道路交通事故預測模型的研究

姬利娜 宋清華

(安陽工學院，河南 安陽 455000)

道路交通事故幾乎每天都會發生，由于其危害性極大，備受人們關注。交通事故預測可以根據以往發生事故的變化規律，對未來的不確定的事故作出推理，從而為制定交通安全對策提供理論依據。

1 交通事故預測模型的分析構建

1.1 線性回歸預測模型

在許多實際問題中，影響城市道路交通事故的因素往往不只一個而常常是多個，稱此類回歸問題為多元回歸。線性回歸預測多數是利用多元線性回歸方程，通過尋找與因變量具有較強關聯關系的因素作為自變量，計算回歸系數，并經過相關分析和顯著性檢驗后，最終確定回歸預測方程。其一般形式如下:

式中:b，a1，a2，an為回歸系數。目前較典型的線性回歸預測模型有兩種:伊·阿拉加爾模型和北京模型。

1.2 非線性回歸預測模型

駕駛員的人為失誤可能導致交通事故，為便于定量描述人為失誤對交通事故的影響，采用人為失誤率預計法［1］(THERP 法)，得出駕駛員總的操作失誤率P總、人為失誤率P與事故發生總量Y 之間的關系。參照Logistic 的建模思想，建立模型為y = k/(1 + ae-bp)(k，a，b 為待識別參數，且均大于0)。通過公式轉換，可得:

1.3 灰色預測模型

GM(1，1)模型是最常用的一種灰色模型，其一般形式為:x(0)(k)+x(1)(k)= μ，參數辨識過程如下:

(1)構造數據矩陣B

(2)構造數陣向量yn=［x(0)(2)，x(0)(3)，…，x(0)(n)］T

通過還原處理得到預測值后，還需對預測模型進行檢驗。本文介紹GM(1，1)模型精度檢驗常用的兩種方法:殘差檢驗和后驗差檢驗。

①殘差大小檢驗。殘差E(t)= R(1)(t)-(1)(t)，相對殘差

②后驗差檢驗。設原始數列R 與殘差數列E 的平均值分別為和。

記原始數列和殘差數列的均方差分別為S1和S2，然后定義后驗差比值，小誤差頻率P = P{︱E(t)-︱ ＜0.6745 S1}

按P與C的大小，可將預測精度分為好、合格、勉強、不合格四類，詳見表1。

表1 P、C 值預測精度

2 道路交通事故灰色預測實例應用

本文選擇云南省某市2000～2005年道路交通事故次數和死亡人數進行灰色預測。表2 反映了該市道路交通事故次數(R)和死亡人數(S)的原始數據情況，這里以R 為例演示灰色預測方法的運用，據此預測2013～2015年的交通事故發生情況。

表2 交通事故次數和死亡人數統計表

(1)交通事故次數原始數據

(2)原始數據一次累加生成

(3)參數向量計算

(4)預測模型建立

(5)模型精度檢驗

a.殘差檢驗

進行殘差檢驗后，模型的相對誤差(見表3)不是很大，模型的精度也較好。

表3 事故次數R 預測值的殘差E(t)及相對殘差e(t)

b.后驗差檢驗

經計算得后驗誤差比值C =0.2958，小誤差頻率P =1。根據灰色預測精度等級判斷標準(見表1)知，所建立的道路交通事故灰色預測模型精度較好，可以用于事故預測。

(6)事故預測

運用所建立的灰色預測模型預測2013～2015 事故次數分別為:2044，2998，3568。同樣可以按照上述分析流程對該市的交通事故死亡人數進行預測，預測結果見表4。

表4 GM(1，1)預測模型計算結果一覽表

3 結束語

通過對建立的灰色預測GM(1，1)模型進行精度檢驗，可見，運用灰色理論進行道路交通事故預測是可靠的。以上三種模型對交通事故預測側重于不同方面，灰色預測能在原始數據分布波動大、樣本少時，能相對較準確地預測未來交通事故的發展趨勢，以達到減少交通事故的目的。

［1］劉建齊.道路交通事故預測中的灰色預測模型［J］.廣西交通科技，2003，28(4):100—109.

［2］過秀成.道路交通安全學［M］.南京:東南大學出版社，2001.

［3］成衛，張瑾，李學敏著.城市道路交通安全理論模型與方法.云南人民科技出版社:2005.

［4］鄭建湖，黃明芳，陳慧.福州市道路交通事故灰色預測模型的構建與實現［J］.武漢理工大學學報(交通科學與工程版)，2011，(03)