公路交通事故预测的灰色残差模型

对随机性较强的公路交通事故, 提出了采用灰色残差模型来减小预测误差, 模型用多个指数函数的线性叠加来分段描述事故预测值, 克服了灰色模型只能描述单调变化的过程, 仅适用于预测具有较强指数变化规律事故序列的缺点。对影响灰色残差建模的修正对象、数据选取、数据预处理和修正方法等多种因素作了详细分析和划分, 并归纳出4种实用的灰色残差模型。实例分析结果表明: 与灰色模型相比, 各种灰色残差模型的预测误差降低了70%~80%, 其中采用残差直接建模、一次还原的灰色残差模型, 复杂程度低, 预测误差小于5%。     

中国城市私人汽车拥有量的影响因素分析

为了探讨中国城市私人汽车拥有量的影响因素,在收集中国32 个省会城市和计划单列市的 2001—2013 年的面板数据的基础上,以私人汽车拥有量的对数为被解释变量,从经济属性、城市 属性、交通属性和政策属性4 个角度出发,选取9 个解释变量,分别建立固定效应模型和随机效 应模型。对模型进行异方差检验、序列相关检验和截面检验之后,利用STATA统计分析软件进行 回归分析,并通过豪斯曼检验进行比较,选取最优模型。研究结果表明固定效应模型较优,人均 地区生产总值、人口密度、城市化率、人均城市道路面积、每万人拥有公共汽车数以及公路里 程,这些因素均对我国私人汽车拥有量具有显著性的正效应。     

基于统计与假设检验的高速公路交通事故数据分布特性

为了研究高速公路基本路段上交通事故数据的分布特征, 将事故数、伤亡事故数、事故死亡人数与事故受伤人数归类为离散型事故数据, 将事故间隔时间与平均每年每公里事故数归类为连续型事故数据; 对于离散型事故数据, 采用均匀划分法、动态聚类法与滑动窗法划分高速公路统计区段, 运用泊松分布、负二项分布、零堆积泊松分布与零堆积负二项分布对事故数据进行拟合; 对于连续型事故数据, 以收费区间为路段划分标准, 用正态分布、负指数分布进行事故数据拟合; 运用皮尔逊卡方值对各种拟合结果进行拟合优度检验。研究结果表明: 在各种区段上, 事故数均服从负二项分布, 有些情况下会同时服从负二项分布与泊松分布, 伤亡事故数与事故死亡人数主要服从零堆积泊松分布或零堆积负二项分布, 拟合优度检验中的概率均大于0.05;平均每年每公里的事故数比较符合正态分布, 而事故间隔时间则主要服从负指数分布, 拟合优度检验中的概率也均大于0.05;交通事故数据的统计分布特征是建立事故预测模型与事故多发点鉴别的前提条件之一, 而事故间隔时间可作为安全可靠度的度量指标。     

交通事故贝叶斯最小风险控制模型

为了预测交通事故与控制事故风险, 引进贝叶斯最小风险理论, 构建了交通事故贝叶斯最小风险控制模型。当车辆在不同半径曲线上运行时, 采集其位移坐标数据, 并进行换算处理, 如果速率梯度模的变化率出现不正常的振荡, 则交通事故前兆出现。模拟结果表明: 在车辆正常运行情况下, 速率梯度模对时间的绝对变化率服从三参数的威布尔分布, 利用柯尔莫哥洛夫检验可以判定交通事故前兆出现与否, 从而实现对高速公路交通事故的动态监控。     

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。     

GM(1,1)模型在交通事故预测中的应用研究

道路交通事故每年都给我国带来了巨大的人员伤亡和经济损失,如何预防交通事故已成为公安和交通部门亟待解决的问题.在灰色预测理论与方法中,利用累加生成和微分方程描述的GM(1,1)灰色模型,在一定预测时段内具有良好的预测精度和实用性,但对于中长期的预测,其预测值与统计值存在较大的误差,故从模型构造上分析其存在的不足,可为该模型的改进指出方向.     

后悔理论视角下的出行选择行为(英文)

应用随机后悔最小化理论与随机效用最大化理论,分别建立RRM-MNL模型和RUM-MNL模型研究了出行方式选择行为。在模型参数、拟合优度方面对2个模型进行了比较,应用直接弹性分析了在交通管理措施评价方面的区别,并通过城际出行方式中的飞机、火车、长途汽车、小汽车4种出行方式数据进行实际验证。分析结果表明:相比于RUM-MNL模型,RRM-MNL模型能够描述在多属性方案选择过程中的部分补偿性决策行为和折衷效应,能更真实地反映实际出行行为选择过程;等待时间、出行时间和出行费用对飞机、火车和长途汽车3种出行方式的选择概率都具有弹性;在RRM-MNL模型中,等待时间对3种方式的弹性值分别较RUM-MNL模型的低7.30%、13.14%和7.70%。可见,对于同一属性变量,出行者具有不同的选择偏好,会表现出不同的选择行为。     

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。     

驾驶员因素对道路交通事故影响的定量评价模型

实例及研究表明,基于模糊一致矩阵的驾驶员因素对交通事故影响的定量评价模型,是一种度量驾驶员因素对交通事故影响的有效方法,它为定量研究驾驶员事故致因提供了新思路,并为驾驶员事故预防及管理提供了科学依据.     

基于GM(1,1)模型的交通客运量发展预测

采用灰色系统理论中的GM(1,1)模型,选取2001~2005年我国客运运量数据,分别建立了铁路、公路和民航客运周转量的预测模型,经检验,模型精度等级较高。应用所建模型进行了2006~2010年客运周转量预测,并对照2006年实际运量数据,证明预测结果精度较高。最后讨论了GM(1,1)预测模型在运量预测实际应用中的指标选取、模型检验和应用范围。     

交通事故摄影图像的自标定三维重建模型

为了提高交通事故现场的勘测效率和摄影测量技术的使用方便性, 在基础矩阵估计的基础上, 建立了基于普通数码相机的交通事故摄影图像自标定三维重建模型。模型以特征点对应匹配为基础, 通过基础矩阵计算和本质矩阵分解, 进行道路交通事故摄影图像自标定三维重建。实验结果表明该模型可以在无现场标定参考点设置的情况下, 用普通数码相机对道路交通事故现场进行三维重建, 三维重建结果与实际三维数据仅相差一个比例因子。     

高速公路交通事故现场路段限速值计算模型

根据驾驶人在动视力和视野范围内的信息处理能力, 建立了高速公路交通事故现场路段限速值计算模型。根据道路与环境、交通流、交通管理、驾驶人与其他人员以及天气等事故现场信息, 运用人机工程学原理, 将各类信息的出现概率进行量化处理, 并由事故现场基本信息特征计算得到典型高速公路交通事故现场的限速值。计算结果表明: 双向四车道高速公路单车道封闭现场路段限速值为70 km·h^-1; 双向六车道高速公路单车道、双车道封闭现场路段限速值分别为806、0 km·h^-1; 双向八车道高速公路单车道、双车道、三车道封闭现场路段限速值分别为80、706、0 km·h^-1。     

快速路入口匝道瓶颈宏观交通流模型

基于入口匝道汇入方式与基本图形态, 提出了一种调整型元胞传输模型; 增加了入口匝道状态变量以追踪入口匝道交通状态, 定义了新的入口匝道汇入规则; 将双通行能力基本图引入到调整型元胞传输模型中, 以适应不同交通状态下通行能力的变化; 将单纯形法与遗传算法相结合, 提出了混合多目标参数优化方法; 建立了3个仿真场景, 评价调整型元胞传输模型与混合多目标参数优化方法的效果。仿真结果表明: 在预测入口匝道上游主线拥堵发生与结束时间方面, 与经典元胞传输模型相比, 调整型元胞传输模型将时间预测准确性分别提升了22.3、10.8 min; 在模拟入口匝道汇入段主线拥堵传播与消散方面, 调整型元胞传输模型模拟结果更加符合实际的传播与消散规律; 在模拟试验路段早发性失效交通特性方面, 调整型元胞传输模型对于拥堵前最大流量与拥堵后消散流量的拟合误差在4%以内, 小于经典元胞传输模型; 在模型仿真精度方面, 调整型元胞传输模型各项评价指标均优于经典元胞传输模型, 前者的仿真速度误差为10.42 km·h^-1, 较后者降低了25.4%;与传统的遗传算法相比, 混合多目标参数优化方法的总计算次数更少, 参数标定过程总耗时缩短了29.3%。     

基于密度熵的道路交通事故影响范围分区模型

考虑路径阻抗的动态变化, 定义了网络初始荷载; 以事故持续时间为变量, 采用前景理论确定了网络负载重分配的方式; 根据交通流密度熵构建了耗散结构模型, 并与负载分配过程相结合确定了各路段的交通流密度熵变化率; 构建了基于聚类分析的交通事故影响范围分区模型, 通过仿真试验探讨了不同初始荷载和事故持续时间对分区的影响。仿真结果表明: 在交通量基数为800 pcu·h^-1时, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由3个增加到6个, 间接影响区有向路段由5个增加到18个, 说明受事故影响路段的熵处于快速上升阶段, 路网的级联失效不明显; 随着交通量基数增加到1 000 pcu·h^-1, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由8个增加到19个, 间接影响区有向路段由16个增加到21个, 说明交通量对路网的影响主要集中在直接影响区。可见, 不同交通情况下, 各有向路段受到事故路段的影响程度明显不同, 随着事故持续时间与初始流量的加剧, 路网中有向路段的受影响程度均增大, 因此, 采用交通事故影响范围分区能够精细地描述道路运行状态的动态变化过程。     

高速公路交通事故起数时空分析模型

为了分析交通事故起数与时间、道路空间结构及交通运行环境等潜在影响因素之间的关系, 从时间和空间角度选择9个自变量, 分别从路段长度一致和路段坡度一致2个角度, 构建交通事故起数时段、周日和月分布模型。以某典型交通事故多发段为例, 分别运用泊松回归模型、负二项回归模型、零堆积泊松回归模型和零堆积负二项回归模型拟合交通事故起数时段、周日和月分布模型, 根据模型的拟合优度检验, 分别确定3个模型的最佳形式, 从而构建交通事故起数时空分析模型。研究结果表明: 从AIC准则和BIC准则来看, 基于路段长度一致的交通事故起数时段、月分布模型采用负二项回归模型拟合效果较好, 其他模型选择泊松回归模型拟合效果较好; 基于路段长度一致的交通事故起数时段、周日、月分布模型的预测误差小于基于路段坡度一致的交通事故起数时段、周日、月分布模型。     

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。     

道路交通事故模拟再现的车辆动力学三维模型

应用动力学理论, 提出了用于道路交通事故模拟再现分析的车辆动力学三维模型, 并引用日本汽车研究所的16例车对车实车碰撞实验数据对该三维模拟模型的计算误差进行界定, 并与二维四轮模拟模型的计算精度进行了定量比较, 针对实际道路交通事故案例进行了模拟再现。实例证明车辆三维模型在计算车辆碰撞动力学问题时的总体平均相对误差值为6.65%, 虽然相对于车辆二维四轮模型其速度计算精度在总体水平上降低了1.43%, 但若考虑到其对道路交通事故形态的包容性和形象化方面的优势, 计算精度的适度降低是可以接受的。     

基于灰色-径向基函数神经网络的交通事故多元预测模型

为实现多影响因素作用下的道路交通事故预测, 将灰色系统理论和神经网络理论相结合, 发挥灰色理论提高可用信息利用率、弱化数据序列波动性的优点及神经网络特有的非线性适应性信息处理能力, 提出道路交通事故灰色-径向基函数神经网络多元预测模型, 并以某算例进行了不同预测方法结果对比。分析结果表明: 与灰色系统预测和径向基函数神经网络预测相比, 多元预测模型平均绝对误差、平均绝对百分比误差分别降低50.0%和12.5%, 不等系数降低54.5%和16.6%, 有效度提高2.7%和0.3%, 说明该组合预测能够有效提高系统建模效率与模型精度。