Chorrahani xavfsizlini baholash usullari tahlili
Аннотация
Ushbu ilmiy maqolada urbanistik muhitda yo‘l harakati xavfsizligini baholashning zamonaviy statistik usullari – Bayes tahlili, vaqt seriyalari tahlili va Puasson regressiyasi yondashuvlari asosida amalga oshirilgan kompleks tadqiqot natijalari bayon etiladi. Tadqiqotning asosiy maqsadi – yo‘l-transport hodisalari (YTH) soniga ta’sir ko‘rsatuvchi omillarni aniqlash, ularning dinamikasini tahlil qilish hamda chorrahalar xavfsizligini baholovchi ishonchli prognoz modellarini ishlab chiqishdan iborat. Bayes tahlili orqali mavjud statistik ma’lumotlar bilan birgalikda ilgari mavjud bo‘lgan tajriba va bilimlar (prior ma’lumotlar) hisobga olinadi. Bu usul noaniqlik sharoitida qarorlar qabul qilishni yaxshilaydi va baholash aniqligini oshiradi. Vaqt seriyalari tahlili yordamida esa YTHlar bo‘yicha vaqt o‘tkazgan sayin yuzaga kelayotgan mavsumiylik, trend va siklik o‘zgarishlar aniqlanadi. Ayniqsa, bu usul vaqtga bog‘liq xavf holatlarini bashorat qilishda muhim rol o‘ynaydi. Puasson regressiyasi esa diskret va hisobli (count) ma’lumotlar asosida YTHlarning chastotasini modellashtirish uchun qo‘llaniladi. Ayniqsa, YTHlar soni kam, ammo doimiy kuzatiladigan holatlarda bu usul samarali natijalar beradi. Tadqiqot natijalari ko‘rsatishicha, bu uch metodni integratsiyalash orqali YTH xavfini aniqroq baholash, muayyan chorrahalarda potensial xavfli omillarni oldindan aniqlash va yo‘l harakati xavfsizligini oshirishga qaratilgan chora-tadbirlarni ilmiy asosda rejalashtirish imkonini beradi.Ushbu metodik yondashuv nafaqat statistik analizda, balki intellektual transport tizimlarini loyihalash va shahar infratuzilmasini optimallashtirishda ham qo‘llanilishi mumkin.
Литература
[2] Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley.
[3] Cameron, A. C., & Trivedi, P. K. (2013). Regression Analysis of Count Data (2nd ed.). Cambridge University Press.
[4] Lord, D., Washington, S. P., & Ivan, J. N. (2005). Poisson, Poisson-gamma and zero-inflated regression models of motor vehicle crashes: balancing statistical fit and theory. Accident Analysis & Prevention, 37(1), 35–46.
[5] Zou, Y., Zhang, Y., Lord, D., & Gong, W. (2013). Application of finite mixture of negative binomial regression models in analyzing highway-rail grade crossing accident frequency data. Accident Analysis & Prevention, 59, 30–39.
[6] Vlahogianni, E. I., Karlaftis, M. G., & Golias, J. C. (2012). Short-term traffic forecasting: Where we are and where we’re going. Transportation Research Part C: Emerging Technologies, 43, 3–19.
[7] Brovold, S., Tarko, A. P., & Wasson, J. (2014). Using Bayesian techniques to estimate intersection crash risk. Journal of Safety Research, 50, 43–50.
