Tieliikenneonnettomuuksien vakavuuteen vaikuttavien tekijöiden tutkiminen logistisella regressiolla
Anttalainen, Väinö (2023)
Anttalainen, Väinö
2023
Tekniikan ja luonnontieteiden kandidaattiohjelma - Bachelor's Programme in Engineering and Natural Sciences
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2023-02-23
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202301221604
https://urn.fi/URN:NBN:fi:tuni-202301221604
Tiivistelmä
Tieliikenneonnettomuudet aiheuttavat kärsimystä osallisille ja kustannuksia yhteiskunnalle. Koska liikenneturvallisuus vaihteilee maittain suuresti, on tärkeää löytää ne tekijät, jotka vaikuttavat onnettomuuksien vakavuuteen eniten juuri Suomessa. Tällöin liikenneturvallisuutta voidaan parantaa vaikuttavilla ratkaisuilla.
Onnettomuuksien vakavuus ilmoitetaan yleensä muutamalla kategorialla, kuten ei henkilövahinkoa, loukkaantuminen tai kuolema. Tällaisen muuttujan mallintamiseen käytetään yleensä logistista regressiomallia. Tässä työssä käytetään binääristä logistista regressiota vakavuuteen vaikuttavien tekijöiden tarkastelemiseen.
Aineisto sisältää Suomessa vuosina 2017–2021 sattuneita tieliikenneonnettomuuksia. Aluksi aineisto siistitään ja siitä muodostetaan kaksi erilaista mallia. Ensimmäisellä mallilla tarkastellaan henkilövahingon riskiin liittyviä tekijöitä. Toisella mallilla tarkastellaan kuoleman riskiin liittyviä tekijöitä. Mallit muodostetaan askeltavalla menetelmällä (stepwise method).
Luotujen mallien suorituskykyä arvioidaan kahdella eri tavalla. Mallien hyvyyttä tarkastellaan Hosmer–Lemeshow-testillä ja mallien erottelukykyä tarkastellaan ROC-kuvaajalla. Kumpikaan malli ei osoita merkkejä huonosta hyvyydestä, ja kummankin mallin erottelukyky on hyväksyttävä.
Onnettomuuksien vakavuuteen vaikuttavia tekijöitä tutkitaan tulkitsemalla malleihin valikoituneiden selittäjien vetosuhteita. Osa tuloksista on odotettuja, kuten että kevyen liikenteen osallisuus tai korkea nopeusrajoitus kasvattaa onnettomuuden vakavuutta. Suurin osa tämän työn tuloksista on myös linjassa aikaisempien tutkimusten kanssa. Aiempien tutkimusten ja tämän työn tulosten vertailussa ilmenee, että jäisen ja lumisen kelin vaikutusta sekä valoisuuden vaikutusta liikenneturvallisuuteen voisi tutkia tarkemmin.
Onnettomuuksien vakavuus ilmoitetaan yleensä muutamalla kategorialla, kuten ei henkilövahinkoa, loukkaantuminen tai kuolema. Tällaisen muuttujan mallintamiseen käytetään yleensä logistista regressiomallia. Tässä työssä käytetään binääristä logistista regressiota vakavuuteen vaikuttavien tekijöiden tarkastelemiseen.
Aineisto sisältää Suomessa vuosina 2017–2021 sattuneita tieliikenneonnettomuuksia. Aluksi aineisto siistitään ja siitä muodostetaan kaksi erilaista mallia. Ensimmäisellä mallilla tarkastellaan henkilövahingon riskiin liittyviä tekijöitä. Toisella mallilla tarkastellaan kuoleman riskiin liittyviä tekijöitä. Mallit muodostetaan askeltavalla menetelmällä (stepwise method).
Luotujen mallien suorituskykyä arvioidaan kahdella eri tavalla. Mallien hyvyyttä tarkastellaan Hosmer–Lemeshow-testillä ja mallien erottelukykyä tarkastellaan ROC-kuvaajalla. Kumpikaan malli ei osoita merkkejä huonosta hyvyydestä, ja kummankin mallin erottelukyky on hyväksyttävä.
Onnettomuuksien vakavuuteen vaikuttavia tekijöitä tutkitaan tulkitsemalla malleihin valikoituneiden selittäjien vetosuhteita. Osa tuloksista on odotettuja, kuten että kevyen liikenteen osallisuus tai korkea nopeusrajoitus kasvattaa onnettomuuden vakavuutta. Suurin osa tämän työn tuloksista on myös linjassa aikaisempien tutkimusten kanssa. Aiempien tutkimusten ja tämän työn tulosten vertailussa ilmenee, että jäisen ja lumisen kelin vaikutusta sekä valoisuuden vaikutusta liikenneturvallisuuteen voisi tutkia tarkemmin.
Kokoelmat
- Kandidaatintutkielmat [8709]