共查询到20条相似文献,搜索用时 31 毫秒
1.
以某市交通事故统计资料为例,首先采用功率谱分析方法论证了分形理论用于交通事故分析的可行性,计算结果表明在统计意义上,该市交通事故时间序列具有自仿射性。接着利用分形的自相似性与标度不变性将内区间的分形特性进行延拓,并由此构造了具有外推功能的分形插值算法,实现交通事故预测。该算法利用内区间的迭代函数系和吸引子由特定初始点进行搜索,通过迭代使得到的点集与吸引子的均方偏差最小,从而获得需要外推点的函数值作为预测值。最后对交通事故时间序列进行R/S分析,进一步验证了预测结果的合理性,结果表明该市未来几年交通事故仍有增长趋势,应继续加强交通管理。 相似文献
2.
3.
4.
道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明:相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差ermse分别降低了8.7%、48.3%、53.1%、57.6%,误差em... 相似文献
5.
6.
7.
1个适应性良好的道路交通事故预测模型对于交通管理、控制和有关规划设计起着重要作用,文中根据交通事故发生的时空性和多因素性,利用ARIMA模型良好的时间序列线性拟合能力和FNN强大的非线性映射能力,通过最优加权方法确定模型权重,建立ARIMA和FNN的组合模型,并对我国道路交通事故进行预测。结果表明:这一模型可以提高事故预测精度,是1种有效的事故预测模型。 相似文献
8.
通过对泉厦高速公路交通事故的统计,从人、车、路三方面阐述交通事故的成因,提出预言交通事故一些措施,达到减少交通事故、缩短救援时间、降低直接和音接经济损失及人员伤亡的目的。 相似文献
9.
10.
以我国道路交通安全多年的相关数据(道路 交通事故次数,受伤人数及死亡人数)为基础,讨论了我国道路交通安全的基本趋向,提出了未来5年乃至更长时间仙我国道路交通事故 搞发区域,从而为有关部门预防和减少道路交通事故提供了依据。 相似文献
11.
交通管理部门对交通事故的发生时间进行了研究,发现每天凌晨、中午和黄昏是交通事故的高发时段。因此,在这3个危险时段驾驶员要提高警惕。 相似文献
12.
13.
14.
在驾车过程中,驾驶员的种种错觉是导致交通事故的重要因素,本文试就驾驶活动中的道路线形错觉,时间,距离,速度判断错觉进行分析,说明种种错觉产生的规律及其对行车安全的影响,以便为有效地预防交通事故提供科学依据。 相似文献
15.
江苏省交通事故时间分布分析 总被引:2,自引:1,他引:2
根据江苏省有关交通事故数据,利用统计方法对交通事故发生的时间特征进行分析。通过分析交通事故年时间分布规律的波峰曲线,得出江苏省交通事故发生数量开始振荡变化,逐年上升的势头有望于近期遏制。通过分析交通事故、月、周、小时时间分布曲线,得出交通事故高峰小时出现在交通量高峰小时之后的9~12h、14~16h,两者不重合。死亡高峰时段(危险时段)多发生在18~21h的3h内。研究结论对不同时间内如何采取不同的安全对策来降低江苏省交通事故具有指导作用。 相似文献
16.
17.
18.
为交通管理部门和出行大众提供精准的事故高发黑点预警信息具有重要的意义。为此,研究了1种基于双向长短期记忆神经网络(bidirectional long short-term memory neural network,BiLSTM)的黑点路段交通事故频次预测方法。通过对传统K-means聚类算法的k值选取进行改进,实现了道路交通事故黑点的有效识别,并统计黑点每天事故数作为事故时间序列;利用小波分解对该序列进行降噪处理,通过多层网格搜索法对隐藏层层数、神经元个数等模型的参数进行标定,构建了基于BiLSTM网络的事故频次预测模型;采用滑动窗口的方式将事故时间序列作为内部参数输入模型,以交通流量、节假日、事故天气和事故发生环境等特征作为外部参数,对事故黑点路段未来1 d内可能发生的事故数进行预测,并基于预测结果提出了1种事故黑点路段交通事故预警模型;以浙江省宁波市交警部门某辖区2020年4月—2021年9月常态采集的事故数据为测试集,以7 d的事故数据预测未来1 d的黑点路段事故频次,将BiLSTM模型与门控循环神经网络(GRU)模型、长短期记忆神经网络(LSTM)模型、反向传播神经网络(B... 相似文献
19.
20.
目前,公路交通事故已成为全球范围内日益严重的公共安全问题。统计资料表明,其中驾驶员的人为因素导致的公路交通事故率最高。无论是事故数量。还是伤亡人数均分别高达各自总数的90%左右。并且,在导致这些公路交通事故的驾驶员的人为因素中,疲劳和精神分散驾驶是重要原因之一。驾驶员在3s时间内的注意力不集中,造成了其中80%的交通事故,主要表现为车道偏离和追尾事故。 相似文献