Identification of crash hotspots using kernel density estimation and kriging methods： a comparison
摘要
这份报纸论述针对比较二条基于 geostatistical 的途径的结果的研究，也就是内核密度评价(KDE ) 和 kriging，为识别，在一条道路的碰撞热点联网。瞄准为潜在的干预定位高风险的地点，热点鉴定是任何全面道路安全管理节目的一个不可分的部件。案例研究被进行，历史的碰撞数据在明尼苏达的 Hennepin 县在 2003 和 2007 之间收集了，美国二个方法在热点评价根据一个预言精确性索引(白族) 和比较被评估。基于白族措施， kriging 方法处于它检测热点的能力超过了 KDE 方法，这被发现，为有白天的不同时间的碰撞数据的所有四个测试的组。而且，二个方法识别的热点的表被发现中等不同，显示选择为热点鉴定的正确 geostatistical 方法的重要性。尽管有此处介绍的比较学习限于一案例研究的事实，调查结果为道路安全分析显示出 kriging 技术的有希望的观点。
引用本文（GB/T 7714）
Lalita Lalita, Thakali, Kwon, 等. Identification of crash hotspots using kernel density estimation and kriging methods： a comparison[J]. 现代交通学报：英文版, 2015.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。