| Title: | Modeliranje prostorskega vzorca vremensko pogojenih cestnoprometnih nesreč v Sloveniji |
|---|
| Authors: | ID Zver, Nina (Author)
ID Ivajnšič, Danijel (Mentor) More about this mentor... 
ID Žiberna, Igor (Comentor) |
|---|
| Files: |  MAG_Horvat_Nina_2019.pdf (6,11 MB)
MD5: F22700B963597B806CE3DAD506FA143B
PID: 20.500.12556/dkum/ee98da50-4b95-4fc9-b73e-1b545299d12f
|
|---|
| Language: | Slovenian |
|---|
| Work type: | Master's thesis/paper |
|---|
| Typology: | 2.09 - Master's Thesis |
|---|
| Organization: | FF - Faculty of Arts
|
|---|
| Abstract: | Namen magistrskega dela je bil preučiti trende in prostorski vzorec prometnih nesreč, ki so se v obdobju 2006–2017 končale s smrtjo ali hudo telesno poškodbo, v vseh slovenskih občinah in po posameznih vremenskih situacijah (dež, megla, veter, sneg, toča, jasno in oblačno vreme). Naši cilji so bili predstaviti prometne nesreče na splošno, pregledati trende prometnih nesreč na svetovni, evropski in državni ravni, predstaviti vpliv vremena na prometne nesreče, preučiti metode za proučevanje prostorskih vzorcev prometnih nesreč ter analizirati prostorski vzorec izbranih prometnih nesreč. Podatke o prometnih nesrečah smo pridobili na spletni strani Javne agencije Republike Slovenije za varnost prometa in na Statističnem uradu Republike Slovenije, obdelovali smo jih s pomočjo programov Excel, ArcGIS 10.5 in R. Za vsako omenjeno vremensko situacijo smo izdelali prostorski vzorec, trend in standardizirano stopnjo prometnih nesreč. Izbrali smo spremenljivke, ki značilno vplivajo na število prometnih nesreč. Le-te smo v nadaljevanju transformirali s faktorsko analizo, da smo zagotovili pogoje uporabe linearnih modelov (nekoreliranost prediktorskih spremenljivk). Odvisne in neodvisne spremenljivke smo vstavili v model GWR, za katerega pa se je izkazalo, da ni dober napovedovalec števila prometnih nesreč, ko gre za posamezno vremensko situacijo. Posledično smo uporabili še metodo gradnje odločitvenega drevesa (ang. decision tree model). Sestavili smo algoritme, ki z zadovoljivo točnostjo napovedujejo število prometnih nesreč v posamezni občini glede na obravnavano vremensko situacijo. Kakovost modelov odločitvenega drevesa smo izmerili s pomočjo kazalcev: pojasnjen odklon (ang. explained deviance), MAE (ang. mean absolute error), RMSE (ang. ruth mean square error) in Moranov indeks avtokorelacije (ang. Moran's Index). Rezultati naloge imajo aplikativen pomen za snovalce strategije prometne varnosti na nacionalnem nivoju. |
|---|
| Keywords: | prometne nesreče, prostorski vzorec, vremenske okoliščine, geografsko obtežena regresija, odločitveno drevo |
|---|
| Place of publishing: | Maribor |
|---|
| Publisher: | [N. Horvat] |
|---|
| Year of publishing: | 2019 |
|---|
| PID: | 20.500.12556/DKUM-73727 |
|---|
| UDC: | 614.86:551.515(497.4)(043.2) |
|---|
| COBISS.SI-ID: | 24697096 |
|---|
| NUK URN: | URN:SI:UM:DK:BJQ48YQ5 |
|---|
| Publication date in DKUM: | 27.08.2019 |
|---|
| Views: | 1411 |
|---|
| Downloads: | 242 |
|---|
| Metadata: |    |
|---|
| Categories: | FF
|
|---|
|
:
|
Copy citation |
|---|
| | | | Average score: | (0 votes) |
|---|
| Your score: | Voting is allowed only for logged in users. |
|---|
| Share: |  |
|---|
Hover the mouse pointer over a document title to show the abstract or click
on the title to get all document metadata. |
