道路交通事故灰色马尔可夫预测模型

在道路交通事故灰色预测的基础上，引入马尔可夫链预测理论，建立道路交通事故灰色马尔可夫预测模型。道路交通事故灰色马尔可夫预测兼有灰色预测和马尔可夫链预测的优点，模型克服了随机波动性数据对道路交通事故预测精度的影响，拓宽了灰色预测的应用范围。实例计算证明：道路交通事故灰色马尔可夫预测模型预测精度高于GM(1，1)模型预测精度，模型可以用于道路交通事故预测。     

道路交通事故GM(1,N)预测模型

GM(1,N)模型适合于具有多个影响因素的系统特征变量的预测,文章研究了GM(1,N)模型用于道路交通事故的预测的方法。根据1990～2000年全国道路交通事故统计资料,建立了交通事故死亡人数的多因素灰色预测模型,预测的2000年死亡人数为90324人,相对误差为3.76%,可见GM(1,N)模型预测效果较好,可用于道路交通事故预测。     

基于交通冲突技术的无信号平交口交通事故预测方法研究

无信号交叉口交通事故在中国交通事故总数中占了相当大的比重,研究无信号平交口交通事故现状并进行预测具有相当重要的意义。文中介绍了条件期望的定义和性质,在分析交通冲突和交通事故之间联系的的基础上,阐述了基于交通冲突的无信号平交口交通事故预测方法。     

基于BP神经网络的交通事故预测模型

交通事故预测对于分析现有道路交通条件下交通事故的未来发展趋势及其预防具有重要意义。在进行交通事故统计的基础上，运用BP神经网络理论，建立交通事故预测模型。计算结果表明，该模型较传统方法精度高，可用于交通事故预测。     

交通事故灰色预测模型的研究

在交通事故统计的基础上，运用灰色理论，建立了一为量的交通事故预测模型，即ＧＭ（１，１），可用于交通事故各项统计指标的预测。它被传统的预测方法更科学、更合理。     

全国道路交通事故预测

研究表明,充满复杂性和随机性的道路交通事故具有灰色性。文中介绍了灰色预测的理论方法,运用灰色系统理论对交通事故进行分析。通过对交通事故死亡人数原始数据进行处理,得到新的生成数序列,据此建立白化微分方程,给出交通事故中死亡人数的预测模型,用相对残差、级比偏差值和后验差法对模型进行检验。结果表明,模型预测精度高,与实际数据相吻合;并运用该模型预测了之后4年的交通事故总数、死亡人数及受伤人数,以便于交通部门、公安部门和道路设计规划部门有针对性地对交通事故实施治理,减少交通事故发生。     

基于干预分析技术的交通事故灰色预测模型研究

加强对交通事故预测技术的研究,以便根据交通事故未来趋势变化提出有针对性的预防措施。在北京市交通事故数据的基础上,提出利用干预分析技术对传统的灰色预测模型进行修正,提高在政策干预等特殊事件影响下交通事故的预测准确度,为交通事故预防提供科学的依据。     

基于灰色神经网络组合模型的水上交通事故预测

水上交通事故预测是水上安全的重要组成部分,目的是为了掌握水上交通事故未来的发展状况,为管理决策提供重要的理论依据。运用灰色神经网络组合模型对水上交通事故量进行预测,运用灰色模型对水上交通事故进行模拟,将结果和原始数据进行对比,计算出残差。运用BP神经网络模型对残差进行修正,得到最终预测的结果。仿真得到的2012年和2013年的水上交通事故预测量分别是270和281。实践表明,水上交通事故量呈下降趋势,但有部分年份仍有回升趋势。      

基于道路环境因素的公路隧道交通事故预测

为提高公路隧道交通事故预测准确率,以西汉高速秦岭某隧道群的496起交通事故作为研究对象,对影响公路隧道交通事故预测的道路环境因素进行相关性分析,针对不同预测类别选定具有显著影响的主要变量,通过贝叶斯模型、随机森林模型、BP神经网络模型和支持向量机模型分别对公路隧道交通事故形态、严重程度、伤亡情况和持续时间进行预测,根据准确率和稳定性确定出最优预测模型。研究结果表明： 1）随机森林模型在预测公路隧道交通事故形态时最为可靠,准确率约为84%; 2）在对公路隧道交通事故严重程度和伤亡情况进行预测时可优先考虑贝叶斯模型,其对重大或特大事故的预测准确率高达50%; 3）选择随机森林模型作为公路隧道交通事故持续时间的预测模型,绝对误差为20 min时模型准确率将超过70%。     

利用模糊神经网络预测道路交通事故损失

本文利用模糊神经网络系统的特性，分析道路交通事故损失与交通事故次数，死亡人数和受伤人数之间的关系，提出了模糊神经网络预测道路交通事故损失的方法。