基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

考虑车道变换影响的高速公路交通事故预测模型研究

考虑车道变换可能对交通安全造成不利影响,结合广东省3条高速公路64个路段的交通运行状况数据和交通事故历史数据,利用负二项分布预测方法,建立并标定了基于交通量、路段长度、车道变换次数、大型车变道比例、单位里程变道次数等5个解释变量10组不同组合的交通事故预测模型.通过计算各组模型的Akaike信息量准则指标,得到了3组权衡了模型结构(即解释变量数量)和数据拟合度的最优模型.结果表明,虽然3组最优预测模型的预测精度仍有待提高,但是考虑车道变换影响的交通事故预测模型明显优于其他模型.这说明与车道变换相关的变量可以作为交通事故预测的有效解释变量,并且引入该类型变量可以更好地预测高速公路交通事故的发生.     

广义估计方程在交通事故频数建模中的应用

由于交通事故数据在记录与获取方面的问题,发展中国家学者进行事故频次建模中往往受到小样本量问题的约束.为扩大样本量,传统广义线性模型将每年事故频数作为独立变量分析,但无法考虑每年事故频数间的时间相关性,估计结果存在偏差.采用广义估计方程进行小样本交通事故数据的事故频数建模,并与传统的广义线性模型估计结果进行了对比.结果表明,传统的广义线性模型低估了说明变量系数的标准误差,论文采用的广义估计方程考虑了交通事故数据间的时间相关性,对于预测变量对于交通事故频数的影响估计更加准确,因此适合小样本交通事故数据的事故频数建模分析.      

基于广义线性模型的高速公路交通事故预测

为分析高速公路交通流状态参数对交通事故的影响,建立了基于广义线性模型的高速公路交通事故预测模型。采用美国8号州际高速公路的实时交通流数据和交通事故数据,建立了实时交通流状态下的高速公路泊松分布预测模型和负二项分布预测模型,并给出了模型变量弹性系数的计算方法,用以确定高速公路交通事故的突出诱导因素。研究结果表明:广义线性模型能够很好的拟合高速公路交通事故,并且负二项分布预测模型的预测精度高于泊松分布预测模型;交通量、占有率、大车比例和速度标准差是高速公路交通事故的显著影响参数,并且与之呈正向关系;交通量是诱导高速公路交通事故发生最突出因素,交通量增长1%,可导致交通事故增长5.8%。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

提高东风平头载货汽车点火锁可靠性

东风平头载货汽车点火锁(37N-04010)三包索赔次数较多,已严重影响了该车的品质,公司针对产品结构与产品材料进行了新的改进,取得了良好的效果。     

基于中国保险汽车安全指数 C-IASI的商业车险纯保费研究

车险作为我国第一财险险种,费率厘定不够精准一直是行业发展的痛点。在国外发达保险市场上,汽车碰撞安全等级及其修复性一直是重要费率厘定因子,并设有相关机构进行汽车碰撞测试。为了弥补我国在这方面的空白,中保研汽车技术研究院和中国汽车工程研究院在中国保险协会的指导下跨界合作开展低速碰撞测试,模拟事故常见的正碰和追尾,从耐撞性、维修经济性、维修比、维修费用、气囊是否直接起爆等 5个维度进行汽车耐撞性及经济维修性测评,构建中国保险汽车安全指数C-IASI。通过引入C-IASI的9项指标,并建立泊松-伽马模型和Tweedie模型,探究汽车自身耐撞性和维修经济性导致的不同赔付差异与机动车辆保费的适配性。实证结果表明,加入中国保险汽车安全指数C-IASI后,商业车险纯保费预测效果有明显提升,泊松-伽马模型和Tweedie模型预测效果接近。     

高速公路交通事故非线性负二项预测模型

以京港澳高速公路（G4）粤境北段3年发生的1 354起交通事故为研究对象,将基础数据根据路段长度一致、曲线半径一致和坡度一致划分路段单元对基础数据进行处理,从道路线形和环境条件2个方面选取13个自变量,分别采用负二项（Negative Binomial,NB）回归模型和非线性负二项（Nonlinear Negative Binomial,NNB）回归模型建立交通事故起数预测模型,根据模型的拟合优度和预测准确性对比分析负二项回归和非线性负二项回归模型的优劣,并找出影响交通事故起数的显著自变量,分析显著自变量对交通事故起数的影响程度。研究结果表明：无论采用上述何种路段划分方法,非线性负二项回归模型构建的交通事故起数预测模型均优于负二项回归模型;采用坡度一致划分方法明显优于路段长度一致和曲线半径一致划分方法,更适合应用于山区高速公路交通事故数预测研究;从显著变量相关性来看,路段长度、相邻路段坡度变化值、弯坡组合、曲率、是否存在隧道路段以及是否为易结冰和起雾路段均是非线性模型的显著影响因素。     

基于出行全过程分析的多模式公交选择行为研究

在出行全过程的可达、候车、乘车、换乘4个阶段的基础上,建立基于时间价值函数的广义费用模型,并将广义费用及其他影响因素作为参数变量,建立了多模式公交出行方式,以公交快线、公交普线、轨道交通为主,公交支线、步行、自行车为辅,选择的NL模型,对显著性影响因素进行了分析.结果表明:本文所设计的模型拟合效果较高,在改善显著性较高的影响因子时,对优化公交系统、提高公交出行比例有重要意义.     

基于逐类组合支持向量机的边坡稳定性预测研究

首次采用逐类组合支持向量机（TCSVM）方法,用于解决边坡稳定性预测的问题。模型是先用支持向量分类机（SVC）对边坡状态进行判识,然后用支持向量回归机（SVR）建立边坡安全系数预测模型,再用建好的模型对未知边坡的稳定性进行判别和安全性系数预测。利用模型对71个边坡实例中的61个进行学习,10个进行检验。结果表明:TCSVM对边坡安全系数的预测结果均优于SVM和PCA-SVM。表明逐类组合支持向量机方法提高了安全性系数预测的准确率,对边坡稳定性研究具有积极意义。     

基于 Logistic 回归模型的三线城市道路事故数据分析

根据乌鲁木齐市2006~2010年的交通事故统计资料,分别以城市道路中9类不同的交通事故形态为因变量,从道路设施、道路环境等方面选取了9个因素作为自变量,通过二项logistic模型进行事故形态分析,建立事故形态与9个影响因素间的线性相关模型,对模型参数进行了估计,并对模型的拟合程度、可靠性进行了分析,研究了所有自变量单独/组合等不同情况下对因变量的影响。再通过多项Logistic模型对不同道路条件下,各种形态的事故发生几率进行了预测,并与实际情况进行对比,检验了模型拟合效果。      

基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。     

基于道路线形的智能汽车事故多发路段预判模型

分析了道路线形对智能汽车行驶安全性的影响,分别使用数据驱动的机器学习方法和模型驱动的经典数学建模方法,建立了以道路线形技术指标为输入的神经网络模型和多元数学模型,预测事故多发路段;计算了各个道路线形技术指标与事故率之间的偏相关系数,从中挑选出与事故率相关程度较大的道路线形特征,使用T检验和F检验验证了道路线形特征组合和...     

基于曲线拟合的路基沉降预测方法的稳定性分析

对工程中采用较多的双曲线法、星野法、浅岗法预测模型的拟合参数评价指标进行探讨,并实例分析了三种方法预测结果的稳定性。结果表明:曲线拟合类沉降方法预测结果的稳定性与回归公式拟合参数密切相关,双曲线法、星野法受拟合起点影响较小,稳定性好;浅岗法受拟合起点和时间间隔影响较大,当时距取值不同时,预测沉降结果表现出不稳定性。     

Crash prediction model for two-lane rural highways in the Ashanti region of Ghana

Crash Prediction Models (CPMs) have been used elsewhere as a useful tool by road Engineers and Planners. There is however no study on the prediction of road traffic crashes on rural highways in Ghana. The main objective of the study was to develop a prediction model for road traffic crashes occurring on the rural sections of the highways in the Ashanti Region of Ghana. The model was developed for all injury crashes occurring on selected rural highways in the Region over the three (3) year period 2005–2007. Data was collected from 76 rural highway sections and each section varied between 0.8 km and 6.7 km. Data collected for each section comprised injury crash data, traffic flow and speed data, and roadway characteristics and road geometry data. The Generalised Linear Model (GLM) with Negative Binomial (NB) error structure was used to estimate the model parameters. Two types of models, the ‘core’ model which included key exposure variables only and the ‘full’ model which included a wider range of variables were developed. The results show that traffic flow, highway segment length, junction density, terrain type and presence of a village settlement within road segments were found to be statistically significant explanatory variables (p < 0.05) for crash involvement. Adding one junction to a 1 km section of road segment was found to increase injury crashes by 32.0% and sections which had a village settlement within them were found to increase injury crashes by 60.3% compared with segments with no settlements. The model explained 61.2% of the systematic variation in the data. Road and Traffic Engineers and Planners can apply the crash prediction model as a tool in safety improvement works and in the design of safer roads. It is recommended that to improve safety, highways should be designed to by-pass village settlements and that the number of junctions on a highway should be limited to carefully designed ones.     

基于岗位要求的高职《汽车保险与理赔》课程信息化教学改革研究与实践

文章基于汽车保险行业岗位要求,根据《汽车保险与理赔》课程特点和教学中存在的问题进行信息化教学改革,培养学生保险销售能力、承保核保能力以及查勘定损实际处理能力。此次改革增强了学生自主学习意识,提高了学习兴趣,实现以“学生为主,教师为辅”的教学模式,提升教学效果。     

不同优化类型组合预测模型在沙漠软土路基的应用

某沙漠重载铁路工程，地势低洼路段雨季易积水，加上原有高地下水位的长期浸泡和植物根系的有机分解积累，形成了淤泥质或泥炭质软土地基；运用理论分析、现场监测等方法，从权重分配合理性和子模型组合结构两方面探讨组合预测模型的精度优化效果，开展沙漠淤泥质软土路基沉降预测研究。结果表明：双曲线法、三点法、指数曲线法、泊松曲线法、BP神经网络5种预测模型均能达到较高水平的拟合程度；变权重组合预测模型、引入鲸鱼优化算法的自适应权重组合预测模型、滚动动态组合预测模型对于预测精度、效果的提升较小；引入BP神经网络的误差补偿组合预测模型，极大程度地降低了人为建立子预测模型组合结构所产生的精度影响，在沙漠淤泥质软土路基中具有更优的预测精度及效果。     

基于冲突概率的无信号控制T形交叉口安全评价

为了更合理地评价无信号控制 T 形交叉口的安全水平,研究在交叉口类型划分的基础上,提出1种以交通冲突数的概率分布为评价指标的安全评价方法。其中,交通冲突数的均值和分布分别采用广义线形模型和泊松分布描述,在广义线形模型中,交通冲突数的均值为被解释变量,冲突交通流的交通量为解释变量,根据交通冲突数的均值估算,计算交通冲突数的泊松分布的概率。在利用实测数据对广义线形模型的参数进行标定后,根据主路直行与非直行交通流量之间的差异性,进一步提出了简化模型,将主路直行交通的影响简化为影响系数,并根据流量不同划分为4个等级,通过分析交通冲突数的概率计算值与安全阈值数的概率临界值之间的关系,进行无信号控制 T 形交叉口的安全评价。最后通过实际案例,对模型的可操作性和准确性进行了检验。研究表明,非直行流向流量较直行交通流量对交叉口安全水平的影响更大,利用文中所提出的简化模型,可重点调查其它流向流量,而主路直行交通流量只需观测其流量大致范围即可,平均工作效率提升25%。