دانلود مقاله انگلیسی رایگان:تجزیه و تحلیل احتمال تصادف ساعات روز با استفاده از داده های پانل نامتعادل داده شده مخلوط مدل logit و رانندگی در زمان رانندگی داده های زیست محیطی بزرگ - 2018

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Analysis of hourly crash likelihood using unbalanced panel data mixed logit model and real-time driving environmental big data Analysis of hourly crash likelihood using unbalanced panel data mixed logit model and real-time driving environmental big data
    Analysis of hourly crash likelihood using unbalanced panel data mixed logit model and real-time driving environmental big data

    سال انتشار:

    2018


    عنوان انگلیسی مقاله:

    Analysis of hourly crash likelihood using unbalanced panel data mixed logit model and real-time driving environmental big data


    ترجمه فارسی عنوان مقاله:

    تجزیه و تحلیل احتمال تصادف ساعات روز با استفاده از داده های پانل نامتعادل داده شده مخلوط مدل logit و رانندگی در زمان رانندگی داده های زیست محیطی بزرگ


    منبع:

    Sciencedirect - Elsevier - Journal of Safety Research, 65 (2018) 153-: doi:10:1016/j:jsr:2018:02:010


    نویسنده:

    Feng Chen, a Suren Chen, b,⁎ Xiaoxiang Ma a


    چکیده انگلیسی:

    Introduction: Driving environment, including road surface conditions and traffic states, often changes over time and influences crash probability considerably. It becomes stretched for traditional crash frequency models devel oped in large temporal scales to capture the time-varying characteristics of these factors, which may cause sub stantial loss of critical driving environmental information on crash prediction. Method: Crash prediction models with refined temporal data (hourly records) are developed to characterize the time-varying nature of these con tributing factors. Unbalanced panel data mixed logit models are developed to analyze hourly crash likelihood of highway segments. The refined temporal driving environmental data, including road surface and traffic condi tion, obtained from the Road Weather Information System (RWIS), are incorporated into the models. Results: Model estimation results indicate that the traffic speed, traffic volume, curvature and chemically wet road surface indicator are better modeled as random parameters. The estimation results of the mixed logit models based on unbalanced panel data show that there are a number of factors related to crash likelihood on I-25. Specifically, weekend indicator, November indicator, low speed limit and long remaining service life of rutting indicator are found to increase crash likelihood, while 5-am indicator and number of merging ramps per lane per mile are found to decrease crash likelihood. Conclusions: The study underscores and confirms the unique and signifi cant impacts on crash imposed by the real-time weather, road surface, and traffic conditions. With the unbal anced panel data structure, the rich information from real-time driving environmental big data can be well incorporated.
    Keywords: Real-time driving environment ، Mixed logit model ، Refined temporal scale ، Random parameter ، Big data


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    حجم فایل: 345 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات
footer