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．     

基于模糊推理的交通需求总量组合预测模型研究

组合预测模型的权重向量是影响预测精度的关键因素.考虑到单个模型的前期预测绝对误差,和连续k期相对误差率因子对单个模型的权重影响程度难以精确量化,采用模糊数学的方法对绝对误差和k期相对误差率进行模糊化,并基于典型模糊推理控制结构设计推理规则,从而对单个预测模型的权重进行动态计算.     

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。     

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。     

基于诱导有序信息集结算子的最优组合预测模型在交通事故预测中的运用

基于诱导有序信息集结算子的最优组合预测模型在交通事故预测中的应用实例表明：基于10WHA算子的组合预测模型能够充分利用各个单项预测的有用信息,提高预测的精度,从而成为交通事故组合预测模型的一种新方法。     

道路交通事故预测模型的构建与应用

介绍了基于多元线性回归分析和灰色理论的道路交通事故预测模型的构建,分析了道路交通事故预测模型在交通事故的预防和交通安全管理决策中的应用.     

道路交通事故死亡人数预测模型的研究

目前，我国道路交通事故死亡人数不仅占据国内各类安全生产事故死亡人数的绝对数，而且已居世界首位。2005年，全国各类安全生产事故死亡126760人，其中道路交通事故死亡98738人，约占总数的77．9％；2006年，全国各类安全生产事故死亡112822人，其中道路交通事故死亡89455人，约占总数的79．3％。公安部刘金国副部长在2007年3月26日召开的全国道路交通安全工作部际联席会议第三次会议上发言指出，研究建立科学考核体系，[第一段]     

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.     

道路交通事故多因素时间序列宏观预测模型

针对现有道路交通事故预测方法在实际应用中的不足，引入多因素时间序列法，建立了道路交通事故多因素时间序列宏观预测模型．该预测模型兼有单因素时间序列法和多元线性回归法两者的优点，通过单因素时间序列法可以方便、快捷地得出事故影响因素的预测值，而利用多元线性回归法可将各种事故影响因素综合起来，预测出道路交通事故总体发展趋势．实例计算证明，道路交通事故多因素时间序列宏观预测模型能很好地适用于道路交通事故预测，同时具备了所需数据资料较少、建模简单、计算快捷等优点．     

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.     

道路交通量数列预测模型

应用灰色系统理论对道路交通量进行数列预测,并结合实例建立相应的模型予以验证,通过精度分析及与实际情况的比较,说明数列预测模型应用于道路交通量预测精度较高,而且方法简便.     

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。     

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。     

寒冷地区道路交通事故分布规律研究

通过对地处寒冷地区的黑龙江省和辽宁省 2 0 0 0年及哈尔滨市 1989年至 2 0 0 0年发生的道路交通事故的分析 ,研究了道路交通事故的分布规律 ,找出寒冷地区道路交通事故分布的特点 ,以期有助于交通管理部门改善寒冷地区道路交通安全状况 ,减少事故次数和损失     

道路交通事故影响因素分析

分别从人、车辆、道路及管理四个方面分析了诱发交通事故的原因,提出了为减少和预防交通事故发生的措施.     

基于PSO—SVM的交通事故预测

为更加准确地描述道路交通事故发生的规律,结合粒子群算法和支持向量机理论,提出一种粒子群算法（Ps0）优化支持向量机（SVM）的道路交通事故预测模型,并用相应的数据进行仿真研究。结果表明,基于粒子群算法优化支持向量机模型（PS（）ISVM）NNNNNNN,能较好地契合道路交通事故的变化趋势。     

公路交通事故的影响因素与事故率模型

对哈大公路交通事故进行了实际调查,并对影响事故发生的因素及事故率模型进行了分析。     

我国道路交通事故浅析

从分析我国道路交通运输事故产生的原因入手,对道路交通事故的安全管理作用进行了论述,并提出了预防道路交通事故的对策。     

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。     

武隆县道路交通安全调查分析

重庆市武隆县位处我西部重丘地带,道路交通情况复杂,重、特大事故发生率高,交通安全形势较为严重.其交通事故的发生与当地交通执法、道路设计和管理缺陷、环境条件等有密切关系.