声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 道路交通事故分析
1.2.2 风险驾驶行为模式
1.2.3 电动自行车研究综述
1.2.4 研究现状小结
1.3 研究目标和内容
1.3.1 研究目标
1.3.2 研究对象
1.3.3 研究内容
1.4 研究方法和技术路线
第二章 电动自行车事故影响因素研究
2.1.1 国内道路交通事故数据现状
2.1.2 电动自行车交通事故信息
2.2 电动自行车事故统计分布特征分析
2.2.1 事故类型特性
2.2.2 电动自行车驾驶者属性和行为
2.2.3 事故道路条件和环境
2.3 电动自行车事故严重程度影响因素分析
2.3.1 有序Logistic回归分析理论
2.3.2 电动自行车事故严重程度预测模型
2.3.3 电动自行车事故严重程度影响因素分析
2.4 本章小结
第三章 电动自行车风险驾驶行为量表及因子分析
3.1 风险驾驶行为量表设计
3.1.1 量表设计
3.1.2 样本量及问卷有效性控制
3.1.3 跟踪调查
3.1.4 随机调查
3.1.5 样本描述性统计
3.2 探索性因子分析
3.2.1 因子分析
3.2.2 安全态度
3.2.3 风险感知
3.2.4 驾驶信心
3.2.5 风险驾驶行为
3.4 基本信息变量对各因子的影响分析
3.4.1 因子得分的计算
3.4.2 籍贯、性别差异比较
3.4.3 驾龄、年龄差异比较
3.4.4 受教育程度差异比较
3.4.5 机动车驾驶经验、车辆类型差异比较
3.4.6 出行目的和频率差异比较
3.5 本章小结
第四章 电动自行车风险驾驶行为模式
4.1 结构方程模型理论
4.1.1 结构方程模型
4.1.2 结构方程模型分析过程
4.2 电动自行车风险驾驶行为回归分析
4.2.1 因子相关性分析
4.2.2 风险驾驶行为回归分析
4.3 风险驾驶行为结构方程模型
4.3.1 理论模型假设
4.3.2 模型拟合与修正
4.3.3 风险驾驶行为路径分析
4.4 电动自行车驾驶者聚类分析
4.4.1 电动自行车驾驶者聚类
4.4.2 各群体风险驾驶行为分析
4.4.3 各群体风险驾驶行为影响模式
4.5 本章小结
第五章 基于决策树和结构方程的电动自行车事故预测
5.1 基于决策树和结构方程的事故预测组合模型
5.1.1 模型框架
5.1.2 模型构建流程
5.1.3 数据处理
5.1.4 基于决策树的结构方程建模
5.1.5 贝叶斯神经网络的结构模型
5.2 电动自行车事故预测实例分析与评估
5.2.1 基于决策树和结构方程模型计算
5.2.2 模型评估及分析
5.3 本章小节
6.1 研究成果与结论
6.2 主要创新点
6.3 研究局限及展望
致谢
参考文献
附录
攻读博士学位期间发表科研成果及参与科研课题情况