ISSN 1507-2711
JOURNAL DOI: dx.doi.org/10.17531/ein
Our IF is 1.145
JCR Journal Profile


Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies  Wydawca(Publisher):Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne (Warszawa) - Polish Maintenance Society (Warsaw)   Patronat Naukowy(Scientific supervision): Polska Akademia Nauk o/Lublin  - Polish Akademy of Sciences Branch in Lublin  Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies

 


Wydawca:
Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne (Warszawa)

Patronat Naukowy:
Polska Akademia Nauk Oddział w Lublinie

Członek:
Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych


UWAGA:

Poprawne cytowanie publikacji ukazujących się w naszym Kwartalniku ze względu na wymogi baz bibliograficznych powinno zawierać pełną dwujęzyczną nazwę bez polskich znaków diakrytycznych, tj.: Eksploatacja i Niezawodnosc – Maintenance and Reliability


 

Zgłoszenie On-LINE

 




 

Impact Factor

Impact Factor

Impact Factor

Impact Factor

SCImago Journal & Country Rank

MOST CITED

Update: 2017-11-16

1. ON APPROACHES FOR NON-DIRECT DETERMINATION OF SYSTEM DETERIORATION
By: Valis, David; Koucky, Miroslav; Zak, Libor

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 1   Pages: 33-41   Published: 2012

Times Cited: 40
2. UTILIZATION OF DIFFUSION PROCESSES AND FUZZY LOGIC FOR VULNERABILITY ASSESSMENT
By: Valis, David; Pietrucha-Urbanik, Katarzyna

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 1   Pages: 48-55   Published: 2014

Times Cited: 28
3. SELECTED ASPECTS OF PHYSICAL STRUCTURES VULNERABILITY - STATE-OF-THE-ART
By: Valis, David; Vintr, Zdenek; Malach, Jindrich

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 3 Pages: 189-194 Published: 2012

Times Cited: 26
4. PREDICTING THE TOOL LIFE IN THE DRY MACHINING OF DUPLEX STAINLESS STEEL
By: Krolczyk, Grzegorz; Gajek, Maksymilian; Legutko, Stanislaw

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 15 Issue: 1 Pages: 62-65 Published: 2013

Times Cited: 24
5. RELIABILITY BASED OPTIMAL PREVENTIVE MAINTENANCE POLICY OF SERIES-PARALLEL SYSTEMS
By: Peng Wei; Huang Hong-Zhong; Zhang Xiaoling; et al.

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 2 Pages: 4-7 Published: 2009

Times Cited: 23
6. MAINTENANCE DECISION MAKING BASED ON DIFFERENT TYPES OF DATA FUSION
By: Galar, Diego; Gustafson, Anna; Tormos, Bernardo; et al.
EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY 
Issue: 2   Pages: 135-144   Published:2012

Times Cited: 22
7. MODELLING OF PASSIVE VIBRATION DAMPING USING PIEZOELECTRIC TRANSDUCERS - THE MATHEMATICAL MODEL
By: Buchacz, Andrzej; Placzek, Marek; Wrobel, Andrzej

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 2   Pages: 301-306   Published: 2014

Times Cited: 21
8. COMPUTER-AIDED MAINTENANCE AND RELIABILITY MANAGEMENT SYSTEMS FOR CONVEYOR BELTS
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 3   Pages: 377-382   Published: 2014

Times Cited: 21
9. A NEW FAULT TREE ANALYSIS METHOD: FUZZY DYNAMIC FAULT TREE ANALYSIS
By: Li, Yan-Feng; Huang, Hong-Zhong; Liu, Yu; et al.

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 3 Pages: 208-214 Published: 2012

Times Cited: 18
10. PRODUCTIVITY AND RELIABILITY IMPROVEMENT IN TURNING INCONEL 718 ALLOY - CASE STUDY
By: Zebala, Wojciech; Slodki, Bogdan; Struzikiewicz, Grzegorz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 15   Issue: 4   Pages: 421-426   Published: 2013

Times Cited: 17
 

 

Licznik od 2016.06.29: darmowe liczniki


Przestrzenny i czasowy aspekt wyboru rozkładów apriorycznych i danych dla funkcji wiarygodności dla modeli bayesowskich w analizach bezpieczeństwa ruchu drogowego

Spatial and temporal aspects of prior and likelihood data choices for Bayesian models in road traffic safety analyses

 

Tekst artykułu: 

Streszczenie: 

Parametry bayesowskiego modelu regresji nie są wartościami stałymi tylko zmiennymi losowymi opisanymi przez pewne rozkłady aposterioryczne. W celu zdefiniowania takiego rozkładu łączy się dwa źródła informacji: (1) rozkład aprioryczny, który reprezentuje wcześniejszą wiedzę o parametrze modelu oraz (2) funkcję wiarygodności (wiarygodność bayesowską), która uaktualnia wiedzę a’priori. Oba te elementy są przedmiotem badań w kontekście wykorzystania podejścia bayesowskiego w analizach bezpieczeństwa ruchu drogowego. Badaniom podlega model wielokrotnej regresji logistycznej, który klasyfikuje status zdarzenia drogowego. W modelu uwzględniono trzy grupy zmiennych objaśniających: charakterystyki miejsca lokalizacji wypadku, cechy kierującego sprawcy oraz atrybuty wypadku. Ponieważ wypadki drogowe są rozproszone w czasie i przestrzeni, zaproponowano i poddano dyskusji dwa aspekty wyboru źródeł informacji w procedurze modelowania bayesowskiego: czasowy i przestrzenny. W obu podejściach rozkłady aprioryczne są definiowane na podstawie danych wybranych jako te, które generują uogólnioną wiedzę o parametrach modelu, tworząc tło podlegające modyfikacji – w ten sposób wiedza aprioryczna ma cechę informatywności. Wiarygodność bayesowska, modyfikująca rozkłady a’priori, jest definiowana za pomocą danych wprowadzających: (1) informację specyficzną dla wybranej drogi – w przypadku aspektu przestrzennego lub (2) informację najnowszą – w przypadku aspektu czasowego. Zaproponowane podejście zilustrowano w eksperymentach badawczych i przedstawiono wynikające z nich wnioski.

Abstract: 

In a Bayesian regression model, parameters are not constants, but random variables described by some posterior distributions. In order to define such a distribution, two pieces of information are combined: (1) a prior distribution that represents previous knowledge about a model parameter and (2) a likelihood function that updates prior knowledge. Both elements are analysed in terms of implementing the Bayesian approach in road safety analyses. A Bayesian multiple logistic regression model that classifies road accident severity is investigated. Three groups of input variables have been considered in the model: accident location characteristics, at fault driver’s features and accident attributes. Since road accidents are scattered in space and time, two aspects of information source choices in the Bayesian modelling procedure are proposed and discussed: spatial and temporal ones. In both aspects, priors are based on selected data that generate background knowledge about model parameters – thus, prior knowledge has an informative property. Bayesian likelihoods which modify priors are data that deliver: (1) information specific to a road – in the spatial aspect or (2) the latest information – in the temporal aspect. The research experiments were conducted to illustrate the approach and some conclusions have been drawn.

Strony: 

68-75

DOI: 10.17531/ein.2017.1.10

Article citation info: 
Nowakowska M. Spatial and temporal aspects of prior and likelihood data choices for Bayesian models in road traffic safety analyses. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2017; 19 (1): 68–75, http://dx.doi.org/10.17531/ein.2017.1.10.