城市交通网络事故预测方法分析综述

随着我国交通事故的大幅增多，道路交通事故预测对道路交通安全的规划、决策具有重要的现实意义。在回顾国内外有关交通事故预测方法现状的基础上，分析目前我国在交通网络事故预测方面存在的主要问题与不足，并提出交通网络事故预测未来研究的发展方向，可为基于城市交通事故的城市交通网络规划提供理论依据。     

我国道路交通事故近期发展预测

建立基于灰色预测模型、非线性回归预测模型的交通事故次数的组合预测模型,对我国未来5年的交通事故次数进行了预测。从模型预测的结果来看,我国交通事故次数在未来几年将会保持下降的趋势。     

道路交通事故灰色预测模型的建构与应用研究

分析了我国当前交通安全形势的严峻性,说明了道路交通事故预测技术的重要性.在对比两种传统的交通事故预测模型的基础上,分析了灰色模型在交通事故预测中的优越性,并构建GM(1,1)对道路交通事故量进行了预测,结果证明是可信的.     

我国近期道路交通事故发展趋势分析与预测

在讨论发达国家交通事故发展变化规律及我国道路交通安全现状的基础上，对我国近期交通安全形势进行分析，并采用灰色系统理论对我国未来五年的交通事故总量进行预测。对于提高道路安全水平具有积极的意义。     

自适应过滤法在水上交通事故预测中的应用

水上交通事故预测对于提高海上安全管理和预防事故的发生有重要的作用.为提高水上交通事故预测的准确性,构建了自适应过滤模型.以2011—2017年我国水上交通事故数据为基础,对2018年水上交通事故进行预测,并与一次指数平滑法、灰色GM(1,1)预测法预测结果进行对比验证.通过比较发现,自适应过滤法的相对误差较小、预测精度...     

交通事故易发路段的识别及速度控制

我国道路交通事故频发,造成极大的经济损失和不良的社会影响。在对国内外交通事故多发路段识别方法分析的基础上,总结分析交通事故易发路段的识别方法以及速度控制措施。该研究可为道路交通事故预测预防提供依据。     

交通事故多层递阶预测方法研究

针对当前普遍采用的交通事故预测方法存在预测结果误差较大的现象．有必要将多层递阶预测方法应用到交通事故预测中,建立起交通事故多层递阶预测模型,以减小事故预测的误差,提高交通事故预测的精度。     

我国道路交通事故发展趋势研究

以近20年全国道路交通事故统计和社会经济发展统计数据为基础,对交通事故发生情况进行分析。利用交通事故统计数据绘制事故趋势图,分析其变化趋势。建立交通事故发生情况与国内生产总值、私人汽车拥有量的关系,利用非线性回归分析方法研究其相关性,以此进行模型拟合,预测其发展形势。结果显示,非线性拟合分析方法简单易行,且拟合模型的预测精度较高。研究表明,我国交通事故总体呈现先扬后抑的趋势,交通安全状况虽逐渐好转但仍需改善。     

����ģ���߼��Ľ�ͨ�¹�Ԥ�⼰Ӱ�����ط���

交通事故预测对于提高交通安全管理水平具有重要意义,通过对传统交通事故预测方法的对比分析,提出了基于模糊逻辑的城市道路交通事故预测模型,并结合哈尔滨市133条主次干道的交通及交通事故数据对模型进行了训练及检验,最终确定了含有41条有效模糊控制规则的模糊逻辑预测模型。模型检验结果表明,应用模糊逻辑预测模型预测得到的事故数与实际事故数之间有很好的对应关系。因此,采用模糊逻辑理论进行道路交通事故预测具有一定的可行性。此外,依据模糊逻辑事故预测模型提出了安全改进因子的概念,可据此查明高风险道路上的突出事故影响因素,从而为改善交通安全提供合理建议。     

道路交通事故的灰色马尔科夫预测模型与算法

将灰色模型与马尔科夫链结合,建立了针对道路交通事故预测的灰色马尔科夫模型.既可以发挥灰色系统预测精确的特点,又可以利用马尔科夫链对准确预测波动性数据的优势.在灰色马尔科夫链模型的算法基础上,进行灰色马尔科夫链预测系统的设计.用我国道路交通事故次数的数据进行预测验证.结果表明.灰色马尔科夫链模型能很大的提高预测的精度和效果,符合实际要求.     

残差灰色预测模型在交通事故预测中的应用

交通事故预测是交通安全研究的重要分支,是提高道路交通安全管理水平的基础。针对道路交通事故的预测问题,以灰色预测模型为基础,建立残差灰色预测模型对交通事故进行预测。结果表明：残差灰色预测模型预测结果的平均相对误差比基本灰色预测模型降低了63．13％。实践证明该模型具有简便实用、预测精度高的优点。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于改进灰色预测法的乌鲁木齐市道路交通事故预测

交通事故预测是交通安全研究的重要内容,是提高道路交通安全水平的基础。为研究乌鲁木齐市道路交通事故发展趋势,在分析交通事故灰色特性的基础上,以乌鲁木齐市道路交通事故统计资料为基础,运用改进的灰色预测模型进行交通事故伤亡人数预测。结果表明,改进的灰色预测模型比传统灰色预测模型精度提高了74.98%。     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

道路交通事故次数组合预测模型

道路交通事故次数预测对于掌握未来交通安全状况,合理评价交通安全措施的可行性和实施效果具有十分重要的意义。利用我国道路交通事故次数的统计数据,分别采用灰色预测模型和历史序列拟合分析的方法建立事故次数的预测模型,针对两种模型的优缺点,采用相对误差倒数分配权重的方法建立组合预测模型,计算结果表明,组合预测模型在预测事故次数方面具有较高的稳定性和较好的预测精度,完全能够满足事故次数预测的要求。     

基于组合预测理论的交通事故预测研究

提出一种适用于道路交通事故预测的组合预测模型。实例计算分析表明组合预测比单一预测技术的预测效果更好，在交通事故的预测问题方面具有一定的应用价值。     

道路交通事故死亡人数的灰色-周期外延组合模型

针对我国道路交通事故死亡人数既有总体变化趋势又有周期波动的特点,建立了灰色-周期外延组合模型.该模型是在GM(1,1)模型的基础上建立的残差周期外延模型.它提取优势周期,通过将不同周期同一时刻的值叠加,生成灰色-周期外延组合模型.利用该模型对我国道路交通事故死亡人数进行预测,可明显提高预测精度.     

基于GM(1,1)模型的道路交通事故预测

道路交通事故的发生虽具有偶然性,但也可利用预测理论的方法加以预测。在分析道路交通安全系统灰色属性的基础上,提出将道路交通事故作为道路交通安全系统行为特征量处理,运用灰色理论和方法来进行道路交通事故预测,在此基础上,建立了道路交通事故的GM(1,1)灰色预测模型,并通过实例验证了预测模型的适用性。     

我国交通安全预测与分析

针对目前我国严峻的交通安全问题,根据1983年以来交通系统人一车一路中相关数据按照多元统计方法建立了我国交通安全模型,揭示出交通安全中交通事故发生量、死亡人数同驾驶员人数、汽车保有量、公路里程、GDP之间的定量关系,分析了影响交通安全的其他因素,预测出未来我国交通事故先增加后减少以及交通事故死亡人数下降的趋势,并对预测结果进行了相应分析．     

遗传算法优化的RBF神经网络模型在公路隧道群交通事故微观预测中的应用

本文根据构建的遗传算法优化的RBF神经网络模型,提出了公路隧道群交通事故微观预测方法,对以任意断面为中心的单元长度内的交通事故率进行合理预测,为公路隧道群事故多发点的鉴别及预防管理措施的制定提供理论支撑。最后,以西汉高速公路隧道群区段为例,以调研所得的交通事故微观预测模型参数基础资料,运用本文构建的预测模型进行工程实践应用分析,同时与传统的RBF神经网络预测结果进行对比,分析说明遗传算法优化的RBF神经网络预测模型的科学性及可行性效果良好。