Méthodes d'analyse discriminante et reconnaissance de scénarios types d'accidents de la circulation

Methods of discriminant analysis and recognition of traffic accident prototypical scenarios

• Auteur / Autrice : Edwige Allain
• Direction : Maurice Roux
• Type : Thèse de doctorat
• Discipline(s) : Statistique
• Date : Soutenance en 2002
• Etablissement(s) : Aix-Marseille 3

Mots clés

Mots clés contrôlés

Statistique

Analyse discriminante

Sécurité routière

Accidents de la route

Résumé

Le scénario type d'accident de la circulation est un outil de synthèse rendant compte d'un ensemble de cas déjà survenus et jugés similaires dans leur déroulement. Ainsi le scénario est utile dans les approches diagnostiques visant à dégager des possibilités de prévention par analyse d'un ensemble de cas survenus sur un réseau de voirie. L'une des applications de ce concept repose sur l'affectation de cas à des scénarios existant déjà et peut s'appuyer sur les méthodes statistiques d'analyse discriminante. Nous comparons dans ce travail trois méthodes d'analyse discriminante : (analyse factorielle discriminante, régression logistique et discrimination par arbre). D'un point de vue théorique, la discrimination par arbre a nécessité un développement spécifique : nous proposons un critère de sélection du meilleur arbre basé sur le facteur de Bayes, que nous validons à l'aide des données d'accident. Du point de vue de l'application, nous concluons en faveur de la régression logistique.

We define traffic accident prototypical scenarios as a synthesis tool which allows to account for cases already happened and judged similar in the way they happen. It appears then useful in the framework of diagnosis approaches, where the analysis of a set of accident cases happened on a road network leads to the possible preventive measures. In this field, one of the use of this concept is based on assigning cases to existing scenarios and can use statistics discriminant analysis methods. In this work, we compare three methods of discriminant analysis (discriminant analysis, logistic regression, classification tree). In the theoretic point of view, classification tree needed a particular development : we propose a selection of the best tree criteria based on the Bayes factor. We validate it with our data on accident. On the applied side, we conclude in favour of the logistic regression.