Разбор слов по составу
Разбор слова по составу
Тип лингвистического анализа, в результате которого определяется структура слова, а также его состав, называется морфемным анализом.
Виды морфем
В русском языке используются следующие морфемы:
— Корень. В нем заключается значение самого слова. Слова, у которых есть общий корень, считаются однокоренными. Иногда слово может иметь два и даже три корня.
— Суффикс. Обычно идет после корня и служит инструментом для образования других слов. К примеру, «гриб» и «грибник». В слове может быть несколько суффиксов, а может не быть совсем.
— Приставка. Находится перед корнем. Может отсутствовать.
— Окончание. Та часть слова, которая изменяется при склонении или спряжении.
— Основа. Часть слова, к которой относятся все морфемы, кроме окончания.
Важность морфемного разбора
В русском языке разбор слова по составу очень важен, ведь нередко для правильного написания слова необходимо точно знать, частью какой морфемы является проверяемая буква. Многие правила русского языка построены на этой зависимости.
Пример
В качестве примера можно взять два слова: «чёрный» и «червячок». Почему в первом случае на месте ударной гласной мы пишем «ё», а не «о», как в слове «червячок»? Нужно вспомнить правило написания букв «ё», «е», «о» после шипящих, стоящих в корне слова. Если возможно поменять форму слова либо подобрать родственное ему так, чтобы «ё» чередовалась с «е», тогда следует ставить букву «ё» (чёрный — чернеть). Если чередование отсутствует, тогда ставится буква «о» (например, чокаться, шорты).
В случае же со словом «червячок» «-ок-» — это суффикс. Правило заключается в том, что в суффиксах, если стоящая после шипящих букв гласная находится под ударением, всегда пишется «о» (зрачок, снежок), в безударном случае — «е» (платочек, кармашек).
Как разобрать слово по составу
Для помощи начинающим существуют морфемно-орфографические словари. Можно выделить книги таких авторов, как Тихонов А.Н., Ожегов С.И., Рацибурская Л.В.
В любом слове непременно должны присутствовать корень и основа. Остальных морфем может и не быть. Иногда слово целиком может состоять из корня (или основы): «гриб», «чай» и т.д.
Этапы морфемного анализа
Чтобы морфемный разбор слов было легче осуществить, следует придерживаться определенного алгоритма:
— Сначала нужно определить часть речи, задав вопрос к слову. Для прилагательного это будет вопрос «какой?», для существительного — «что?» или «кто?».
— Затем нужно выделить окончание. Чтобы его найти, слово нужно просклонять по падежам, если часть речи это позволяет. Например, наречие изменить никак нельзя, поэтому у него не будет окончания.
— Далее нужно выделить основу у слова. Все, кроме окончания, — основа.
— Потом следует определить корень, подобрав родственные однокоренные слова.
— Определяется приставка, а потом суффиксы (при их наличии).
Особенности разбора
Иногда подход к морфемному разбору в программах университета и школы может отличаться. Во всех случаях различия аргументированы и имеют право на существование. Поэтому стоит ориентироваться на морфемный словарь, рекомендованный в конкретном учебном заведении.
Морфологический разбор слова «шоссе»
Часть речи: Существительное
ШОССЕ — неодушевленное
Начальная форма слова: «ШОССЕ»
| Слово | Морфологические признаки |
|---|---|
| ШОССЕ |
|
Все формы слова ШОССЕ
ШОССЕ
Разбор слова по составу шоссе
| Основа слова | шоссе |
|---|---|
| Корень | шоссе |
Разбор слова в тексте или предложении
Если вы хотите разобрать слово «ШОССЕ» в конкретном предложении или тексте, то лучше использовать морфологический разбор текста. Найти синонимы к слову «шоссе»Примеры предложений со словом «шоссе»
1
Мост Триборо остался позади, он выскочил на скоростное шоссе Брюкнер, по которому быстро можно добраться до шоссе 95, пересекающего Новую Англию.
Вечерние новости, Артур Хейли, 1990г.2
3
Вот перед нами шоссе Москва – Воронеж, а мы за шоссе на Студенческой улице окопались.
Мгновения. Рассказы (сборник), Юрий Бондарев, 2014г.4
Многие стараются уехать засветло, автобусом по шоссе Киев – Житомир, а кто побогаче – по тому же шоссе едут на такси.
Попутчики, Фридрих Горенштейн, 1981-1985г.5
Выехала, пошла на поворот – и к шоссе, на поворот – и к шоссе.
Попутчики, Фридрих Горенштейн, 1981-1985г.Найти еще примеры предложений со словом ШОССЕ
Discover Eckher Semantic Web Browser: «http://xmlns.com/foaf/0.1/Person», «http://schema.org/Organization», «http://www.w3.org/2004/02/skos/core#definition», «http://www.wikidata.org/entity/Q1».
Discover English pronunciations: «Macedonia», «mystique», «myosin», «myopathy», «Myomorpha», «myoclonus», «azole», «Ursula von der Leyen», «bureaux», «Yvonne».
Create sequence logos for protein and DNA/RNA alignments using Eckher Sequence Logo Maker.
Compose speech audio from IPA phonetic transcriptions using Eckher IPA to Speech.
Browse place name pronunciation on Eckher IPA Map.
Enter IPA characters using Eckher IPA Keyboard.
Navigate the Semantic Web and retrieve the structured data about entities published on the web using Eckher Semantic Web Browser.
Turn your phone into a compass using Eckher Compass.
Browse word pronunciations online using Eckher Dictionary.
Author, enrich, and query structured data using Eckher Database for RDF.
Create TeX-style mathematical formulas online with Eckher Math Editor.
Create knowledge graphs using Eckher RDF Graph Editor.
Send messages and make P2P calls using Eckher Messenger.
Build event-sourced systems using Eckher Database for Event Sourcing.
View PDB files online using Eckher Mol Viewer.
Listen to your text using Eckher Text to Speech.
View FASTA sequence alignments online with Eckher Sequence Alignment Viewer.
Convert Punycode-encoded internationalized domain names (IDNs) to Unicode and back with Eckher Punycode Converter.
Explore the human genome online with Eckher Genome Browser.
Edit text files online with Eckher Simple Text Editor.
Send test emails with Eckher SMTP Testing Tool.
Разбор слов по составу: «уборка», «хлебный», «украсить», «принести», «говорливый», «заколка».
Розбір слів за будовою: «ходити», «батько».
Разбор слоў па саставе: «рассыпаць», «крычаць», «засеяць», «асенні», «адбіраць», «ісці».
морфемный разбор (разбор по составу)
В морфемном составе слова «московское» (время) укажем корень москов- (с беглой гласной «о»), суффикс -ск-, окончание -ое (форма прилагательного среднего рода).
Чтобы выполнить морфемный разбор (разбор по составу) слова «московское», сначала установим его частеречную принадлежность и форму.
Московское направление самое оживленное на шоссе.
Направление какое? московское.
Анализируемое слово обозначает признак предмета, выражая его не непосредственно, как качественные прилагательные, а указывая на его отношение по местонахождению:
Москва — московский; находящий в Москве, возле Москвы.
По этим грамматическим признакам выясним, что оно является относительным прилагательным в форме единственного числа среднего рода, на что указывает родовое окончание -ое. Сравним словоформы прилагательного:
- московский житель;
- московская площадь;
- московские улицы.
Далее выделим суффикс -ск-, который образует многие относительные прилагательные, например:
- Голландия — голландский тюльпан;
- село — сельский вид;
- январь — январский мороз;
- пассажир — пассажирский поезд;
- гигант — гигантский эвкалипт.
Главной морфемой является корень москов-, в котором произошло чередование с нулем звука гласного «о» (беглый гласный «о»):
- Москв-а;
- москв-ич;
- москв-ичка;
- москв-итянин;
- москв-орецкий;
- За-москв-оречье;
- Под-московь-е;
- под-москов-ный;
- за-москов-ный.
Подытожим
москов-ск-ое — корень/суффикс/окончание
Скачать статью: PDFКарточки «Морфемный разбор слова» для 5 класса
Вариант – 1. Произвести морфемный разбор слов:
Футболист, находишься, влетел, бесчисленный, водяная, подъезд, приготовим, шоссе, сладковатое, каменщик, разбросишь, верхушка, узелочек, проехал, наговорили, село.
Вариант – 2. Произвести морфемный разбор слов:
Дождёшься, полетела, теннисист, бесправный, трудовой, подход, привязал, жюри,
сероватое, стекольщик, раскусишь, опушка, клочочек, прогнал, подобрали, колено.
Вариант – 1. Произвести морфемный разбор слов:
Футболист, находишься, влетел, бесчисленный, водяная, подъезд, приготовим, шоссе,
сладковатое, каменщик, разбросишь, верхушка, узелочек, проехал, наговорили, село.
Вариант – 2. Произвести морфемный разбор слов:
Дождёшься, полетела, теннисист, бесправный, трудовой, подход, привязал, жюри,
сероватое, стекольщик, раскусишь, опушка, клочочек, прогнал, подобрали, колено.
Вариант – 1. Произвести морфемный разбор слов:
Футболист, находишься, влетел, бесчисленный, водяная, подъезд, приготовим, шоссе,
сладковатое, каменщик, разбросишь, верхушка, узелочек, проехал, наговорили, село.
Вариант – 2. Произвести морфемный разбор слов:
Дождёшься, полетела, теннисист, бесправный, трудовой, подход, привязал, жюри,сероватое, стекольщик, раскусишь, опушка, клочочек, прогнал, подобрали, колено.
Вариант – 1. Произвести морфемный разбор слов:
Футболист, находишься, влетел, бесчисленный, водяная, подъезд, приготовим, шоссе,
сладковатое, каменщик, разбросишь, верхушка, узелочек, проехал, наговорили, село.
Вариант – 2. Произвести морфемный разбор слов:
Дождёшься, полетела, теннисист, бесправный, трудовой, подход, привязал, жюри,
сероватое, стекольщик, раскусишь, опушка, клочочек, прогнал, подобрали, колено.
Вариант – 1. Произвести морфемный разбор слов:
Футболист, находишься, влетел, бесчисленный, водяная, подъезд, приготовим, шоссе,
сладковатое, каменщик, разбросишь, верхушка, узелочек, проехал, наговорили, село.
Вариант – 2. Произвести морфемный разбор слов:
Дождёшься, полетела, теннисист, бесправный, трудовой, подход, привязал, жюри,
сероватое, стекольщик, раскусишь, опушка, клочочек, прогнал, подобрали, колено.
Вариант – 1. Произвести морфемный разбор слов:
Футболист, находишься, влетел, бесчисленный, водяная, подъезд, приготовим, шоссе,
сладковатое, каменщик, разбросишь, верхушка, узелочек, проехал, наговорили, село.
Вариант – 2. Произвести морфемный разбор слов:
Дождёшься, полетела, теннисист, бесправный, трудовой, подход, привязал, жюри,
сероватое, стекольщик, раскусишь, опушка, клочочек, прогнал, подобрали, колено.
ГБУ Государственный архив документов по личному составу Сахалинской области
Фонд № Р-625
Крайние даты документов: 2010-2018 гг.
Описи фонда
- Опись № 1 дел по личному составу (2010-2018 гг.)
единиц хранения: 150
Аннотация:
Учредительные документы 2010-2018 гг., приказы по л/с 2013-2016 гг., л/к (ф. Т-2) 2013-2016 гг., л/д 2010-2016 гг., неполные л/д 2010-2016 гг.
Историческая справка:
Общество с ограниченной ответственностью «Сахалинстальсервис» было создано на основании протокола № 1 Общего собрания участников от 27 января 2010 года, этим же протоколом утвержден Устав общества и генеральным директором назначен Ахтямов Р.З.
Протоколом № 1/16 от 30 июня 2016 года Общего собрания участников ООО «Сахалинстальсервис» полномочия генерального директора Ахтямова Р.З. прекращены, с 1 июля 2016 года генеральным директором общества назначен Ким Дюн Сир.
ООО «Сахалинстальсервис поставлено на учет в налоговом органе – Межрайонной ИФНС России № 1 по Сахалинской области 4 февраля 2010 года (ОГРН 1106501000781, ИНН 6501215223, КПП 650101001).
Полное наименование: ООО «Сахалинстальсервис».
Адрес (место нахождения): 693000, Россия, Сахалинская область, г. Южно-Сахалинск, ул. Сентябрьская, д. 16 (в дальнейшем – 693005, г. Южно-Сахалинск, шоссе Холмское 5/8).
Предметом деятельности ООО «Сахалинстальсервис» являлись:
- Оптовая и розничная торговля металлическими и неметаллическими рудами;
- Изготовление и монтаж металлоконструкций;
- Организация торговли;
- Курьерские услуги;
- Организация маркетинговых, консалтинговых, посреднических, информационно-организационных услуг;
- Рекламная деятельность;
- Мониторинг средств массовой информации;
- Строительные и ремонтные работы;
- Организация деятельности автомобильного грузового транспорта;
- Транспортно-экспедиционные услуги;
- Бытовые услуги;
- Добыча и переработка рыбы и морепродуктов;
- Организация производства стройматериалов;
- Организация переработки вторсырья;
- Организация и эксплуатация автостоянки;
- Организация автосервиса авто обслуживания и авторемонтных работ;
- Организация заготовки и переработки леса.
Деятельность ООО «Сахалинстальсервис» прекратилась в 2016 году, 20 декабря 2016 года от Ахтямова Р.З. в Арбитражный суд Сахалинской области поступило заявление о признании общества несостоятельным (банкротом). Определением Арбитражного суда Сахалинской области от 19.05.2017 года отказано во введении наблюдения в отношении ООО «Сахалинстальсервис», заявление оставлено без рассмотрения.
Определением Арбитражного суда Сахалинской области от 29.05.2017 года в отношении ООО «Сахалинстальсервис» введена процедура наблюдения (на основании заявления ИП Мыльникова В.А., признанного судом обоснованным) и назначен временный управляющий.
Определением Арбитражного суда Сахалинской области от 02.10.2017 года срок процедуры наблюдения продлен.
Решением Арбитражного суда Сахалинской области от 04 мая 2018 года по делу № А59-6207/2016 ООО «Сахалинстальсервис» (ОГРН 1106501000781, ИНН 6501215223, находящаяся по адресу: 693005, Сахалинская область, г. Южно-Сахалинск, шоссе Холмское, 5/8) признано несостоятельным (банкротом), этим же Решением Арбитражного суда Сахалинской области конкурсным управляющим утвержден Седнев Яков Владимирович.
Конкурсный управляющий Я.В. Седнев
ООО «Сахалинстальсервис»
Переименование:
Отсутствует
|
Для корректной работы с площадкой необходимо включить JavaScript. Извещение о проведении публичного предложения в электронной формеОрганизатор торгов
|
Какие составляющие автострады?
🕑 Время чтения: 1 минута
Основными составляющими автомагистрали являются ширина дороги, поперечный уклон, тротуар, края дороги, разделители движения и бордюры. Эти геометрические элементы созданы с учетом психологии водителя, характеристик автомобиля и трафика в регионе. Безопасность шоссе обеспечивается умелым управлением этими элементами.
Рисунок 1. Детали поперечного сечения автомобильной дороги в выемке или насыпиОсновные компоненты автомобильной дороги кратко поясняются с помощью рисунка 1, показывающего шоссе, построенное в разрезе и на насыпи.
1. Поперечный уклон или развал
Поперечный уклон или изгиб — это уклон, который создается в поперечном направлении тротуара или проезжей части, как показано на рисунке-1. Поперечный уклон помогает отводить дождевую воду с дорожного покрытия. Неадекватный поперечный уклон приводит к затоплению тротуара водой, что приводит к ухудшению качества дороги.
Значение крутизны зависит от по типу материалов, используемых для дорожного строительства и количеству осадки в регионе. Как правило, величина поперечного уклона колеблется от 1 дюйм 60 от до 1 дюйм 25.
2. Проезжая часть или тротуар
Асфальтированная часть шоссе или дорога, по которой предполагается движение транспортных средств, называется тротуаром или проезжей частью. Ширина дорожного покрытия зависит от ширины полосы движения и количества полос движения , запланированных для строительства.
Полоса движения — это проезжая часть или тротуар, предназначенная для движения по одной полосе движения. Как правило, для однополосных полос с максимальной шириной 2,44 м желательно, чтобы ширина полосы составляла 3,75 м. Для тротуаров, спроектированных с двумя или более чем двумя полосами движения, ширина должна составлять 3,5 м.
3. Медианы
Медианы — это разделители трафика, основная функция которых заключается в предотвращении столкновения транспортных средств, движущихся в противоположном направлении по соседним полосам движения.
4. Бордюры
Граница между тротуаром и обочиной называется бордюрами.На городских дорогах желательно сооружать бордюры.
Подробнее: Характеристики, дизайн и конструкция бордюра
5. Дорожные поля
Дорожная маржа включает:
- Плечи
- Автобусные остановки
- Парковка переулки
- Тротуары или пешеходные дорожки
Обочины: Они расположены вдоль края дороги, как показано на рисунке 1 выше. Эта зона предназначена для размещения транспортных средств, которые вынуждены выезжать за тротуар или проезжую часть.Они также служат полосой для обслуживания вышедших из строя автомобилей.
Автобусные отсеки: Автобусные отсеки построены путем углубления бордюров. Следовательно, нет конфликта с движущимся трафиком.
Парковочные полосы: Парковочные полосы предназначены для строительства городских дорог, что позволяет использовать парковку у тротуара.
Пешеходные дорожки или тротуары: При интенсивном автомобильном и пешеходном движении выделяется специальная зона для движения пешеходов.Район называют пешеходными дорожками или тротуарами. Это сделано для защиты пешеходов, что снижает вероятность несчастных случаев.
6. Ширина проезжей части
Ширина проезжей части или ширина формации равна сумме ширины дорожного покрытия (включая разделители, если они есть) и обочин.
7. Полоса отвода
Площадь земельного участка, отведенного под дорогу вдоль ее трассы, называется полосой отчуждения. Ширина земли определяется как ширина этой приобретенной земли.Право отвода зависит от важности дороги и возможности будущего развития.
Также читайте: Классификация дорог и детали
Влияние шоссе на видовой состав и численность муравьев (Hymenoptera: Formicidae) с рекомендациями по ширине обочины дороги
Андерсен, А. (1988) Непосредственное и долгосрочное влияние пожара на поедание семян муравьями склерофильной растительности на юго-востоке Австралии. Aust. J. Ecol. 13 , 285–93.
Google ученый
Андерсен, А.Н. (1990) Использование сообществ муравьев для оценки изменений в наземных экосистемах Австралии: обзор и рецепт. Proc. Ecol. Soc. Aust. 76 , 347–57.
Google ученый
Андерсен, А.Н. (1991) Отбор проб сообществ наземных муравьев, добывающих пищу: ловушку по сравнению с подсчетом квадратов в тропической саванне Австралии. Aust. J. Ecol. 16 , 273–9.
Google ученый
Андерсен, А.Н. (1993) Муравьи как индикаторы успеха восстановления уранового рудника в тропической Австралии. Рестор. Ecol. 1 (сентябрь 93), 156–67.
Google ученый
Broekhuysen, G.J. (1940) Коричневый домашний муравей (Pheidole megacephala Fabr.). Бюллетень Министерства сельского хозяйства.№ 266 , Претория.
Бербридж, А.Х., Лестер, К., МакДэвит, С. и Майер, Д.Д. (1992) Муравьи как индикаторы нарушений в национальном парке Янчеп, Западная Австралия. Дж. Рой. Soc. Запад. Aust. 75 , 89–95.
Google ученый
Greenslade, P.J. (1973) Примеры муравьев с ловушками: эффект закапывания. Насекомое. Soc. 20 , 345–53.
Google ученый
Хилл, м.О. (1979a) TWINSPAN: программа на языке Fortran для упорядочивания многомерных данных в упорядоченной двусторонней таблице путем классификации индивидов и атрибутов . Нью-Йорк: мощность микрокомпьютера.
Google ученый
Hill, M.O. (1979b) DECORANA: программа на Фортране для анализа противоречий и взаимного усреднения . Нью-Йорк: мощность микрокомпьютера.
Google ученый
Хольдоблер, Б.и Уилсон, Э. (1990) Муравьи . Лондон: Springer-Verlag.
Google ученый
Килс Н. и Майер Дж. Д. (1991) Статус сохранности сообществ муравьев вдоль коридора Вубин-Перенжори. В издании «Охрана природы 2: роль коридоров» (Д. А. Сондерс и Р. Дж. Хоббс, ред.), Стр. 387–93. Чиппинг Нортон, Австралия: Суррей Битти и сыновья.
Google ученый
Людвиг, Дж.А. и Рейнольдс, Дж. Ф. (1988) Статистическая экология: Учебник по методам и вычислениям . Нью-Йорк: Джон Вили и сыновья.
Google ученый
Майер, Дж. Д. (1978) Усовершенствованная ловушка-ловушка для отбора проб муравьев и других надземных беспозвоночных. J. Aust. Ent. Soc. 17 , 261–2.
Google ученый
Майер, Дж. Д. (1983) Муравьи: биоиндикаторы реабилитации рудников, землепользования и охраны земель. Environ. Manag. 7 , 375–83.
Google ученый
Majer, J.D., Delabie, J.H.C. и Смит, M.R.B. (1994) Структура сообществ древесных муравьев на бразильских какао-фермах. Биотропика 26 , 73–83.
Google ученый
Петрайтис, П.С. (1979) Меры правдоподобия ширины ниши и перекрытия. Экология 60 , 703–10.
Google ученый
Зал, П.М. (1975) Разнообразие и организация наземной фауны муравьев лесов, пастбищ и древесных культур в Папуа-Новой Гвинее. Aust. J. Zool. 23 , 71–89.
Google ученый
Samways, M.J. (1983) Структура сообщества муравьев (Hymenoptera: Formicidae) в ряде местообитаний, связанных с цитрусовыми. J. Appl. Ecol. 20 , 833–47.
Google ученый
Samways, M.J. (1990a) Структура сообщества муравьев и экологический менеджмент в цитрусовых и субтропических фруктовых садах в Южной Африке. В Прикладная мирмекология: мировая перспектива (Р. К. Вандер Меер, К. Джаффе и А. Седено, ред.), Стр. 570–87. Сан-Франциско: Westview Press.
Google ученый
Самвейс, М.J. (1990b) Временная изменчивость видов: сообщества эпигейных муравьев и управление их численностью и редкостью. Экология 84 , 482–90.
Google ученый
Samways, M.J. (1994) Биология сохранения насекомых . Лондон: Чепмен и Холл.
Google ученый
Schluter, D. (1984) Тест дисперсии для обнаружения ассоциаций видов с некоторыми примерами приложений. Экология 65 , 998–1005.
Google ученый
Skaife, S.H. (1961) Исследование муравьев . Лондон: Лонгманс.
Google ученый
Ter Braak, C.J.F. (1988) CANOCO: программа на Фортране для канонического распределения сообществ посредством анализа соответствий, анализа основных компонентов и анализа избыточности . Нидерланды: Вагенинген.
Google ученый
Уиллер, W.M. (1922) Муравьи Бельгийского Конго. Бык. Являюсь. Mus. Nat. Hist. 45 , 1–1139.
Google ученый
— Исторические изменения в конструкции, составе и свойствах стальных мостов, январь 2021 г.
Версия PDF (816 КБ)
ПРЕДИСЛОВИЕ
В этом отчете представлен исторический обзор эволюции состава стали, свойств стали и конструкции стальных мостов с 1900 по 2015 год.Эти усилия были предприняты в поддержку Долгосрочной программы эксплуатационных характеристик мостов Федерального управления шоссейных дорог для выявления изменений в стальных мостах, которые могут быть связаны с характеристиками конструкции. Представленные здесь результаты могут быть полезны тем, кто в целом интересуется всеми аспектами проектирования, изготовления и строительства стальных мостов, включая государственные транспортные департаменты, исследователей и консультантов по проектированию.
Шерил Аллен Рихтер, P.E., Ph.D.
Директор Управления инфраструктуры
Исследования и разработки
Уведомление
Этот документ распространяется при поддержке U.S. Министерство транспорта (USDOT) в интересах обмена информацией. Правительство США не несет ответственности за использование информации, содержащейся в этом документе.
Правительство США не поддерживает продукцию или производителей. Торговые марки или названия производителей появляются в этом отчете только потому, что они считаются важными для цели документа.
Заявление об обеспечении качества
Федеральное управление шоссейных дорог (FHWA) предоставляет высококачественную информацию для обслуживания правительства, промышленности и общественности таким образом, чтобы это способствовало общественному пониманию.Стандарты и политики используются для обеспечения и максимального повышения качества, объективности, полезности и целостности информации. FHWA периодически рассматривает вопросы качества и корректирует свои программы и процессы, чтобы обеспечить постоянное улучшение качества.
Документация по техническому отчету Страница
| 1. Отчет № FHWA-HRT-21-020 | 2. Номер регистрации правительства | 3.Каталожный № получателя | ||
|---|---|---|---|---|
| 4. Заголовок и подзаголовок Исторические изменения конструкции, состава и свойств стальных мостов | 5. Дата отчета Январь 2021 г. | |||
| 6. Код исполняющей организации HRDI-40 | ||||
| 7. Автор (ы) Джастин Осел, Ph.D., P.E. (HRDI-40; ORCID: 0000-0002-0176-7276) | 8.Отчет исполняющей организации № | |||
| 9. Название и адрес исполняющей организации Управление исследований и развития инфраструктуры | 10. № рабочего места (TRAIS) | |||
| 11. Контракт или грант № | ||||
| 12. Название и адрес спонсирующего агентства Управление исследований и развития инфраструктуры | 13.Тип отчета и охватываемый период Заключительный отчет; Июнь 2015 г. — февраль 2020 г. | |||
| 14. Код спонсорского агентства HRDI-40 | ||||
| 15. Дополнительные примечания Это было исследование сотрудников; на это не было израсходовано никаких средств. Джастин Осел (HRDI-40) выполнил исторический обзор и написал отчет. | ||||
| 16. Аннотация В этом отчете представлен краткий обзор исторической конструкции стальных мостов с акцентом на эволюцию самой стали, включая резюме Американского общества испытаний и материалов и Американской ассоциации государственных служащих автомобильных дорог / Американской ассоциации государственных служащих автомобильных дорог и транспорта стали. спецификации, используемые в стальных мостах, и их требования к растяжению, химическим веществам и энергии удара.Представлен график основных изменений конструкции, таких как сварка и крепление болтами, композитный дизайн и расчет на усталость. | ||||
| 17. Ключевые слова Стальные мосты, конструкция мостов, сварка, крепление, свойства стали, AASHTO, AASHO, ASTM, историческая сталь | 18. Распоряжение Без ограничений. Этот документ доступен через Национальную службу технической информации, Springfield, VA 22161. | |||
| 19. Класс защиты (этого отчета) Несекретный | 20. Классификация безопасности (этой страницы) Несекретный | 21. Кол-во страниц 67 | 22. Цена НЕТ | |
| Форма DOT F 1700.7 (8-72) | Разрешено воспроизведение заполненной страницы |
|---|
• Состав дорожной сети во Франции 2018
• Состав дорожной сети во Франции 2018 | StatistaПожалуйста, создайте учетную запись сотрудника, чтобы иметь возможность отмечать статистику как избранную.Затем вы можете получить доступ к своей любимой статистике через звездочку в заголовке.
Зарегистрируйтесь сейчасПожалуйста, авторизуйтесь, перейдя в «Моя учетная запись» → «Администрирование». После этого вы сможете отмечать статистику как избранную и использовать персональные статистические оповещения.
АутентифицироватьСохранить статистику в формате.Формат XLS
Вы можете загрузить эту статистику только как премиум-пользователь.
Сохранить статистику в формате .PNG
Вы можете загрузить эту статистику только как премиум-пользователь.
Сохранить статистику в формате .PDF
Вы можете загрузить эту статистику только как премиум-пользователь.
Показать ссылки на источники
Как премиум-пользователь вы получаете доступ к подробным ссылкам на источники и справочной информации об этой статистике.
Показать подробные сведения об этой статистике
Как премиум-пользователь вы получаете доступ к справочной информации и сведениям о выпуске этой статистики.
Статистика закладок
Как только эта статистика будет обновлена, вы сразу же получите уведомление по электронной почте.
Да, сохранить как избранное!
… и облегчить мне исследовательскую жизнь.
Изменить параметры статистики
Для использования этой функции вам потребуется как минимум Одиночная учетная запись .
Базовая учетная запись
Познакомьтесь с платформой
У вас есть доступ только к базовой статистике.
Эта статистика не учтена в вашем аккаунте.
Единая учетная запись
Идеальная учетная запись начального уровня для индивидуальных пользователей
- Мгновенный доступ к статистике 1 м
- Скачать в формате XLS, PDF и PNG
- Подробные ссылки
59 $ 39 $ / месяц *
в первые 12 месяцев
Корпоративный аккаунт
Полный доступ
Корпоративное решение, включающее все функции.
* Цены не включают налог с продаж.
Самая важная статистика
Самая важная статистика
Самая важная статистика
Самая важная статистика
Самая важная статистика
Дополнительная статистика
- Дания: протяженность дорожной сети в 2017 г., по типу дороги
- Великобритания: протяженность дорожной сети в 2016 г., по типу дороги
- Германия: протяженность дорожной сети в 2017 г., по типу дороги
- Греция: протяженность дорожной сети 2010 г.
- Норвегия: протяженность дорожной сети в 2018 г., по типу дороги
- Протяженность дорожной сети в Польше, 2018-2019 гг., По типу дороги
- Румыния: протяженность дорожной сети в 2019 г., по типу дороги
- Кипр: протяженность дорожной сети в 2016 году по типу дороги
- Сербия: протяженность дорожной сети в 2017 году по типу дороги
- Северная Македония: протяженность дорожной сети в 2017 году по типу дороги
- Люксембург: график общей протяженности автомагистралей 1990-2016 гг.
- Суммарная протяженность автомагистралей на Кипре 1990-2018 гг.
- Общая протяженность дорог общего пользования в Гонконге 2009-2019 гг.
- Количество бетонных мостов в Токио, Япония, 2020 г., по длине
- Судебное преследование за тяжелые транспортные средства в Дели Индия 2006-2019 гг.
- Доходы от отрасли «транспорт для прогулок и осмотра достопримечательностей, земля» в США.S. 2012-2024
Узнайте больше о том, как Statista может поддержать ваш бизнес.
Европейская комиссия. (19 ноября 2020 г.). Общая протяженность дорожной сети Франции в 2018 году по типам дорог (в километрах) [График]. В Statista. Получено 13 ноября 2021 г. с сайта https://www.statista.com/statistics/449885/france-length-of-road-network-by-road-type/
European Commission. «Общая протяженность дорожной сети во Франции в 2018 году по типам дорог (в километрах)». Диаграмма. 19 ноября 2020.Statista. По состоянию на 13 ноября 2021 г. https://www.statista.com/statistics/449885/france-length-of-road-network-by-road-type/
European Commission. (2020). Общая протяженность дорожной сети Франции в 2018 году по типам дорог (в километрах). Statista. Statista Inc .. Дата обращения: 13 ноября 2021 г. https://www.statista.com/statistics/449885/france-length-of-road-network-by-road-type/
European Commission. «Общая длина дорожной сети во Франции в 2018 году по типам дорог (в километрах).»Statista, Statista Inc., 19 ноября 2020 г., https://www.statista.com/statistics/449885/france-length-of-road-network-by-road-type/
Европейская комиссия, Общая длина дорожная сеть во Франции в 2018 году, по типу дороги (в километрах) Statista, https://www.statista.com/statistics/449885/france-length-of-road-network-by-road-type/ (последнее посещение — ноябрь 13, 2021)
Вопросы для эссе «Дорога дьявола»
О Дьявольском шоссеЭти заметки были предоставлены членами сообщества GradeSaver.Мы благодарны за их вклад и призываем вас сделать свой собственный.
По сценарию Марии Магдалены
- 1
Какие черты характера проявляют мексиканцы во время путешествия по США в The Devil’s Highway .
Осведомленность обо всех опасностях, связанных с попыткой пересечения границы с Соединенными Штатами, и при этом участие в группе, которая пытается пересечь границу, требует большого мужества. Все двадцать шесть человек в этом путешествии демонстрируют большое мужество, когда они отправляются в путешествие, которое близко к самоубийственной миссии, если не к самоубийственной миссии.Путешествие характеризуется смертью и тем фактом, что некоторым людям в этом путешествии удается пересечь границу, несмотря на все опасности, которые изображают их как весьма решительных личностей. Храбрость и решимость — вот лишь некоторые из многих характеров, которые проявляют мужчины в этом путешествии.
- 2
Почему двадцать шесть мексиканцев в этой истории прибегают к пересечению границы с Соединенными Штатами, несмотря на то, что знают о связанных с этим трудностях?
Бедность — одна из главных причин, побуждающих мужчин предпринять опасное путешествие в США через аризонскую пустыню.Обещание лучшей жизни в Соединенных Штатах в сочетании с жизнью в нищете в их стране стирает черту опасности, связанную с пересечением границы, делая все это в конце концов оправданным. С другой стороны, Мексика как страна в основном разорена бандами и коррупцией, что делает ситуацию еще более невыносимой, поэтому побег становится лучшим вариантом в отличие от жизни в угнетении и обнищании.
- 3
Изучите концепцию иммиграции как формы побега, изложенную в The Devil’s Highway .
Дьявольское шоссе — это повествование, в котором исследуется концепция иммиграции, а также рассматриваются опасности и риски, на которые большинство людей готовы пойти, чтобы реализовать американскую мечту. В этой работе иммиграция становится способом, с помощью которого мексиканские мужчины, отправляющиеся в опасное путешествие через аризонскую пустыню, могут избежать ограничений бедности, а также политической нестабильности и коррупции в своей родной стране. Большинство людей, отправляющихся в путешествие, осознавали связанные с этим опасности, но считали, что это единственный лучший способ избежать бедности.В каком-то смысле путешествие даже считается лучшим вариантом в этом отношении. Таким образом, иммиграция становится способом бежать к лучшей жизни в Соединенных Штатах.
Обновите этот раздел!
Вы можете помочь нам, пересматривая, улучшая и обновляя эта секция.
Обновить этот разделПосле того, как вы запросите раздел, у вас будет 24 часа , чтобы отправить черновик. Редактор рассмотрит заявку и либо опубликует ее, либо оставит отзыв.
элементов дорожной конструкции | Функции и методы строительства дорожного сооружения
Дорожное сооружение состоит из следующих компонентов:
1. Подкласс:Земляное полотно — это основание дороги, следовательно, самый низкий и самый важный компонент дорожной конструкции.
Строительство:
- Если естественная поверхность находится выше уровня пласта, то поверхность обрезается до предполагаемой поверхности земляного полотна
- Если естественная поверхность находится ниже уровня пласта, то земляное полотно будет выше уровня земли
- Он должен быть построен на высоте не менее 60 см (2 фута) от наивысшего уровня наводнения на территории
Функция грунтового основания:
Материал:
Материал основания должен быть достаточно прочным, чтобы выдерживать нагрузки, легкодоступным и доступным поблизости, и дешевым.
2. Дополнительная база:
Состоит из:
- Верхний базовый курс
- Дополнительный или базовый курс более низкого уровня
Строительство:
- Построен над земляным полотном
- Не требуется, если основание очень прочное
- В случае гибкого покрытия верхний и нижний ряды основания разделены из разных материалов
- При жестком покрытии предусмотрен только верхний слой основания
- Толщина варьируется от 7.От 5 (3 дюймов) до 15 см (6 дюймов)
Функции вспомогательной базы:
- Предотвратить подъем воды или капиллярное действие
Материал:
- Должен быть лучше, чем материал Sub Grade
- Верхнее базовое поле состоит из песка, гравия и камня.
- Нижнее базовое поле состоит из дешево доступного материала, т. Е. Камня и обломков камня.
3. Дорожная база:
По качеству материала дорожного полотна разделено на
- Верхняя дорожная база
- Нижняя дорожная база
Строительство:
- Построен над основанием
Функции дорожной базы:
- Чтобы избежать искажения покрытия из-за его достаточной плотности
- Поддерживает износостойкость
Материал:
- В случае основания верхней дороги материал высокого качества, так как интенсивность нагрузки высока.
- В случае нижнего основания дороги материал высокого качества, так как интенсивность нагрузки снижается.
4.Наплавка:
Это самый верхний слой поперечного сечения дороги. Может быть в один или два слоя:
Строительство:
Строится обычно в два слоя
- Курс переплета
- Курс износа (слой, который находится в непосредственном контакте с шинами транспортного средства)
Функции покрытия дороги:
- Предотвратить попадание воды на тротуар
- Binder Course связывает Wearing Course с дорожной базой
- Wearing Course обеспечивает плавную езду
- Защищает нижние слои от истирания и атмосферных воздействий движущихся транспортных средств
Материал:
Видео о дорожной структуре
Сообщите нам в комментариях, что вы думаете о концепциях в этой статье!
Байесовский подход к многомерному пространственному моделированию
Это исследование направлено на изучение влияния состава дорожного движения на частоту ДТП на автостраде в зависимости от тяжести травм.Для эмпирического анализа принят набор данных о дорожно-транспортных происшествиях, собранный на автостраде Кайян, Китай, где транспортные средства разделены на пять категорий, а аварии классифицируются по уровням отсутствия травм и уровням травм. С учетом коррелированных пространственных эффектов между соседними сегментами предлагается многомерная байесовская условная авторегрессионная модель для привязки частоты аварий без травм и травм с факторами риска, включая процентное соотношение различных категорий транспортных средств, суточный пробег транспортного средства (DVKT) и проезжую часть. геометрия.Результаты оценки модели показывают, что по сравнению с транспортными средствами категории 5 (например, тяжелый грузовик), более высокий процент транспортных средств категории 1 (например, легковой автомобиль) и 3 (например, средний грузовик) приведет к меньшему количеству аварий без травм и большему количеству травм. вылетает. DVKT, горизонтальная кривизна и вертикальный уклон также связаны с частотой ДТП без травм и / или травм. Значительные неоднородные и пространственные эффекты для аварий без травм и травм оправдывают применимость предложенной модели.Полученные данные полезны для понимания взаимосвязи между составом трафика и безопасностью автострад и для выработки предложений по разработке стратегий повышения безопасности транспортных средств.
1. Введение
В качестве основного компонента дорожной транспортной системы показатели безопасности автострад в последние годы привлекают большое внимание в области исследований безопасности дорожного движения [1–3]. Чтобы выявить механизм возникновения ДТП, ранжировать горячие точки для повышения безопасности и оценить преимущества для безопасности контрмер, обычно разрабатываются модели прогнозирования ДТП (также называемые «функциями безопасности полетов»), связывающие интенсивность движения и характеристики проезжей части (например,g., длина, ограничение скорости, количество полос движения, медиана и ширина обочины, вертикальный уклон и горизонтальная кривизна) и погодные условия (например, видимость, температура и осадки) с частотой столкновений на участках автострады [2, 4, 5].
Помимо снижения количества ДТП, снижение степени травматизма участников дорожного движения также является основным направлением деятельности агентств по автострадам. Вероятно, из-за высокой скорости аварии на шоссе, как правило, приводят к более серьезным травмам, чем те, которые произошли на других типах дорог (например,г., проезжая часть городского типа). Например, Ежегодный статистический отчет о дорожно-транспортных происшествиях [6] показывает, что уровень смертности на автострадах занимает первое место среди всех типов дорог в Китае [6]. В 2015 году по всей стране треть дорожно-транспортных происшествий, в результате которых погибло более 10 человек, произошла на автострадах. Таким образом, более всесторонняя оценка показателей безопасности на автостраде требует моделирования частоты ДТП по серьезности травм, что может выявить необнаруженные недостатки в модели прогнозирования общей частоты ДТП и обеспечить более экономичный подход к выявлению горячих точек ДТП [7, 8].
Несмотря на то, что существует несколько исследований по анализу частоты ДТП по степени серьезности, лишь некоторые из них посвящены безопасности на автострадах. Ye et al. [9] предлагают модель одновременных уравнений для анализа частоты отсутствия травм, возможных травм, травм и аварий со смертельным исходом на 275 многополосных участках автострады в штате Вашингтон. Ma et al. [1] используют многомерные пространственно-временные подходы для моделирования ежедневного подсчета аварий без травм и травм на горной автостраде I70 в штате Колорадо. В этих исследованиях геометрия проезжей части и факторы окружающей среды используются в качестве предикторов безопасности.Ни один из них не исследовал влияние состава дорожного движения на частоту ДТП в зависимости от тяжести травм. Как указали Дину и Веерарагаван [10], состав движения можно определить как задействованные типы транспортных средств и пропорции каждого типа транспортных средств в смешанном транспортном потоке. По сравнению с городским движением, движение по автомагистралям обычно состоит из большего количества типов транспортных средств, от мотоциклов, легковых автомобилей, автобусов, фургонов до легких / средних / тяжелых грузовиков и прицепов. Между этими типами транспортных средств могут существовать существенные различия в поведении, маневренности, агрессивности и устойчивости при ДТП, что может привести к значительным различиям в риске ДТП и тяжести травм [11–13].Ряд предыдущих исследований продемонстрировали, что состав движения имеет статистически значимое влияние на частоту ДТП [3, 10, 14]. Следовательно, для моделирования частоты ДТП на автостраде по серьезности травм было бы полезно включить долю каждого типа транспортного средства в смешанном движении в объясняющие переменные.
С методологической точки зрения частоту ДТП при разной степени травмы можно моделировать по отдельности или совместно [15]. Поскольку они часто обнаруживаются в значительной степени коррелированными, подходы к совместному моделированию, включая многомерную регрессию [16, 17], одновременные уравнения [8, 9], подход совместной вероятности [18], двухэтапную многомерную модель [19] и полиномиально-обобщенные Модели Пуассона [20–22] широко используются для анализа частоты ДТП по степени тяжести.Среди этих подходов многомерная регрессия способна предоставить полностью общую ковариационную структуру для фиксации лежащей в основе корреляции при одновременном учете некоторых других характеристик данных о ДТП, таких как избыточная дисперсия и пространственно-временная корреляция [1]. При моделировании частоты аварий на автостраде пространственная корреляция является важным вопросом, который следует учитывать, поскольку на характеристики безопасности соседних участков могут влиять общие пропущенные факторы [23]. Модель многомерной условной авторегрессии (CAR) — один из самых передовых методов многомерного пространственного моделирования в рамках байесовской модели.Он был успешно применен для анализа частоты ДТП по степени тяжести или виду транспорта на макроуровне (например, кантон и район переписи) [24–26] и на микроуровне (например, участок дороги и перекресток) [1, 27–29] . Ожидается, что многомерная модель CAR, способная учитывать неоднородные и пространственные эффекты и их корреляцию между серьезностью ДТП, повысит точность определения факторов, влияющих на частоту ДТП по степени серьезности. Пожалуйста, обратитесь к обзорным статьям Lord and Mannering [30] и Mannering and Bhat [31] для получения дополнительных описаний и оценок новых подходов к моделированию частоты ДТП.
Основная цель данного исследования — изучить влияние состава дорожного движения на частоту ДТП на автомагистралях с различной степенью травм. Для достижения этой цели собираются годовые данные о частоте ДТП на автостраде Кайян в Китае, и разрабатывается многомерная модель CAR с пропорциями различных транспортных средств и характерными для автострады атрибутами в качестве предикторов для одновременного прогнозирования частоты ДТП по степени серьезности.
Остальная часть статьи выглядит следующим образом.В следующем разделе описаны собранные данные для эмпирического анализа. В разделе 3 описывается формулировка многомерной модели CAR и вводится процесс оценки модели. Результаты оценки параметров обсуждаются в разделе 4. Наконец, в разделе 5 представлены заключительные замечания и направления будущих исследований.
2. Подготовка данных и предварительный анализ
Для текущего анализа собраны данные о дорожно-транспортных происшествиях, дорожном движении и проезжей части на автостраде Кайян в провинции Гуандун, Китай, в 2014 году.Автострада Кайян имеет длину около 125 км, с разделительным барьером, четырьмя полосами движения и ограничением скорости 120 км / ч на всем протяжении автострады. Геометрические данные проезжей части, которые включают подробную информацию о вертикальном уклоне, горизонтальном изгибе и планировке мостов и съездов, взяты из горизонтального и продольного профиля, предоставленного Институтом планирования и проектирования связи провинции Гуандун. Атрибуты проезжей части, включая среднюю ширину, ширину полосы движения, тип и ширину обочины проезжей части и тип дорожного покрытия, являются постоянными вдоль автострады, поэтому не рассматриваются в качестве предикторов безопасности.По двум критериям — однородность в горизонтальной и вертикальной трассе, а также минимальная длина 150 м — автострада разделена на 154 сегмента. Более подробное описание метода сегментации можно найти в Zeng et al. [3].
Данные о ДТП получены с платформы управления техническим обслуживанием и администрированием автомагистралей компании Guangdong Transportation Group. Дезагрегированные аварии сопоставляются с этими сегментами в соответствии с их местоположением, указанным в отчетах о авариях в качестве пробега автострады.В исходных записях серьезность травм в ДТП подразделяется на четыре уровня: отсутствие травм, легкие травмы, тяжелые травмы и летальные исходы. В связи с редкостью ДТП с тяжелыми травмами и смертельным исходом, которые составляют лишь 5,9% от общего числа наблюдаемых ДТП, в этом анализе учитываются две степени серьезности: (1) отсутствие травм и (2) травма, которая относится к легкой травме, тяжелой травме. , и летальный исход. Для каждого сегмента автострады совокупные ДТП далее делятся на две группы в соответствии с серьезностью ДТП.Таким образом, можно получить данные о количестве аварий без травм и травм на каждом сегменте в 2014 году.
Данные о трафике получаются из сетевой системы взимания платы за проезд по автомагистрали Гуандун. Объемы движения изначально регистрируются по категориям транспортных средств. В сетевой системе взимания дорожных сборов транспортные средства подразделяются на пять категорий на основе четырех параметров размера транспортного средства: высота головы, номер оси, номер колеса и колесная база. Конкретные критерии классификации представлены в таблице 1. Для участка автострады среднегодовая посещаемость (AADT) рассчитывается с использованием весов 1, 1.5, 2, 3 и 3,5 для транспортных средств категорий 1-5 соответственно (масса официально рекомендована Транспортным департаментом провинции Гуандун в соответствии со средними размерами задействованных типов транспортных средств в каждой из категорий. Они широко используются в области транспортного машиностроения, например, прогнозирование платы за проезд и прогнозирование объема движения): где,,,, и — объемы движения для транспортных средств категорий 1-5, соответственно, на сегменте автострады в 2014 году. Как и в предыдущих исследованиях [1, 2 ], суточный пробег транспортного средства (DVKT), измеренный как произведение AADT и длины сегмента, используется в качестве переменной подверженности ДТП.
| |||||||||||||||||||||||||||||||||||||||||||||||||||||
Кроме того, состав движения, т. Е. процентное соотношение пяти категорий транспортных средств,,,, и, рассчитывается как процентное соотношение 5-й категории транспортных средств, устанавливается в качестве эталонного случая.
Таблица 2 иллюстрирует определения и описательную статистику переменных, используемых при разработке модели.В SPSS проводятся корреляционные тесты Пирсона для факторов риска. Результаты показывают, что пять пар переменных, и, и, и, и DVKT, и и DVKT, значительно коррелируют с абсолютными значениями их коэффициентов корреляции более 0,6. Чтобы избежать отрицательного влияния значимой корреляции, они исключаются из анализа. Результаты диагностики мультиколлинеарности предполагают отсутствие значительной коллинеарности по другим факторам.
3.Методология3.1. Спецификация моделиВ настоящем исследовании для эмпирического анализа используются две степени тяжести травмы. Поэтому разработана двумерная модель CAR, которая может быть расширена до многомерной версии для одновременного прогнозирования переменных отклика [27]. В двумерной модели CAR предполагается, что наблюдаемое количество аварий без травм () или травм () на участке автострады соответствует распределению Пуассона: Предполагается обобщенная линейная зависимость между ожидаемым количеством аварий и наблюдаемыми факторами риска. (включая состав трафика): где — коэффициенты регрессии, соответствующие факторам риска для уровня серьезности.Чтобы выявить их возможную нелинейную взаимосвязь, подверженность аварии формулируется как степень DVKT: где — оцениваемый параметр. Остаточные члены и функция связи используются для улавливания неструктурированных неоднородных и структурированных пространственных эффектов, соответственно, для ожидаемой частоты ДТП на участке автострады на каждом уровне серьезности. Эти два члена также объясняют характеристику сверхдисперсии, обычно обнаруживаемую в данных о частоте ДТП [1]. Чтобы учесть корреляцию между гетерогенными эффектами аварий без травм и травм, и предполагается, что они имеют бинормальное распределение с нулевым средним: в матрице дисперсии-ковариации диагональные элементы (и) представляют собой дисперсии разнородных эффектов для отсутствия травм. и аварии с травмами, соответственно, а недиагональные элементы (и,) представляют ковариацию между разнородными эффектами.Чтобы измерить корреляцию между ними, коэффициент корреляции рассчитывается как. Чтобы уловить пространственные эффекты, коррелированные между тяжестями ДТП, рекомендуется двумерная предварительная оценка CAR. Близость структуры — критический элемент приора CAR. В то время как различные структуры близости были исследованы [32], наиболее распространенная структура, 0-1 сосед первого порядка, используется для определения матрицы близости в этом исследовании. В частности, если сегменты и подключены друг к другу напрямую,; иначе, .Учитывая структуру соседей первого порядка 0-1, двумерный предварительный CAR выражается следующим образом: где — количество сегментов, смежных с сегментом и. представляет собой матрицу дисперсии-ковариации для пространственной корреляции, в которой и отражают пространственные дисперсии частот ДТП без травм и травм, соответственно, и отражают пространственную ковариацию между ними. Коэффициент корреляции описывает корреляцию между пространственными эффектами. Апостериорная доля экстрапуассоновской вариации, объясняемая пространственной корреляцией для каждого уровня серьезности ДТП, также представляет интерес и определяется следующим образом [24]: 3.2. Оценка моделиИз-за сложности двумерной модели CAR, параметры и гиперпараметры оцениваются байесовскими методами с использованием моделирования цепи Маркова Монте-Карло (MCMC), доступного в бесплатном программном обеспечении WinBUGS. При проведении байесовской оценки следует указать априорные распределения (гипер) параметров, которые отражают предварительные знания о (гипер) параметрах. При отсутствии достаточных знаний обычно используются неинформативные (расплывчатые) априорные распределения [33].В частности, диффузное нормальное распределение указывается в качестве априорных значений коэффициентов регрессии (т. Е. Элементов). Априор Уишарта,, используется для и, где масштабная матрица является единичной матрицей и является степенями свободы [27]. Устанавливается цепочка из 150 000 итераций моделирования MCMC, и первые 100 000 итераций действуют как выгорание. Визуальный осмотр графиков трассировки MCMC для параметров модели и мониторинг соотношений ошибок Монте-Карло относительно соответствующих стандартных отклонений оценок используются для оценки сходимости MCMC.Результаты оценки параметров и гиперпараметров в двумерных моделях CAR представлены в таблицах 3 и 4 соответственно.
4. Анализ результатовСогласно результатам, приведенным в таблице 3, мы можем обнаружить, что большая доля транспортных средств категории 1 или 3 в смешанном движении по автостраде значительно снизит вероятность аварий без травм, в то же время значительно увеличение вероятности аварии с травмой. Коэффициенты указывают на снижение ожидаемой частоты ДТП без травм на 19,8%, а на 22%.Увеличение ожидаемой частоты травм на 1% на 1% прироста транспортных средств категории 1. Аналогичным образом наблюдается снижение ожидаемой частоты ДТП без травм на 46,1% и увеличение ожидаемой частоты травм в 4,75 раза на 1% увеличения числа транспортных средств категории 3. Эти результаты могут быть отнесены к различиям в агрессивности и значимости ДТП среди этих категорий транспортных средств, а также в поведении и маневренности их водителей [10]. Например, Хуанг и др. [11] обнаружили, что, по сравнению с тяжелыми грузовиками (Категория 5), легковые автомобили (Категория 1) и средние грузовики (Категория 3) обладают гораздо меньшей ударопрочностью, что увеличивает степень травм, полученных пассажирами легковых автомобилей или автомобилей средней грузоподъемности. грузовики.Результаты показывают, что для повышения безопасности на автостраде более интенсивное обучение безопасности на автостраде должно быть сосредоточено на водителях малогабаритных транспортных средств, а более строгие меры должны применяться в отношении их распространенного рискованного поведения при вождении, такого как превышение скорости и отсутствие ремня безопасности. Кроме того, результаты также указывают на необходимость использования системы помощи при вождении для транспортных средств категорий 1 и 3, чтобы избежать аварий с травмами (особенно со смертельным исходом). Если обратиться к оценкам воздействия на безопасность других независимых переменных, то натуральный логарифм DVKT оказался статистически значимым на уровне достоверности 95% и положительно связан с частотой ДТП без травм и травм.В частности, ожидается, что увеличение ДВКТ на 1% приведет к увеличению количества ДТП без травм на 0,9% и увеличению ДТП с травмами на 0,8%. Эти результаты разумны и согласуются с выводами предыдущих исследований [1, 2], поскольку большее количество DVKT предоставляет больше возможностей для возникновения ДТП при каждой степени тяжести. Оценки параметров показывают, что влияние горизонтальной кривизны является значительным (на уровне достоверности 80%) только на ДТП без травм. Положительный коэффициент (среднее значение = 0,09) означает, что 0.Увеличение кривизны на 1 k связано с увеличением количества аварий без травм на 9,4%. Это согласуется с существующими выводами [34, 35]: участки автострады с большой кривизной создают ограниченное расстояние обзора для водителей и требуют сильных центробежных сил на транспортных средствах, движущихся по кривой, что может привести к ударам сзади или сбоку. Результатами этих двух типов аварий обычно является только материальный ущерб. Вертикальный уклон оказывает значительное положительное (на уровне достоверности 80%) влияние на частоту ДТП с травмами.Коэффициент (среднее значение = 0,30) указывает, что повышение класса автострады на 0,01 может способствовать увеличению количества ДТП с травмами на 35%. Результат согласуется с инженерной интуицией и согласуется со многими предыдущими исследованиями, в которых утверждается, что крутой уклон также отрицательно влияет на расстояние обзора, тем самым увеличивая риск столкновения [3, 34]. Более того, некоторые предыдущие исследования показали, что вертикальный уклон увеличивает тяжесть травм при ДТП [36, 37]. Из-за плохих характеристик безопасности крутой уклон не рекомендуется при проектировании вертикальной автострады почти во всех руководствах по проектированию [4]. Что касается гиперпараметров, результаты оценки в таблице 4 показывают, что существуют значимые (на уровне достоверности 95%) неоднородные (= 0,12 и = 0,25) и пространственные (= 0,17 и = 0,32) эффекты как в случае отсутствия травм. аварии и травмы. На пространственные корреляции приходится 64% и 68% экстрапуассоновских вариаций частоты ДТП без травм и травм, соответственно, что отражено в оценках и. Эти результаты демонстрируют силу включения пространственной корреляции в моделирование аварий на автостраде.Хотя неоднородные и пространственные ковариации и коэффициенты корреляции между двумя степенями серьезности ДТП положительны, к сожалению, их величина очень низкая, и ни одна из них не является статистически значимой (уровень достоверности менее 80%). Результаты показывают, что частота ДТП без травм и без травм взаимно независимы. Дальнейшее расследование открытия полностью заслуживает. Вероятная причина заключается в том, что их корреляция может в значительной степени объясняться воздействием на безопасность наблюдаемых факторов.Тем не менее, чтобы дополнительно проверить эффективность предложенной модели, мы сравниваем ее с одномерными CAR и (пространственными) двумерными логнормальными моделями Пуассона с точки зрения согласия. Результаты в Таблице 5 показывают, что двумерная модель CAR дает более низкое значение критерия информации отклонения (DIC) и более высокое значение R 2 , чем две другие модели, что позволяет предположить, что многомерная модель CAR превосходит свои одномерные и пространственные аналоги. Таким образом, предлагаемая многомерная модель CAR является хорошей альтернативой для анализа частоты ДТП по степени серьезности.
5. Выводы и дальнейшие исследованияВ этом исследовании изучается влияние состава дорожного движения на частоту ДТП на автостраде в зависимости от степени тяжести травм на основе набора данных о ДТП Kaiyang. Автострада в провинции Гуандун, Китай. В эмпирическом анализе учитываются пять категорий транспортных средств и два уровня серьезности (т. Е. Отсутствие травм и травм). Для количественной оценки влияния на безопасность процентного содержания различных категорий транспортных средств разработана байесовская многомерная модель CAR, в которой контролируются эффекты DVKT и геометрии автострады, а также неоднородные и пространственные эффекты, а также (пространственные и пространственные) корреляции между серьезностью аварии. размещены. Согласно результатам байесовской оценки, проведенной в WinBUGS, увеличение процента транспортных средств Категории 1 (например, легковой автомобиль) и 3 (например, средний автобус, средний грузовик) снизит риск аварий без травм, но увеличит риск дорожно-транспортных происшествий с травмами по сравнению с транспортными средствами категории 5 (например, тяжелые грузовики). Кроме того, ожидается, что больше аварий (без травм и травм) произойдет на участках автострады с большим пробегом транспортных средств. Горизонтальная кривизна положительно коррелирует с авариями без травм, а вертикальный уклон положительно коррелирует с авариями с травмами.Результаты согласуются с выводами предыдущих исследований и соответствуют инженерному опыту. Значительные неоднородные и пространственные эффекты также обнаруживаются для аварий как без травм, так и без травм. Эти результаты подтверждают применимость предложенной модели. Хотя исследование носит эмпирический характер, оно дает хорошее общее представление о влиянии на безопасность состава движения на автомагистралях и может вдохновить на стратегии повышения безопасности транспортных средств на автомагистралях. Однако в текущем исследовании есть некоторые ограничения, которым можно посвятить дальнейшие исследования.Во-первых, каждая из сгруппированных категорий транспортных средств содержит несколько типов транспортных средств. Риск столкновения этих типов транспортных средств также может быть разным. Более подробные данные о трафике могут дать более глубокое представление о взаимосвязи между составом трафика и безопасностью автострады. Во-вторых, из-за ограничений сбора данных погодные условия не учитываются. Контроль погодных факторов может помочь в дальнейшем выявить механизм возникновения аварий на автострадах. Наконец, в то время как предлагаемая структура соседей первого порядка 0-1 является наиболее распространенным методом определения матрицы близости в моделях CAR, можно изучить другие (например, основанные на расстоянии) структуры соседей, чтобы найти наиболее перспективную для автострады пространственного моделирования. частота ДТП по степени серьезности. Доступность данныхАвторские права на использованные данные принадлежат Guangdong Transportation Group и Guangdong Province Communication Planning and Design Institute Co., Ltd. Наши права на использование этих данных ограничиваются только этим исследованием. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||