广义估计方程在交通事故频数建模中的应用

张宇杰 丁 剑 周文娜 李志斌

（东南大学交通学院 南京210096）

0 引 言

交通事故频数建模是交通安全研究领域常用分析方法，可以定量评估道路几何特征及交通流量等预测变量对于事故频数的影响，其结果对于交通事故数量预测、控制事故发生影响因素从而降低事故数量及提高交通安全具有重要意义。传统交通事故频数建模采用多年平均年交通事故频数分析已减少数据随机性，并采用极大似然估计法对模型中变量参数值进行估计［1－3，13］。

由于交通事故数据在记录与获取方面的问题，发展中国家学者在进行事故频次建模中往往受到小样本量问题的约束，导致极大似然估计结果存在偏差［4］。将每年的事故数据作为独立的观测值进行建模在小样本的情况下增加了数据量，但却忽略了每年事故数之间内在联系。从统计学的角度来看，数据之间的时间相关性很可能对模型精度造成不利影响［5］。近年来，形成了很多解释事故数预测模型中数据的时间相关性的算法，大多数研究表明带有时间相关的数据预测模型优于传统模型，但这些模型并不一定能很好的解决发展中国家所遇到的问题［6］。因此，有必要结合发展中国家特定的交通安全研究需求，为其选择合适的模型提供参考。

本文旨在评价广义估计方程算法在解决发展中国家学者们在交通事故分析时遇到的小样本数据和数据时间相关性之间的矛盾的效果。广义估计方程算法已经被应用于克服事故数据之间的时间相关性［5，7－8］。……