถ้าปัญหาไม่ลดลง . นอกจากนี้ มีความเข้าใจที่ดีขึ้นของปัจจัยทางพฤติกรรมของการเกิดอุบัติเหตุบนทางด่วนการขนส่งวิศวกรจะสามารถออกแบบทางด่วนให้สูงกว่ามาตรฐานความปลอดภัย .ที่ผ่านมาการวิจัยการวิเคราะห์อุบัติเหตุความถี่ส่วนใหญ่อาศัยแบบจำลองทางสถิติ เช่น แบบจำลองการถดถอยเชิงเส้นการถดถอยปัวส์ซองและ / หรือลบแบบสมการถดถอยแบบจำลองเพราะเกิดอุบัติเหตุบนทางหลวง ส่วนจะถือว่าเป็นเหตุการณ์สุ่ม อีกประโยชน์ที่สำคัญของการใช้แบบจำลองทางสถิติเหล่านี้คือความสามารถในการระบุช่วงกว้างของปัจจัยความเสี่ยงที่สามารถมีส่วนร่วมอย่างมากในการเกิดอุบัติเหตุ อย่างไรก็ตาม , ส่วนใหญ่ของแบบจำลองทางสถิติมีสมมติฐานที่กำหนดไว้ล่วงหน้ารูปแบบของตัวเองและพื้นฐานความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตาม ถ้าสมมติฐานเหล่านี้จะละเมิด โมเดลอาจนำไปสู่การประเมินที่ผิดพลาดของความน่าจะเป็นของอุบัติเหตุ โครงข่ายประสาทเทียม ( ANN ) ซึ่งไม่ต้องใด ๆที่กำหนดไว้ล่วงหน้าถึงความสัมพันธ์ระหว่างตัวแปรอิสระและได้รับอย่างกว้างขวางใช้ในการวิเคราะห์ปัญหาด้านการตัดสินใจ และการจดจำรูปแบบ . โดย แอน ได้ถูกแสดงเป็น เครื่องมือที่มีประสิทธิภาพโดยเฉพาะอย่างยิ่งในการจัดการกับปัญหาการคาดการณ์และการจำแนก นอกจากนี้ ยังได้มีการเพิ่มความสนใจในการใช้ แอน ในด้านการขนส่ง ตั้งแต่ยุค เช่น การวิเคราะห์ พฤติกรรมการขับรถตรวจจับยานพาหนะการบำรุงรักษา , ทางเดิน , และอื่นๆ ( โดเฮอร์ตี้ , 1995 ) อย่างไรก็ตาม การใช้งานของ แอน วิเคราะห์ปัญหาความปลอดภัยในการจราจรได้รับค่อนข้างน้อยครับ ดังนั้นการศึกษานี้ตรวจสอบว่าแอนสามารถใช้วิเคราะห์ความสัมพันธ์ระหว่างปัจจัยเสี่ยงกับการเกิดอุบัติเหตุ นี้จะกระทำโดยการประเมินผลการทำนายประสิทธิภาพระหว่างลบแบบ regression model และแอนนางแบบ กระดาษเริ่มต้นด้วยการทบทวนวรรณกรรมที่ผ่านมาในการเกิดอุบัติเหตุ และเสนอวิธีการ ความถี่ใน . รายละเอียดของข้อมูลและประเมินผลการประเมินรูปแบบตามนี้ กระดาษจบลงด้วยบทสรุปและทิศทางการวิจัยในอนาคต