基于大數據環境下構建灰色預測模型的高速公路交通事故預測研究

摘要：基于高速公路交通事故的多發性，國內目前大多采用灰色預測模型對未來交通事故發生次數進行預測，但在預測未來某一特定時間段內發生交通事故概率方面的研究卻寥寥無幾，因此，本文結合大數據技術的特點及可視化技術應用，對大數據環境下的交通事故預測進行分析，構建灰色GM（1，1）預測模型，從而做到在事故發生前預警，減少因無法預測事故發生而造成時間上的浪費，將生命與財產的損失降到最低，提高事故發生時的快速救援系數。

關鍵詞：交通事故預測;大數據;灰色預測;可視化

引言：

現階段國內的大數據在高速公路尤其是在交通事故預測上的研究少之又少，但高速公路卻是交通事故多發的地段，因此，如何利用大數據技術預測未來某一短時間段內交通事故的發生，增加救援時間變得越來越重要。

一、大數據的簡述

隨著互聯網科技的不斷發展和即將到來的5G時代，我們每天都面對著龐大的數據量，如何處理和利用這些數據便成了擺在人類面前又一個棘手的問題。實際上，大數據是指采用一定的技術或手段捕獲一定時期范圍內的海量數據的集合，并運用數據庫軟件或處理數據的系統將捕獲的數據進行整合、處理和分析，轉變為可利用、可服務于各大行業的有用的信息資源。大數據時代的到來，讓我們在解決問題時不再局限于數據的精確性，也不再需要數據精確化。

二、大數據在高速公路交通事故上前期研究

（一）大數據下的高速公路交通數據來源

高速公路收費站聯網數據、交通視頻監控數據、傳感器數據等都是高速公路交通數據的主要來源途徑。不同的高速公路都設有一定數量的收費站，這些收費站每天都有成百上千的車輛通過，而其專有的收費軟件、閘機口視頻監控都將記錄下路過車輛的車牌信息、車輛類別、載貨量、通行頻率與區間位置等數據信息，這些龐大的數據量都可以運用大數據技術進行分析處理利用起來。

（二）高速公路交通事故致因

1 人為因素

造成高速公路交通事故的人為因素主要可分為行人和駕駛員兩部分。行人方面，目前國家在高速公路實行的是全封閉式交通管制政策，因此大多是位于偏遠地區或農村周邊范圍的高速公路會出現因行人擅自穿越高速公路而造成交通事故的現象。駕駛員方面，其自身視力、年齡、駕駛行為等多方面因素均會引起交通事故的發生。車輛長時間在高速公路上的行駛、路面單調的白線這些都會讓司機在駕駛中產生厭倦情緒，極易造成交通事故的產生。

2 車輛因素

我國車輛類型復雜，車輛使用者對于車輛性能方面的檢測意識不強，而高速公路中因車輛故障原因導致的交通事故不占少數，主要集中在爆胎、制動失靈、轉向燈光失效、方向盤不靈敏等方面。車輛在爆胎的過程中，輪胎摩擦加劇，表面溫度升高;爆胎瞬間，車輛會偏離原來的行駛軌跡，而在這一點上，路旁的攝像頭是可以及時捕捉到車輛的異常行駛軌跡現象，并反饋到后臺進行預警。

3 環境因素

環境的影響包括天氣影響、道路路況影響、其他不可預測事件的影響等。天氣影響主要指極端惡劣天氣影響，如雷雨天氣、雨雪天氣、強風天氣等;道路路況影響主要指因極端天氣、人為因素或非人為因素造成道路毀壞，進而導致車輛在行駛發生事故;而對于一些不可預測的事件影響屬于不可控因素，現階段的技術水平還難以預測，有待于進一步研究。

三、大數據環境下的交通事故預測研究模型分析

交通事故的發生具有隨機性、不可控性等特點，采用傳統的方法難以進行預測，但可以考慮從車輛在發生事故前的行車軌跡改變這一點入手，通過灰色預測模型對交通事故進行預測。而灰色預測模型指的是灰色動態GM（1，1）模型，它主要針對的是系統內部已有的部分數據，對這一類數據信息發展到未來更新為新的一類數據信息進行預測。

目前的灰色預測交通事故的方法主要是通過找尋交通事故序列中數據間的動態關系，利用交通事故中原始累計的數據數列進行累加或累減，進而生成GM（1，1）數學模型，預測事故未來走向。其中很值得注意的一點是傳統的灰色預測只能根據原有的交通事故發生的次數來預測未來交通事故的發生次數，而無法直接預測出某一時間點的交通事故。在此，本文將以高速公路中行駛的C類轎車爆胎情形為例進行分析，具體為步驟如下：

后臺系統將獲取到的信息與原始數據結合對比，系統內部快速構建灰色預測模型。

四、灰色GM（1，1）模型在交通事故預測上的應用

針對高速公路未來某一時間段內的交通事故預測建立的基于灰色預測理論的GM（1，1）模型，在預測交通事故這種不確定因素問題上有著顯著的意義，但由于之前灰色預測模型大多被用來預測未來發生的交通事故次數，而在預測未來某一時間內發生的交通事故上的應用少之又少，具體的實用性有待于進一步的研究與實踐。

五、結論

如今大數據時代已然到來，在交通領域大數據被推向新一波的高潮，交通事故發生的不確定性、造成的公共財產和生命的損失都使得人們迫切地想要預測交通事故的發生，大數據無疑是一個預測未來的很好的技術手段，云計算技術、可視化技術在大數據上的運用對于解決交通問題，預測交通事故都提供了強大的技術保障。相信在不久的將來，大數據技術將會被廣泛運用在智慧交通領域，保障人們的日常交通出行。

參考文獻：

[1]沙愛敏.高速公路交通事故分析及預防對策研究[D].東南大學，2006.

[2]劉利.道路交通事故統計分析及預測模型研究[D].重慶大學，2004.

[3]鄒真子.淺談大數據對出行安全的效用[J].江西通信科技，2017（04）：5-7.

[4]朱笠.國內大數據與交通研究綜述[A]. 中國城市規劃學會、貴陽市人民政府.新常態：傳承與變革——2015中國城市規劃年會論文集（04城市規劃新技術應用）[C].中國城市規劃學會、貴陽市人民政府：中國城市規劃學會，2015：10.

[5]甘靈.城市公共交通可持續發展研究[D].西南交通大學，2002.

[6]覃明貴. 城市道路交通數據挖掘研究與應用[D].復旦大學，2010.

[7]周維新.交通事故灰色預測模型的研究[J].西安公路交通大學學報，2000（02）：73-75.

作者簡介：

楊詩妮（1998-07-），女，壯族，湖南祁陽，本科，無職稱，桂林理工大學學生。