姬利娜 宋清華

(安陽工學(xué)院，河南 安陽 455000)

道路交通事故幾乎每天都會發(fā)生，由于其危害性極大，備受人們關(guān)注。交通事故預(yù)測可以根據(jù)以往發(fā)生事故的變化規(guī)律，對未來的不確定的事故作出推理，從而為制定交通安全對策提供理論依據(jù)。

1 交通事故預(yù)測模型的分析構(gòu)建

1.1 線性回歸預(yù)測模型

在許多實(shí)際問題中，影響城市道路交通事故的因素往往不只一個而常常是多個，稱此類回歸問題為多元回歸。線性回歸預(yù)測多數(shù)是利用多元線性回歸方程，通過尋找與因變量具有較強(qiáng)關(guān)聯(lián)關(guān)系的因素作為自變量，計(jì)算回歸系數(shù)，并經(jīng)過相關(guān)分析和顯著性檢驗(yàn)后，最終確定回歸預(yù)測方程。其一般形式如下:

式中:b，a1，a2，an為回歸系數(shù)。目前較典型的線性回歸預(yù)測模型有兩種:伊·阿拉加爾模型和北京模型。

1.2 非線性回歸預(yù)測模型

駕駛員的人為失誤可能導(dǎo)致交通事故，為便于定量描述人為失誤對交通事故的影響，采用人為失誤率預(yù)計(jì)法［1］(THERP 法)，得出駕駛員總的操作失誤率P總、人為失誤率P與事故發(fā)生總量Y 之間的關(guān)系。參照Logistic 的建模思想，建立模型為y = k/(1 + ae-bp)(k，a，b 為待識別參數(shù)，且均大于0)。通過公式轉(zhuǎn)換，可得:

1.3 灰色預(yù)測模型

GM(1，1)模型是最常用的一種灰色模型，其一般形式為:x(0)(k)+x(1)(k)= μ，參數(shù)辨識過程如下:

(1)構(gòu)造數(shù)據(jù)矩陣B

(2)構(gòu)造數(shù)陣向量yn=［x(0)(2)，x(0)(3)，…，x(0)(n)］T

通過還原處理得到預(yù)測值后，還需對預(yù)測模型進(jìn)行檢驗(yàn)。本文介紹GM(1，1)模型精度檢驗(yàn)常用的兩種方法:殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)。

①殘差大小檢驗(yàn)。殘差E(t)= R(1)(t)-(1)(t)，相對殘差

②后驗(yàn)差檢驗(yàn)。設(shè)原始數(shù)列R 與殘差數(shù)列E 的平均值分別為和。

記原始數(shù)列和殘差數(shù)列的均方差分別為S1和S2，然后定義后驗(yàn)差比值，小誤差頻率P = P{︱E(t)-︱ ＜0.6745 S1}

按P與C的大小，可將預(yù)測精度分為好、合格、勉強(qiáng)、不合格四類，詳見表1。

表1 P、C 值預(yù)測精度

2 道路交通事故灰色預(yù)測實(shí)例應(yīng)用

本文選擇云南省某市2000～2005年道路交通事故次數(shù)和死亡人數(shù)進(jìn)行灰色預(yù)測。表2 反映了該市道路交通事故次數(shù)(R)和死亡人數(shù)(S)的原始數(shù)據(jù)情況，這里以R 為例演示灰色預(yù)測方法的運(yùn)用，據(jù)此預(yù)測2013～2015年的交通事故發(fā)生情況。

表2 交通事故次數(shù)和死亡人數(shù)統(tǒng)計(jì)表

(1)交通事故次數(shù)原始數(shù)據(jù)

(2)原始數(shù)據(jù)一次累加生成

(3)參數(shù)向量計(jì)算

(4)預(yù)測模型建立

(5)模型精度檢驗(yàn)

a.殘差檢驗(yàn)

進(jìn)行殘差檢驗(yàn)后，模型的相對誤差(見表3)不是很大，模型的精度也較好。

表3 事故次數(shù)R 預(yù)測值的殘差E(t)及相對殘差e(t)

b.后驗(yàn)差檢驗(yàn)

經(jīng)計(jì)算得后驗(yàn)誤差比值C =0.2958，小誤差頻率P =1。根據(jù)灰色預(yù)測精度等級判斷標(biāo)準(zhǔn)(見表1)知，所建立的道路交通事故灰色預(yù)測模型精度較好，可以用于事故預(yù)測。

(6)事故預(yù)測

運(yùn)用所建立的灰色預(yù)測模型預(yù)測2013～2015 事故次數(shù)分別為:2044，2998，3568。同樣可以按照上述分析流程對該市的交通事故死亡人數(shù)進(jìn)行預(yù)測，預(yù)測結(jié)果見表4。

表4 GM(1，1)預(yù)測模型計(jì)算結(jié)果一覽表

3 結(jié)束語

通過對建立的灰色預(yù)測GM(1，1)模型進(jìn)行精度檢驗(yàn)，可見，運(yùn)用灰色理論進(jìn)行道路交通事故預(yù)測是可靠的。以上三種模型對交通事故預(yù)測側(cè)重于不同方面，灰色預(yù)測能在原始數(shù)據(jù)分布波動大、樣本少時，能相對較準(zhǔn)確地預(yù)測未來交通事故的發(fā)展趨勢，以達(dá)到減少交通事故的目的。

［1］劉建齊.道路交通事故預(yù)測中的灰色預(yù)測模型［J］.廣西交通科技，2003，28(4):100—109.

［2］過秀成.道路交通安全學(xué)［M］.南京:東南大學(xué)出版社，2001.

［3］成衛(wèi)，張瑾，李學(xué)敏著.城市道路交通安全理論模型與方法.云南人民科技出版社:2005.

［4］鄭建湖，黃明芳，陳慧.福州市道路交通事故灰色預(yù)測模型的構(gòu)建與實(shí)現(xiàn)［J］.武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版)，2011，(03)