王婷宇,張 杰

(1.湖南省高速公路集團(tuán)有限公司，長沙 410005;2.交通運(yùn)輸部公路科學(xué)研究所，北京 100088)

0 前言

根據(jù)2018年世界衛(wèi)生組織發(fā)布的《道路安全全球現(xiàn)狀報告》[1]，全球每年道路交通事故的死亡人數(shù)為135萬人，每天有近3 700人死于道路交通事故，道路交通事故已成為全球第8大死亡因素，并是5～29歲人群的第1大死亡因素.每年還有數(shù)千萬人因道路交通事故受傷或致殘，因道路交通事故產(chǎn)生的財產(chǎn)損失、醫(yī)療費(fèi)用和應(yīng)急費(fèi)用都是巨大的，同時也給家庭和社會帶來巨大的精神創(chuàng)傷.

道路交通事故的發(fā)生是由人、車、路、環(huán)境、管理等多種因素共同作用的結(jié)果，通過對道路交通事故的特征、分布規(guī)律、發(fā)生機(jī)理等開展研究以探究事故發(fā)生的深層次原因，為道路交通事故的預(yù)防提供技術(shù)支撐，具有重要的現(xiàn)實(shí)意義.近年來國內(nèi)外學(xué)者對道路交通事故開展了一系列研究，取得了一系列成果.國內(nèi)外學(xué)者從分心駕駛、攻擊性駕駛、疲勞駕駛、酒駕等危險駕駛行為角度分析人因?qū)Φ缆方煌ㄊ鹿实挠绊慬2-3]，從車輛主動安全、車輛被動安全、對弱勢道路使用者保護(hù)、對車輛乘員保護(hù)、車身碰撞相容性等車輛安全技術(shù)性能角度分析車輛對道路交通事故的影響[4-5]，從道路線形、道路安全設(shè)施、照明設(shè)施等道路設(shè)施角度分析道路對道路交通事故的影響[6-8].

針對道路交通事故的研究越來越多，但多集中于危險駕駛行為、車輛相容性設(shè)計(jì)、道路線形優(yōu)化等道路交通事故的某一方面，且多集中于一般事故的分析和重特大事故的分析，而對較大以上事故的發(fā)展趨勢預(yù)測和事故特征研究較少.本文通過對較大和重特大道路交通事故發(fā)展趨勢進(jìn)行預(yù)測研究，為后期準(zhǔn)確把握安全研究和安全管控的重點(diǎn)方向，以及預(yù)防交通事故的發(fā)生提供技術(shù)建議.

1 道路交通事故數(shù)據(jù)等級界定及統(tǒng)計(jì)信息

根據(jù)事故引起的財產(chǎn)損失和人員傷亡情況，《生產(chǎn)安全事故報告和調(diào)查處理?xiàng)l例》將事故劃分為4個等級，如表1所示.

表1 事故等級劃分標(biāo)準(zhǔn)

本文根據(jù)上述規(guī)定的事故等級劃分標(biāo)準(zhǔn)，將重特大道路交通事故定義為一次死亡10人以上(含10人)的道路交通事故，將較大事故定義為一次死亡3人以上(含3人)的道路交通事故.

2009—2017年公開的重特大和較大道路交通事故調(diào)查報告是本文分析重特大道路交通事故特征的主要數(shù)據(jù)來源之一.交通運(yùn)輸部公路科學(xué)研究院發(fā)布的2010—2016年《中國道路交通安全藍(lán)皮書》和公安部交通管理局2010—2016年發(fā)布的《道路交通事故統(tǒng)計(jì)年報》中，包含了上年度的全國道路交通事故分析、交通事故數(shù)據(jù)統(tǒng)計(jì)、較大以上道路交通事故數(shù)據(jù)統(tǒng)計(jì)與案例、歷年道路交通事故數(shù)據(jù)統(tǒng)計(jì)、交通事故相關(guān)資料5部分內(nèi)容，其中的重特大和較大道路交通事故數(shù)據(jù)是本文的另一個主要數(shù)據(jù)來源.

2 預(yù)測模型算法比選研究

2.1 預(yù)測模型算法的優(yōu)缺點(diǎn)

現(xiàn)在常用的預(yù)測模型算法主要有最小二乘法、回歸分析法、灰色預(yù)測法、決策論等4大類，每類預(yù)測模型算法的使用范圍及優(yōu)缺點(diǎn)如下：

2.1.1 最小二乘法

最小二乘法是通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配.利用最小二乘法可簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小.最小二乘法還可用于曲線擬合.其他一些優(yōu)化問題也可通過最小化能量或最大化熵用最小二乘法來表達(dá).

優(yōu)點(diǎn)：實(shí)現(xiàn)簡單，計(jì)算簡單.

缺點(diǎn)：不能擬合非線性數(shù)據(jù).

2.1.2 回歸分析法

回歸分析法指的是確定2種或2種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法.在大數(shù)據(jù)分析中，回歸分析是一種預(yù)測性的建模技術(shù)，它研究的是因變量(目標(biāo))和自變量(預(yù)測器)之間的關(guān)系.這種技術(shù)通常用于預(yù)測分析，時間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系.

優(yōu)點(diǎn)：在分析多因素模型時，更加簡單和方便，不僅可預(yù)測并求出函數(shù)，還可自己對結(jié)果進(jìn)行殘差的檢驗(yàn)，檢驗(yàn)?zāi)Ｐ偷木?

缺點(diǎn)：回歸方程式只是一種推測，這影響了因子的多樣性和某些因子的不可測性，使得回歸分析在某些情況下受到限制.

2.1.3 灰色模型預(yù)測法

灰色模型預(yù)測法是一種對含有不確定因素的系統(tǒng)進(jìn)行預(yù)測的方法.它通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對原始數(shù)據(jù)進(jìn)行生成處理來尋找系統(tǒng)變動的規(guī)律，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測事物未來發(fā)展趨勢的狀況.它用等時間距離觀測到的反應(yīng)預(yù)測對象特征的一系列數(shù)量值構(gòu)造灰色預(yù)測模型，預(yù)測未來某一時刻的特征量，或者達(dá)到某一特征量的時間.

優(yōu)點(diǎn)：對于不確定因素的復(fù)雜系統(tǒng)預(yù)測效果較好，且所需樣本數(shù)據(jù)較小.

缺點(diǎn)：基于指數(shù)率的預(yù)測沒有考慮系統(tǒng)的隨機(jī)性，中長期預(yù)測精度較差.

2.1.4 決策樹

決策樹是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過構(gòu)成決策樹來求取凈現(xiàn)值的期望值大于等于零的概率，評價項(xiàng)目風(fēng)險、判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法.由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹.在機(jī)器學(xué)習(xí)中，決策樹是一個預(yù)測模型，代表的是對象屬性與對象值之間的一種映射關(guān)系.

優(yōu)點(diǎn)：能處理不相關(guān)的特征；在相對短的時間內(nèi)能對大型數(shù)據(jù)源做出可行且效果良好的分析；計(jì)算簡單，易于理解，可解釋性強(qiáng)；比較適合處理有缺失屬性的樣本.

缺點(diǎn)：忽略了數(shù)據(jù)之間的相關(guān)性；容易發(fā)生過擬合；在決策樹當(dāng)中，對于各類別樣本數(shù)量不一致的數(shù)據(jù)，信息增益的結(jié)果偏向于那些具有更多數(shù)值的特征.

考慮到事故的發(fā)生是多因素復(fù)合作用的結(jié)果，且本論文的樣本數(shù)據(jù)較小，主要是側(cè)重于對近10年事故趨勢的預(yù)測，在綜合比選4類預(yù)測模型算法優(yōu)缺點(diǎn)的基礎(chǔ)上，本論文選取灰色模型預(yù)測方法進(jìn)行較大以上事故發(fā)展趨勢的預(yù)測研究.

2.2 灰色模型預(yù)測算法原理

灰色預(yù)測是以灰色理論為基礎(chǔ)的，在諸多的灰色模型中，以灰色系統(tǒng)中單序列一階線性微分方程模型GM(1，1)模型最為常用[9].

設(shè)有原始數(shù)據(jù)列：

x(0)=(x(0)(1)，x(0)(2)，…，x(0)(n))
(n為數(shù)據(jù)個數(shù))

如果根據(jù)x(0)數(shù)據(jù)列建立GM(1，1)來實(shí)現(xiàn)預(yù)測功能，則基本步驟如下：

步驟1原始數(shù)據(jù)累加以便弱化隨機(jī)序列的波動性和隨機(jī)性，得到新數(shù)據(jù)序列：

x(1)=(x(1)(1)，x(1)(2)，…，x(1)(n))

式中x(1)(t)中各數(shù)據(jù)表示對應(yīng)前幾項(xiàng)數(shù)據(jù)的累加.

步驟2對x(1)(t)建立x(1)(t)的一階線性微分方程

式中a，u為待定系數(shù)，分別稱為發(fā)展系數(shù)和灰色作用量.

步驟3對累加生成數(shù)據(jù)作均值生成B與常數(shù)項(xiàng)向量Yn，即

步驟4用最小二乘法求解灰參數(shù)，則

步驟5將灰參數(shù)代入并對進(jìn)行求解，得

步驟6對函數(shù)表達(dá)式(1)(t+1)及(1)(t)進(jìn)行離散并將二者作差以便還原x(0)原序列，得到近似數(shù)據(jù)序列(0)(t+1)如下：

(0)(t+1)=(1)(t+1)-(1)(t)

步驟7對建立的灰色模型進(jìn)行檢驗(yàn).

步驟8利用模型進(jìn)行預(yù)測

3 基于灰色模型的較大以上道路交通事故發(fā)展趨勢預(yù)測

3.1 重特大道路交通事故發(fā)展趨勢預(yù)測

根據(jù)上述資料的統(tǒng)計(jì)分析，2009—2018年我國重特大道路交通事故的數(shù)量及死亡人數(shù)統(tǒng)計(jì)數(shù)據(jù)如表2所示：

表2 我國2009—2018年重特大道路交通事故信息統(tǒng)計(jì)

基于灰色模型的重特大事故發(fā)展趨勢預(yù)測結(jié)果如表3所示.

表3 我國2019—2028年重特大道路交通事故信息預(yù)測

基于灰色模型的重特大道路交通事故發(fā)展趨勢預(yù)測結(jié)果如圖1所示.

圖1 基于灰色模型的重特大道路交通事故發(fā)展趨勢預(yù)測結(jié)果

3.2 較大事故發(fā)展趨勢預(yù)測

根據(jù)上述資料的統(tǒng)計(jì)分析，2009—2018年我國較大道路交通事故的數(shù)量及死亡人數(shù)統(tǒng)計(jì)數(shù)據(jù)如表4所示：

表4 我國較大道路交通事故信息統(tǒng)計(jì)

基于灰色模型的較大道路交通事故發(fā)展趨勢預(yù)測結(jié)果如表5所示.

表5 我國2019—2028年較大道路交通事故信息預(yù)測

基于灰色模型的較大道路交通事故發(fā)展趨勢預(yù)測結(jié)果如圖2所示.

3.3 較大以上道路交通事故發(fā)展趨勢分析

通過對基于灰色模型的較大以上道路交通事故發(fā)展趨勢預(yù)測結(jié)果分析，在當(dāng)前和今后一個時期，重特大和較大道路交通事故均呈逐漸下降趨勢.在2025年以后，重特大道路交通事故將得到有效遏制，處于偶發(fā)狀態(tài)；而較大道路交通事故雖呈下降趨勢，但存量依然較大，事故數(shù)量和死亡人數(shù)仍處于較高位置.

4 結(jié)束語

本文對2009—2018年較大以上道路交通事故起數(shù)和死亡人數(shù)進(jìn)行統(tǒng)計(jì)分析的基礎(chǔ)上，基于灰色模型對較大以上道路交通事故的發(fā)展趨勢進(jìn)行預(yù)測.通過對2019—2028年的預(yù)測結(jié)果進(jìn)行分析，在2025年以后，重特大道路交通事故將得到有效遏制，處于偶發(fā)狀態(tài)；而較大道路交通事故雖呈下降趨勢，但存量依然較大，事故數(shù)量和死亡人數(shù)仍處于較高位置.因此，在當(dāng)前和今后一個時期，道路交通安全研究和安全管控的重點(diǎn)方向，將轉(zhuǎn)移到在鞏固重特大道路交通事故預(yù)防成果、保持穩(wěn)定態(tài)勢基礎(chǔ)上，著力在減少較大道路交通事故上下功夫，補(bǔ)短板、堵漏洞、強(qiáng)弱項(xiàng)，防風(fēng)險、除隱患、保安全，嚴(yán)控嚴(yán)防較大以上道路交通事故.依托于前期對重特大道路交通事故的研究成果，開展對較大道路交通事故形成機(jī)理的研究，通過探尋較大以上道路交通事故的特征及發(fā)生規(guī)律，實(shí)現(xiàn)徹底消除重特大道路交通事故的發(fā)生，以及盡可能減少較大以上道路交通事故發(fā)生數(shù)量的目標(biāo).