References
1. Savolainen P, Mannering F, Lord D, Quddus M. The statistical analysis of highway crash-injury severities: a review and
assessment of methodological alternatives. Accid Anal Prev. 2011;43:1666–76.
2. Depaire B, Wets G and Vanhoof K. Traffic accident segmentation by means of latent class clustering, accident analysis
and prevention, vol. 40. Elsevier; 2008.
3. Karlaftis M, Tarko A. Heterogeneity considerations in accident modeling. Accid Anal Prev. 1998;30(4):425–33.
4. Ma J, Kockelman K. Crash frequency and severity modeling using clustered data from Washington state. In: IEEE
Intelligent Transportation Systems Conference. Toronto Canadá; 2006.
5. Jones B, Janssen L, Mannering F. Analysis of the frequency and duration of freeway accidents in Seattle, accident
analysis and prevention, vol. 23. Elsevier; 1991.
6. Miaou SP, Lum H. Modeling vehicle accidents and highway geometric design relationships, accident analysis and
prevention, vol. 25. Elsevier; 1993.
7. Miaou SP. The relationship between truck accidents and geometric design of road sections–poisson versus negative
binomial regressions, accident analysis and prevention, vol. 26. Elsevier; 1994.
8. Poch M, Mannering F. Negative binomial analysis of intersection-accident frequencies. J Transp Eng. 1996;122.
9. Abdel-Aty MA, Radwan AE. Modeling traffic accident occurrence and involvement. Accid Anal Prev Elsevier. 2000;32.
10. Joshua SC, Garber NJ. Estimating truck accident rate and involvements using linear and poisson regression models.
Transp Plan Technol. 1990;15.
11. Maher MJ, Summersgill I. A comprehensive methodology for the fitting of predictive accident models. Accid Anal
Prev Elsevier. 1996;28.
12. Chen W, Jovanis P. Method of identifying factors contributing to driver-injury severity in traffic crashes. Transp Res
Rec. 2002:1717.
13. Chang LY, Chen WC. Data mining of tree based models to analyze freeway accident frequency. J Saf Res Elsevier.
2005;36.
14. Tan PN, Steinbach M, Kumar V. Introduction to data mining. Pearson Addison-Wesley; 2006.
15. Abellan J, Lopez G, Ona J. Analyis of traffic accident severity using decision rules via decision trees, vol. vol. 40.
Expert System with Applications: Elsevier; 2013.
16. Rovsek V, Batista M, Bogunovic B. Identifying the key risk factors of traffic accident injury severity on Slovenian roads
using a non-parametric classification tree, transport. UK: Taylor and Francis; 2014.
17. Kashani T, Mohaymany AS, Rajbari A. A data mining approach to identify key factors of traffic injury severity, promettraffic
& transportation, vol. 23; 2011.
18. Han J, Kamber M. Data Mining: Concepts and Techniques. USA: Morgan Kaufmann Publishers; 2001.
19. Fraley C, Raftery AE. Model-based clustering, discriminant analysis, and density estimation. J Am Stat Assoc.
2002;97(458):611–31.
20. Sohn SY. Quality function deployment applied to localtraffic accident reduction. Accid Anal Prev. 1999;31:751–61.
21. Ng KS, Hung WT, Wong WG. An algorithm for assessing the risk of traffic accident. J Saf Res. 2002;33:387–410.
อ้างอิง1. Savolainen P, Mannering F เจ้า D, Quddus M การวิเคราะห์ทางสถิติของ severities ทางหลวงชนบาดเจ็บ: รีวิว และการประเมินทางเลือกวิธี Accid ทวารยั่ง 2011; 43:1666 – 762. Depaire B, Wets G และ Vanhoof คุณจราจรอุบัติเหตุแบ่ง โดยแฝงคลาคลัสเตอร์ การวิเคราะห์อุบัติเหตุและการ ป้องกัน ฉบับที่ 40 Elsevier 20083. Karlaftis M, Tarko A. Heterogeneity พิจารณาในแบบจำลองอุบัติเหตุ Accid ทวารยั่ง 1998; 30 (4): 425 – 334. ma J, Kockelman k.ชนความถี่ และความรุนแรงที่โมเดลใช้คลัสเตอร์ข้อมูลจากรัฐวอชิงตัน ใน: IEEEประชุมระบบขนส่งอัจฉริยะ Canadá โทรอนโต 20065. B โจนส์ ตกแต่ง L, Mannering F. การวิเคราะห์ความถี่และระยะเวลาที่เกิดอุบัติเหตุฟรีเวย์ในซีแอตเทิล อุบัติเหตุการวิเคราะห์และการป้องกัน ฉบับที่ 23 Elsevier 19916. Miaou SP, Lum H. โมเดลรถอุบัติเหตุและทางหลวงออกแบบทางเรขาคณิตความสัมพันธ์ การวิเคราะห์อุบัติเหตุ และการป้องกัน ฉบับที่ 25 Elsevier 19937 เอสพี Miaou ความสัมพันธ์ระหว่างเกิดอุบัติเหตุรถบรรทุกและออกแบบทางเรขาคณิตของส่วนถนน – ปัวและลบทวินามที่รู้จัก การวิเคราะห์อุบัติเหตุ และการ ป้องกัน ฉบับที่ 26 Elsevier 19948. Poch M, Mannering F. ลบทวินามวิเคราะห์ความถี่ตัดอุบัติเหตุ J Transp อังกฤษ 1996; 1229. Abdel-Aty MA, Radwan AE แบบจำลองการเกิดอุบัติเหตุจราจรและมีส่วนร่วม Accid ทวาร Prev Elsevier 2000, 3210. โจชัว SC, Garber NJ ประมาณรถบรรทุกอุบัติเหตุ และส่วนร่วมกับการใช้เส้นตรง และแบบจำลองถดถอยปัวTechnol. แผน Transp 1990; 1511. บรรยาย MJ, Summersgill ฉัน วิธีการที่ครอบคลุมการติดตั้งของแบบจำลองการคาดการณ์อุบัติเหตุ Accid ทางทวารหนักPrev Elsevier 1996; 2812. เฉิน W, Jovanis P. วิธีการระบุปัจจัยที่เอื้อต่อการควบคุมบาดเจ็บรุนแรงในการเข้าชมล้มเหลว Transp Resราคา 2002:171713. ช้างลี เฉิน WC การทำเหมืองข้อมูลของต้นไม้ตามรูปแบบการวิเคราะห์ความถี่ของอุบัติเหตุฟรีเวย์ J Saf Res Elsevier2005; 3614. ตาล PN, Steinbach M แนะนำ V. Kumar การทำเหมืองข้อมูล แอดดิสัน Pearson-Wesley 200615. Abellan J, G โลเปซ Analyis J. Ona ความรุนแรงอุบัติเหตุจราจรที่ใช้ตัดสินใจกฎผ่านต้นไม้ตัดสินใจ ปีที่ฉบับฉบับ 40ระบบผู้เชี่ยวชาญกับการใช้งาน: Elsevier 201316. Rovsek V, M บาทิสตา Bogunovic B. ระบุปัจจัยเสี่ยงที่สำคัญของความรุนแรงการบาดเจ็บอุบัติเหตุจราจรบนถนนที่สโลวีเนียใช้ต้นไม้ประเภทที่ไม่ใช่พาราเมตริก การขนส่ง สหราชอาณาจักร: เทย์เลอร์และ Francis 201417. Kashani T, Mohaymany AS, Rajbari อ. วิธีการทำเหมืองข้อมูลเพื่อระบุปัจจัยสำคัญของความรุนแรงการบาดเจ็บการจราจร promettrafficและการขนส่ง ฉบับ 23 201118. ฮัน J การทำเหมืองข้อมูล M. Kamber: แนวคิดและเทคนิค สหรัฐอเมริกา: Morgan Kaufmann เจ้า 200119. Fraley C, Raftery AE แบบคลัสเตอร์ การวิเคราะห์ discriminant และการประเมินความหนาแน่น รศสถิติ Am J2002; 97 (458): 611-3120. Sohn SY การใช้งานกับ localtraffic ลดอุบัติเหตุ Accid ทวารยั่ง 1999; 31:751-6121. ฉบับ KS แขวน WT, Wong WG อัลกอริทึมสำหรับการประเมินความเสี่ยงของอุบัติเหตุ ทรัพยากร Saf J 2002; 33:387 – 410
การแปล กรุณารอสักครู่..

อ้างอิง
1 Savolainen P, F ริ่ลอร์ด D, Quddus เมตรการวิเคราะห์ทางสถิติความรุนแรงของทางหลวงชนได้รับบาดเจ็บ: การตรวจสอบและ
การประเมินทางเลือกในระเบียบวิธีการ Accid ก้นก่อนหน้า 2011; 43: 1666-1676.
2 Depaire B, G และชุบ Vanhoof เคจราจรการแบ่งส่วนการเกิดอุบัติเหตุโดยวิธีการของการจัดกลุ่มกลุ่มแฝงการวิเคราะห์การเกิดอุบัติเหตุ
และการป้องกันฉบับ 40. เอลส์; 2008
3 Karlaftis M พิจารณา Tarko A. เป็นเอกภาพในการสร้างแบบจำลองการเกิดอุบัติเหตุ Accid ก้นก่อนหน้า 1998; 30 (4): 425-33.
4 Ma เจเค Kockelman ชนความถี่และความรุนแรงการสร้างแบบจำลองโดยใช้ข้อมูลคลัสเตอร์จากรัฐวอชิงตัน ใน: IEEE
ระบบขนส่งอัจฉริยะประชุม โตรอนโตประเทศแคนาดา; 2006
5 โจนส์ B, Janssen L, เอฟริ่วิเคราะห์ความถี่และระยะเวลาของการเกิดอุบัติเหตุบนทางด่วนในซีแอตเติอุบัติเหตุ
การวิเคราะห์และการป้องกันฉบับ 23. เอลส์; 1991
6 Miaou SP, ลุมเอชการสร้างแบบจำลองการเกิดอุบัติเหตุรถและทางหลวงความสัมพันธ์การออกแบบทางเรขาคณิตการวิเคราะห์อุบัติเหตุและการ
ป้องกันฉบับ 25. เอลส์; 1993
7 Miaou SP ความสัมพันธ์ระหว่างการเกิดอุบัติเหตุรถบรรทุกและการออกแบบทางเรขาคณิตของถนนส่วน Poisson เมื่อเทียบกับเชิงลบ
ถดถอยทวินามการวิเคราะห์การเกิดอุบัติเหตุและการป้องกันฉบับ 26. เอลส์; 1994
8 Poch เอ็มเอฟริ่วิเคราะห์ทวินามเชิงลบของความถี่แยกอุบัติเหตุ J Transp Eng 1996; 122.
9 Abdel-กิน MA, Radwan AE การจราจรการสร้างแบบจำลองการเกิดอุบัติเหตุและการมีส่วนร่วม Accid ก้นก่อนหน้าเอลส์ 2000. 32
10 โจชัวเซาท์แคโรไลนา, นิวเจอร์ซีย์การ์เบอร์ การประเมินอัตราการเกิดอุบัติเหตุรถบรรทุกและหยั่งทราบใช้เส้นและ Poisson รุ่นถดถอย.
Transp แผนวิทยาศาสตร์และเทคโนโลยี 1990; 15.
11 เฮอร์เจ Summersgill นะวิธีการที่ครอบคลุมสำหรับการที่เหมาะสมของแบบจำลองทำนายการเกิดอุบัติเหตุ Accid ก้น
ก่อนหน้าเอลส์ 1996. 28
12 เฉิน W, Jovanis พีวิธีการระบุปัจจัยที่เอื้อให้คนขับรถได้รับบาดเจ็บรุนแรงในการเกิดปัญหาการจราจร Transp Res
Rec 2002:. 1717
13 ช้าง LY เฉินสุขา การทำเหมืองข้อมูลของแบบจำลองตามต้นไม้ในการวิเคราะห์ความถี่การเกิดอุบัติเหตุบนทางด่วน J Saf Res เอลส์.
2005; 36.
14 ตาล PN, Steinbach M มาร์โวลต์รู้เบื้องต้นเกี่ยวกับการทำเหมืองข้อมูล เพียร์สัน Addison-Wesley; 2006
15 Abellan เจโลเปซ G, Ona เจ Analyis ของการจราจรอุบัติเหตุความรุนแรงโดยใช้กฎการตัดสินใจผ่านต้นไม้ตัดสินใจฉบับ ฉบับ 40.
ระบบผู้เชี่ยวชาญที่มีการใช้งาน: เอลส์; 2013
16 Rovsek V บาติสตาเอ็มบี Bogunovic ระบุปัจจัยเสี่ยงที่สำคัญของการจราจรอุบัติเหตุบาดเจ็บรุนแรงบนถนนสโลวีเนีย
โดยใช้ต้นไม้การจัดหมวดหมู่ที่ไม่ใช่พาราขนส่ง สหราชอาณาจักร: เทย์เลอร์และฟรานซิส; 2014
17 Kashani T, Mohaymany AS, Rajbari วิธีการทำเหมืองข้อมูล A. A เพื่อแจ้งปัจจัยสำคัญของความรุนแรงการบาดเจ็บการจราจร promettraffic
และการขนส่งฉบับ 23; 2011
18 ฮันเจเอ็ม Kamber Data Mining: แนวคิดและเทคนิค สหรัฐอเมริกา: มอร์แกนสำนักพิมพ์ Kaufmann; 2001
19 Fraley C, Raftery AE แบบที่ใช้การจัดกลุ่มการวิเคราะห์จำแนกและการประมาณค่าความหนาแน่น J Am Stat รศ.
2002; 97 (458): 611-31.
20 Sohn SY ฟังก์ชั่นการใช้งานที่มีคุณภาพนำไปใช้กับ localtraffic ลดอุบัติเหตุ Accid ก้นก่อนหน้า 1999; 31:. 751-61
21 อึ้ง KS, ฮุ WT วงศ์ WG อัลกอริทึมสำหรับการประเมินความเสี่ยงของการเกิดอุบัติเหตุจราจร J Saf Res 2002; 33: 387-410
การแปล กรุณารอสักครู่..

อ้างอิง1 . ร์ ซาโวเลเนียน P , แมนเนอริ่ง F " D , quddus ม. การวิเคราะห์ของทางหลวงชนบาดเจ็บ severities : ทบทวนการประเมินทางเลือกวิธีการ . ภาพอุบัติเหตุทางทวารหนัก . 2011 ; 43:1666 – 762 . depaire B , G และ vanhoof wets อุบัติเหตุ K . การแบ่งส่วนโดยแฝงระดับการจัดกลุ่ม การวิเคราะห์อุบัติเหตุและการป้องกัน , ฉบับที่ 40 บริษัท ; 20083 . karlaftis M , tarko . สามารถพิจารณาในการเกิดอุบัติเหตุ ภาพอุบัติเหตุทางทวารหนัก . 1998 ; 30 ( 4 ) : 425 – 334 . แม่ J , K . @ kockelman ความถี่และความรุนแรงแบบกลุ่มโดยใช้ข้อมูลจากรัฐวอชิงตัน ใน : IEEEประชุมระบบการขนส่งอัจฉริยะ โตรอนโตอื่นๆ . kgm ; 20065 . โจนส์ B , Janssen l แมนเนอริ่ง F . การวิเคราะห์ความถี่ของอุบัติเหตุบนทางด่วนในซีแอตเติล , อุบัติเหตุการวิเคราะห์และการป้องกัน , 23 . . บริษัท ; 19916 . เสียงร้องของแมว SP , ลำฮ. แบบอุบัติเหตุรถและทางหลวงทางเรขาคณิตการออกแบบความสัมพันธ์ การวิเคราะห์ และอุบัติเหตุการป้องกัน , 25 ปีที่ . บริษัท ; 19937 . เสียงร้องของแมว sp . ความสัมพันธ์ระหว่างการเกิดอุบัติเหตุรถบรรทุกและการออกแบบทางเรขาคณิตของถนนและปัวซงเมื่อเทียบกับลบ ส่วนแบบสมการถดถอยการวิเคราะห์อุบัติเหตุและการป้องกันที่ 26 ฉบับที่ . บริษัท ; 19948 . poch M แมนเนอริ่ง เอฟ ลบแบบการวิเคราะห์ความถี่ของอุบัติเหตุสี่แยก J การขนส่งวัวอังกฤษ 1996 ; 122 .9 . เดล aty มา ยัง เอ แบบจำลองการเกิดอุบัติเหตุการจราจรและการมีส่วนร่วม . ภาพอุบัติเหตุจากทวารหนัก . 2000 ; 3210 . โจชัว เอสซี การ์เบอร์ NJ . การประเมินอัตราการเกิดอุบัติเหตุรถบรรทุกและ involvements โดยใช้เส้นตรงและพารามิเตอร์การถดถอยเทคโนโลยีการวางแผนการขนส่งวัว . 1990 ; 1511 . นายเอ็มเจ summersgill ฉันครอบคลุมวิธีการที่เหมาะสมของรูปแบบอุบัติเหตุการคาดการณ์ . อุบัติเหตุทางทวารหนัก( ส . 1996 ; 2812 . เฉิน W , jovanis หน้าวิธีการระบุปัจจัยที่เกี่ยวข้องกับความรุนแรงของการบาดเจ็บในไดรเวอร์เกิดปัญหาการจราจร การขนส่งวัวเรส2002:1717 Rec .13 . ชาง ลี , เฉินสุขา . การทำเหมืองข้อมูลของต้นไม้ตามรูปแบบการวิเคราะห์ความถี่ของอุบัติเหตุทางด่วน J SAF RES จาก .2005 ; 3614 . PN , Tan Steinbach M , คูวี แนะนำการทำเหมืองข้อมูล แอดดิสัน เวสลี่ เพียร์สัน ; 200615 . abellan J , โลเปซกรัม ONA เจ. analyis ความรุนแรงของอุบัติเหตุจราจร โดยใช้กฎการตัดสินใจผ่านต้นไม้ การตัดสินใจ ฉบับที่ ฉบับที่ 40ระบบผู้เชี่ยวชาญกับการประยุกต์ใช้ : เอลส์ ; 201316 . rovsek V , บาทิสต้า M , bogunovic พ. ระบุปัจจัยความเสี่ยงของอุบัติเหตุจราจรบาดเจ็บความรุนแรงบนท้องถนน ภาษาสโลเวเนียใช้ไม่ใช้พารามิเตอร์ประเภทต้นไม้ , ขนส่ง อังกฤษ : เทย์เลอร์และฟรานซิส ; 201417 . kashani T , mohaymany เป็น Rajbari อ. การทำเหมืองข้อมูลวิธีการระบุปัจจัยสำคัญของความรุนแรงของการบาดเจ็บ promettraffic การจราจร ,และการขนส่ง , 23 . ; )18 . ฮันเจ เหมืองแร่ แคมเบอร์ M ข้อมูล : แนวคิดและเทคนิค . สหรัฐอเมริกา : มอร์แกนที่สุดผู้เผยแพร่ ; 200119 . อัน C raftery เอ การวิเคราะห์จำแนกกลุ่มแบบพื้นฐาน , และการประมาณความหนาแน่น J เป็น stat รศ.2002 ; 97 ( 458 ) : 611 – 3120 . ซอนไซ ปกาเกอะญอใช้เพื่อลดอุบัติเหตุ localtraffic . ภาพอุบัติเหตุทางทวารหนัก . 2542 ; 31:751 – 6121 . ของ KS , แขวน โดยน้ำหนัก วง WG . ขั้นตอนวิธีสำหรับการประเมินความเสี่ยงของการเกิดอุบัติเหตุจราจร J SAF res . 2002 ; 33:387 – 410
การแปล กรุณารอสักครู่..
