道路交通事故预测模型的研究

－1
2998 ， 3568 。同样可以按照上述分析流程对该市的 别为： 2044 ， 预测结果见表 4 。 交通事故死亡人数进行预测 ， 1 ） 预测模型计算结果一览表 表 4 GM（ 1 ，
年 份 2013 2044 43 2014 2998 50 2015 3568 56 事故次数 R（ 次） 死亡人数 S（ 人）
精度等级 小误差频率 P 后验差比值 C 好 ＞ 0． 95 ＜ 0． 35 合格 ＞ 0． 80 ＜ 0． 45 勉强 ＞ 0． 70 ＜ 0． 50 不合格 ≤0． 70 ≥0． 65
n n
1
交通事故预测模型的分析构建
1． 1 线性回归预测模型 在许多实际问题中， 影响城市道路交通事故的因素往往 不只一个而常常是多个 ， 称此类回归问题为多元回归 。 线性 回归预测多数是利用多元线性回归方程 ， 通过寻找与因变量 具有较强关联关系的因素作为自变量 ， 计算回归系数， 并经过 ， 。 相关分析和显著性检验后 最终确定回归预测方程 其一般 形式如下： （ 1） Y = b + a1 X1 + a2 X2 + … + a n X n a1 ， a2 ， a n 为回归系数。 目前较典型的线性回归预测 式中： b， 模型有两种： 伊·阿拉加尔模型和北京模型 。 1． 2 非线性回归预测模型 为便于定量描述 驾驶员的人为失误可能导致交通事故 ， ［1 ］ 人为失 误 对 交 通 事 故 的 影 响 ， 采用人为失误率预计法 （ THERP 法） ， 得出驾驶员总的操作失误率 P 总 、 人为失误率 P 与事故发生总量 Y 之间的关系。 参照 Logistic 的建模思想， 建 －bp a， b 为待识别参数， 立模型为 y = k / （ 1 + ae ） （ k， 且均大于 0 ） 。通过公式转换， 可得： y = k0 / （ 1 + a0 e －b0p ） + Δk / （ 1 + a0 e －b0p ） + Δa（ － k0 e －b0p ） （ 2） / （ 1 + a0 e ） + Δb / （ k0 a0 + e ） / （ 1 + a0 e ） 1． 3 灰色预测模型 GM（ 1 ， 1 ） 模型是最常用的一种灰色模型 ， 其一般形式为： （ 0） （ 1） x （ k） + x （ k） = μ ， 参数辨识过程如下： （ 1 ） 构造数据矩阵 B 1 1 － 2 ［ x （ 1） （ 1 ） + x （ 1） （ 2） ］ － 1 ［ x （ 1） （ 2 ） + x （ 1） （ 3） ］ 1 B = 2 … … 1 （ 1） （ 1） － 2 ［ x （ n － 1 ） + x （ n） ］ 1 T （ 2 ） 构造数阵向量 y n = ［ x （ 0） （ 2 ） ，x （ 0） （ 3 ） ， …， x （ 0） （ n） ］ （ 3 ） 作最小二乘法计算， c = 求参数 、 μ， B）
序 年 号t 份 0 2000 51 51 0 0 1 2001 147 139 8 2 2002 320 298 22 3 2003 778 718 60 7 ． 71 % 4 2004 1164 1069 95 8 ． 16 % 5 2005 2886 2778 108 3 ． 74 %
3
结束语
－1 －b0p 2 －b0p －b0p 2
2
道路交通事故灰色预测实例应用
本文选择云南省某市 2000 ～ 2005 年道路交通事故次数和 死亡人数进行灰色预测 。表 2 反映了该市道路交通事故次数 （ R） 和死亡人数（ S） 的原始数据情况， 这里以 R 为例演示灰色 预测方法的运 用， 据 此 预 测 2013 ～ 2015 年 的 交 通 事 故 发 生 情况。 表 2 交通事故次数和死亡人数统计表
河南科技
2013． NO． 04 Journal of Henan Science and Technology
交通与建筑科学
道路交通事故预测模型的研究
姬利娜
（ 安阳工学院， 河南
宋清华
安阳 455000 ）
Байду номын сангаас
摘 要：针对道路交通事故发生的特点 ， 从不同的角度， 建立了线性回归预测模型 、 非线性回归预测模型和灰色预测模型 。重 ， ， GM （ 1 ， 1 ） 模型， 点针对道路交通事故灰色和随机不确定性 研究了一阶单变量灰色预测模型 即 并用其分别对某城市道路交通事 交通事故量进行了预测 ， 其结果是可信的。 故的死亡人数、 1 ） 模型 关键词：道路交通事故； 线性回归； 灰色预测； GM（ 1 ， Abstract： According to the features of road traffic accidents， the predictive models of linear regression， nonlinear regression and grey theory are set up from different aspects． In light of the grey and stochastic uncertainty of the road traffic accident， an one － step and single － variable grey forecast model GM （ 1 ， 1 ） has been investigated． Then the death toll and traffic accident volume of acertain city have been forecasted with this mode1． The result is credible． Key words： road traffic accidents； linear regression； grey forecast； GM （ 1 ， 1 ） model 中图分类号：U491 文献标识码：A 文章编号：1003 － 5168 （ 2013 ） 08 － 0130 － 02 道路交通事故几乎每天都会发生 ， 由于其危害性极大， 备 。 受人们关注 交通事故预测可以根据以往发生事故的变化规 律， 对未来的不确定的事故作出推理 ， 从而为制定交通安全对 策提供理论依据。 （ 4 ） 建 立 生 成 数 据 预 测 模 型 为 x （ 1 ） （ t） = ［ x （ 1 ） （ 0 ） － e－ t + μ / μ / ］ 通过还原处理得到预测值后 ， 还需对预测模型进行检验 。 1 ） 模型精度检验常用的两种方法 ： 残差检验 本文介绍 GM（ 1 ， 和后验差检验。 （ 1） （ 1） 珔 （ t） ， ①残差大小检验。 残差 E（ t） = R （ t） － R 相对 E（ t） 。 残差 e（ t） = （ 1） R （ t） ②后验差检验。设原始数列 R 与残差数列 E 的平均值分 珔和 E 珔。 别为 E 珔 = 1 ∑ R （ 1 ） （ t） 珔 = 1 ∑ E（ t） R E n t =1 n t =1 记原始数列和残差数列的均方差分别为 S1 和 S2 ， 然后定 S2 珔 ， ︱ ＜ 0． 义后验差比值 C = 小误差频率 P = P｛ ︱E（ t） － E S1 6745 S1 ｝ 按 P 与 C 的大小， 可将预测精度分为好、 合格、 勉强、 不合 格四类， 详见表 1 。 C 值预测精度 表 1 P、
1 ） 模型进行精度检验， 通过对建立的灰色预测 GM （ 1 ， 可 运用灰色理论进行道路交通事故预测是可靠的 。 以上三 见， 种模型对交通事故预测侧重于不同方面 ， 灰色预测能在原始 样本少时， 能相对较准确地预测未来交通事 数据分布波动大、 故的发展趋势， 以达到减少交通事故的目的 。
参考文献：
R （ 1） （ t） R
（ 1）
（ t）
E（ t） e（ t ）
12 ． 24 % 6 ． 87 %
b． 后验差检验 经计算得后验误差比值 C = 0. 2958 ， 小误差频率 P = 1 。 根据灰色预测精度等级判断标准 （ 见表 1 ） 知， 所建立的道路交 通事故灰色预测模型精度较好 ， 可以用于事故预测。 （ 6 ） 事故预测 运用所建立的灰色预测模型预测 2013 ～ 2015 事故次数分 （ 上接第 127 页） 4 抗干扰措施 由于矿井提升机系统的环境与 PLC 电控系统所要求的安 稳定、 无杂波的工作环境有一定的差异 。 因此， 抗干扰能 全、 力成为 PLC 装置运行质量的重要因素 ， 为减少干扰影响， 采取 以下措施： （ 1 ） PLC 电源采用 UPS 电源供电以消除工频干扰 ， 为了抑 输出端的干扰， 应给 PLC 接专用地线， 制附加在电源及输入、 并且接地点要与其他设备接地线分开 。 （ 2 ） PLC 的通讯线及 A / D 转换的输入线采用屏蔽电缆且 屏蔽层接地。 （ 3 ） 交流继电器线圈并接浪涌吸收回路 ， 用于吸收瞬间过 电压和防止继电器误动作 。 （ 4 ） 维护 检 修 时， 不 得 随 意 甩 掉 部 件 或 改 线， 避免杂波 影响。 （ 5 ） 软件编程设置程序口令 ， 自检程序等措施， 提高软件 抗干扰的能力。 5 使用维护 交流提升机 PLC 电控系统是在原 TKD 电控基础上运行 但由于电路的特殊性， 因此在使用与维护时应注意以 设计的， 下几点： （ 1 ） PLC 允许电流电压波动为 ± 10% ， 使用中不能使电压 过高， 否则可能损坏某些部件 。 （ 2 ） PLC 的输出电路设有熔断器 ， 因此当某一输出回路不 动作时， 首先应检查熔断器是否熔断 ， 查出熔断原因， 并更换 相同容量的熔断器即可 。
BT yn
130
2013． NO． 04
交通与建筑科学 （ 3 ） 参数向量计算 运用最小二乘法求出参数向量 c = BT yn = － 0 ． 5871 [ 26 ． 9268 ]
Journal of Henan Science and Technology
河南科技
[ ] = （B
μ
T
－ B）
（ 4 ） 预测模型建立 （ 1） 将（ 3 ） 中参数向量代人预测模型得生成分析数列 R （ t） = 96 ． 8641 e －0． 5871t － 45 ． 8641 （ 8 ） （ 5 ） 模型精度检验 （ 1） 由（ 8 ） 式求得 R （ t） 值后， 累减还原可得 到 预 测 数 据 （ 0） R （ t） ， 对模型进行精度检验， 主要进行残差检验和后残差 检验。 a． 残差检验 进行残差检验后， 模型的相对误差 （ 见表 3 ） 不是很大， 模 型的精度也较好。 表 3 事故次数 R 预测值的残差 E（ t） 及相对残差 e（ t）
年 份 2000 51 12 2001 96 13 2002 173 24 2003 458 23 2004 386 28 2005 1122 27 事故次数（ 次） 死亡人数（ 人）
[ ] = （B μ
T
－
（ 1 ） 交通事故次数原始数据 R （ 0 ） = ｛ R （ 0 ） （ t） t = 1 ， 96 ， 173 ， 458 ， 2， 3 ……6 ｝ = ｛ 51 ， 386 ， 1122 ｝ （ 2 ） 原始数据一次累加生成 147 ， 320 ， 778 ， R （ 1 ） = ｛ R （ 1 ） （ t） t = 1 ， 2， 3 ……6 ｝ = ｛ 51 ， 1164 ， 2886 ｝
［ 1］ J］ ．广 刘建齐． 道路交通事故预测中的灰色预测模型［ 2003 ， 28 （ 4 ） ： 100 —109． 西交通科技， ［ 2］ ． 南京： 东南大学出版 过秀成． 道路交通安全学［M］ 2001． 社， ［ 3］ 成卫， 张瑾， 李学敏著． 城市道路交通安全理论模型与 方法． 云南人民科技出版社： 2005． ［ 4］ 郑建湖， 黄明芳， 陈慧． 福州市道路交通事故灰色预 J］ ． 武汉理工大学学报 （ 交通科学与工 测模型的构建与实现［ 2011 ， （ 03 ） 程版） ，