硕士论文题目：基于数据驱动的交通安全管理研究
摘要：
伴随着我国城镇化的发展，机动车保有量迅速增长，交通进入了机动化发展阶段。与此同时，非机动车尤其是电动自行车在我国也得到了蓬勃的发展，电动自行车已经成为交通市场增长最快的领域之一。然而，道路交通事故的频繁发生给人民生命和财产造成了严重的危害，道路交通安全问题已经成为社会共同的话题。针对非机动车尤其是电动自行车而言，涉及该对象的伤亡事故比例要高于其在总体事故中所占比例，说明其一旦发生事故往往导致严重的人身伤亡。因此有必要针对非机动车尤其是电动自行车进行交通安全研究，分析影响其事故发生的因素。当前，越来越多的学者在区域层面（宏观层面）进行交通安全研究，在区域层面判别影响事故发生的显著因素，进而判别事故多发区域并进行针对性的交通安全改善。新一代的交通规划方法也提出将交通安全融入到交通规划的各个阶段，即主动交通安全规划。
近几十年来，研究者从宏观安全分析、事故多发区域判别、宏观交通安全问题诊断与改善对策三个方面进行了宏观交通安全研究，然而较少结合中国高密度、混合交通、非动车尤其是电动自行车安全问题突出的特征，从而定量分析针对不同事故类型的交通安全影响因素。目前在宏观安全研究领域，研究者针对自行车、行人等慢行交通进行了大量的研究，然而目前尚无针对电动自行车的宏观安全研究，对影响其事故发生的相关因素尚不清晰。与此同时，考虑到数据空间自相关性对安全统计模型的影响，如何利用空间权重矩阵来表征这种空间自相关性，同时对比不同空间权重矩阵的效果仍然有待进一步研究。其次，事故多发区域判别方法和区域安全问题诊断与措施改善仍然缺少较为完整的分析改善流程，相比于理论分析，现有研究更加缺少针对具体案例的深入分析，包括分析事故多发区域异常事故类型和异常指标等，探讨可能影响区域交通安全水平的因素，从而提出针对性的宏观交通安全改善措施。
论文以213个街道、乡镇为分析单元，针对电动自行车事故进行建模分析。按照事故严重程度及事故主体对事故进行分类，在贝叶斯条件自回归模型中对比四种空间权重矩阵的效果，基于最优矩阵确定模型的显著变量，并进一步进行事故多发区域判别，最后针对事故多发区域进行宏观交通安全问题诊断，判别异常事故类型及异常指标，结合现场调研提出相应的交通安全改善对策。
硕士毕业生杨俊广答辩