道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

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.     

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．     

道路交通事故死亡人数预测模型

为了对中国未来的交通安全形势做出科学预测,分析了中国道路交通安全状况的评价指标和主要影响因素,建立了以机动车保有量、人口、公路里程、客货运输周转量和国家控制力度为参数的道路交通事故死亡人数预测模型,并对1991～2004年各年的死亡人数进行了计算和未来年份死亡人数进行了预测。预测结果表明:预测模型精度高,平均预测误差为3.9%;得出2010年和2020年中国道路交通事故死亡人数的预测值分别为14万人和17万人,死亡人数由上升转为下降的转折点出现时间约在2010年到2015年之间。     

道路交通死亡人数的灰色马尔可夫预测

将灰色系统理论和马尔可夫理论相结合,建立道路交通事故死亡人数灰色马尔可夫预测模型。道路交通事故死亡人数灰色马尔可夫预测既有灰色预测的优点,同时又有马尔可夫链的优点。通过对昆明城市的实际例子的计算,可以看到,在道路交通事故死亡人数预测中,灰色马尔可夫预测模型精确度比较好,有较好的预测结果。     

道路交通事故多层递阶预测方法

针对道路交通系统动态时变的特点，用多层递阶预测方法，建立了道路交通事故的多层递阶预测模型．将事故预测分解成对时变参数的预测和在此基础上对道路交通事故未来状态的预测两部分，通过对时变参数的精确预测提高事故预测精度．以1989—1999年我国某省道路交通死亡人数为原始数据建模，模拟结果显示，对2000-2001年的预测结果和实际道路交通死亡人数之间的平均误差为5．8％．     

2006年度美国道路交通安全概况

机动车道路交通事故死伤人数评估结果显示,2006年美国道路交通事故死亡人数由2005年的43510人下降至42642人,是过去5年间死亡人数最少的一年,降幅和下降绝对数则是1992年以来最大的一年（参见图1）。由表1可知,死亡人数下降的人员类型主要是乘用车乘员、轻型客货车乘员以及非机动化人员（行人和骑自行车人）。其中,乘用车乘员死亡数已连续4年下降,但轻型客货车乘员死亡数下降则是1992年以来的第一次。     

道路交通事故灰色Verhulst预测模型

为提高道路交通事故灰色预测模型的预测精度,分析了GM(1,1)模型和灰色Verhulst模型的特点,发现GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。针对近年来中国道路交通事故表现为具有饱和状态的S形过程,建立交通事故Verhulst预测模型。Verhulst预测模型和GM(1,1)预测模型预测的2004年交通事故死亡人数分别为10.87万人和11.72万人,相对误差分别为1.49%和9.43%,可见Verhulst模型的预测精度明显优于GM(1,1)模型。     

道路交通事故预测中的灰色预测GM(1,1)模型

针对交通事故发生的特点，探讨了灰色模型GM(1，1)在道路交通事故预测中的具体应用，介绍分析道路交通事故的灰色性的基础上，建立了基于灰色预测理论的GM(1，1)模型，并用其分别对道路交通事故的死亡人数、交通事故量进行了预测，其结果是可信的。GM(1，1)模型是最常用的一种灰色模型，它对于“不确定问题”的研究的主要意义是通过信息覆盖，构造生成序列的手段来寻求现实现象中存在的规律，可以相对减少对历史数据的依赖性和“少数据建模”的特点。它尤其适合于交通事故预测这样“小样本”的随机不确定问题。     

2013年上海道路交通事故简述

一、总体情况 2013年，全市共发生适用一般程序处理道路交通事故2叭l起，造成914人死亡、1458人受伤，事故起数、死亡人数、受伤人数同比分别下降10．82％、0．22％、28．98％（表1）。其中，生产经营性质道路交通事故造成272人死亡。     

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。     

基于UBGPM-Markov的铁路货运量预测方法

针对铁路货运量发展变化的非线性特性,采用非线性灰色模型中的无偏GM（1,1）幂模型进行预测,并用状态划分更为精细后的马尔可夫链修正预测值,从而建立优化后的UBGPM-Markov模型.通过对我国2000~2012年铁路货运量实例分析,与改进GM（1,1）模型、无偏GM（1,1）模型2种预测方法进行了比较,比较显示无偏GM（1,1）幂模型具有较高的预测精度.优化后的UBGPM-Markov模型更是显著提高了预测精度,将平均绝对百分误差（MAPE）由2.11%减少到0.55%.     

基于组合模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量的历史数据,分别利用三次指数平滑法、灰色CM（1,1）模型以及组合预测方法对集装箱吞吐量进行探讨,有益于预测未来几年港口集装箱吞吐量。结果证明：组合预测模型融合了前两种预测方法的优点．其平均绝对误差、平均相对误差绝对值都小于单独用三次指数平滑法或GM（1,1）模型时的平均绝对误差、平均相对误差绝对值,达到最优的精度等级。     

道路交通事故的灰色预测与黑点分析

以某市区为研究对象,分析该市区人口密度较高的三个区域交通事故现状,首先利用灰色预测法建立道路交通事故GM（1,1）灰色预测模型,对未来几年市区道路交通事故数进行预测;然后根据道路交通安全影响因素,研究市内三个区域交通事故黑点分布;最后基于人、车、道路、环境综合影响分析,结合事故类型和易发地点判定,找出道路交通事故黑点产生的原因,并根据具体情况提出相应防治措施,以期为城市交通安全管控提供依据．     

GM（1，1）灰色模型与土工离心试验联合推算路堤沉降

以灰色系统理论为基础,将高路堤沉降过程看成一个灰色系统,建立适合高路堤沉降预测的GM(1,1)沉降预估模型及其残差模型,将某高速公路的已知观测数据代入GM(1,1)模型,推算该观测点的最终沉降。同时,在室内进行土工离心模型试验,将试验结果与灰色模型得到的预测结果进行对比分析,表明预测精度良好。     

基于改进GM（1,1）的长江干线水位预测方法研究

针对长江干线水位预测建模复杂、数据不全的问题,利用长江干线真实历史水位观测数据,基于灰色系统GM（1,1）模型,研究贫数据下长江干线水位预测.根据灰色系统中数据越近越有价值跟拟合曲线为指数曲线的特点,通过重新构造生成序列和重新定义初始边界条件对GM（1,1）模型进行优化并对最终结果进行分析,得出优化后的模型能更准确的预测水位的结论.     

基于IWOGA算子的公路客运量组合预测模型

客运量预测是进行公路网规划的必要环节和计算公路经济效益的基础。为了提高公路客运量的预测精度,在现有客运量预测模型基础上,采用IOWGA算子将三次指数平滑、GM（1,1）预测和BP神经网络结合起来,建立组合预测模型,并以全国公路客运量为例,验证预测结果的精度。分析计算结果,将该模型所得结果与其它常用方法相比,与实际客运量之间相差较小,预测精度较好,可以作为预测公路客运量的有效方法。     

灰色马尔可夫模型在交通事故预测中的应用

采用传统灰色GM(1,1)模型预测道路交通事故这类随机性、波动性较大的数据,存在拟合较差、精度不足等问题。运用马尔可夫模型对预测结果进行优化,并建立灰色马尔可夫预测模型。将该模型应用于1998~2007年全国道路交通事故数据来预测2008年事故次数,结果表明采用该模型预测精度达到96.9%,明显优于单独使用GM(1,1)模型的预测结果。     

基于GM（1，1）-马尔可夫链的城市机动车保有量预测研究

针对城市机动车保有量具有趋势性和不确定性的特点，结合GM（1，1）模型和马尔可夫链模型在预测研究中的优点而建立的GM（1，1）-马尔可夫预测模型，可用于城市机动车在未来年份的保有量的预测研究，且该预测经实例验证，结果令人满意。     

基于灰色-马尔科夫链理论的公路客运量预测

客运量预测是公路网规划不可缺少的环节,是公路经济效益计算的重要基础。以四川省公路客运量为例,利用灰色系统理论,建立GM（1,1）预测模型,并将灰色GM（1,1）预测模型与马尔科夫链状态转移矩阵相结合,进一步提高预测结果的精度。从计算效果上分析,该方法求得的结果与其他方法相比,与实际值偏差较小,预测效果较好。