道路交通事故预测的理论与方法

道路交通事故预测的理论与方法摘要：道路交通事故预测是道路交通安全研究的一项重要内容，本文首先介绍了事故预测的定义、要素、程序然后分析了现有交通事故预测方法，并对这些方法进行了比较评述，以便于我们正确的选用预测方法对交通事故进行预测。关键词：道路交通事故；预测；原理和方法0.引言道路交通事故作为道路交通的三大公害之一,它不仅直接威胁着道路使用者的人身安全,带来巨大的经济损失,还严重地影响着道路交通系统的正常运行。交通事故是随机事件，表面上它没有规律可循，其实，交通事故偶然性的表象，是始终受其内部的规律所支配的，这种规律已被大量的交通事故的研究结果所证实，它是客观存在的【1】。因此利用交通事故的客观发展规律，对交通事故的发展进行预测以便减少和防止交通事故的发生改善城市交通安全状况是至关重要的。1.交通事故预测的涵义及目的道路交通事故预测就是对交通事故未来的形势进行估计和推测。它是通过对交通事故的过去和现在状态的系统探讨，并考虑其相关因素的变化，所做出的对交通事故未来状态的描述过程[2]。具体可以定义为:以某个地区或某条道路为研究对象，通过查阅资料、调查等手段获得与道路交通事故相关的信息(历年事故指标、人口、GDP、车辆保有量、公路通车里程、道路设施、道路线形、天气等信息)，根据这些信息，应用数学方法，如:模糊数学、统计学、灰色理论等，通过定性与定量相结合的方法来预测未来道路交通事故发生状况。进行道路交通事故预测就是为了掌握未来交通事故的状况，根据交通事故预测情况有针对的采取相应的对策和决策，避免日后工作中的缺陷和不足，从而最终达到减少交通事故的目的【3】。2.交通事故预测的类型及作用2.1交通事故预测的类型按照预测目标，道路交通事故预测可以分为事故率预测和事故数预测，事故率预测是用来揭示未来年事故发展趋势，事故数预测是用来揭示未来年事故发展程度按预测范围可分为宏观预测和微观预测两类。交通事故宏观预测是指对时间较长(一年以上)或空间区域较大的交通事故进行总体性和趋势性的预测,如地区交通事故变化趋势预测等。交通事故微观预测是指短时间内或某一地点、路段交通事故变化的预测,如一年内各月交通事故预测、交叉口事故预测、某路段事故预测等【4-6】。2.2道路交通事故预测的作用作用主要有：(l)根据历年道路交通事故原始数据，预测未来年交通事故发展趋势，为交通安全管理部门制定安全管理对策、有效控制交通事故影响因素提供依据。(2)在现有道路交通管理控制条件下，预测某个地区或某条道路未来年交通事故状况，以便评价城市或道路交通安全状况。(3)总结事故发展的规律和发生特点，为制定针对性防范措施和交通法规提供有效依据。3.事故预测的要素和步骤3.1预测的基本要素(l)时间:不同的预测方法适用于不同的预测期限,一般来讲,定性预测较多地用于长期预测,而定量预测适用于各个预测期。(2)数据:不同的预测方法适用于不同的数据类型。在选择预测方法时,应根据现有数据的特征选择适当的方法。(3)模型:大多数预测方法都要求运用某种模型,每种模型的应用前提是不同的。因此,应根据具体情况建立适当的模型。(4)费用:预测是一个研究的过程,预测费用一定程度上影响预测方法的选择。(5)精度:定量预测的精度或准确度对决策具有重要的意义,不同情况下对预测结果的精度要求会有所差异。(6)实用性:预测是为决策服务的,只有容易理解、使用方便、结果可靠的预测方法才能被广泛使用【7】。3.2预测的步骤【8】科学的预测是广泛调查研究的基础上进行的，涉及方法的选择、资料的收集、数据的整理、建立预测模型、利用模型预测和对预测结果进行分析等一系列工作。总的来说，预测步骤为:(l)确定目标：该阶段的内容为确定预测对象、提出预测目的和目标，明确预测要求等。(2)确定预测要素：鉴别、选择和确定预测要素，从大量影响因素中，挑选出与预测目的有关的主要影响因素。(3)选择预测方法：预测方法很多，到目前为止，各类预测方法在150种以上。因此应根据预测的目的和要求，考虑预测工作的组织情况，合理的选择效果较好的、既经济又方便的一种或几种预测方法。(4)收集和分析数据：该阶段根据预测目标和选择预测方法的要求去收集所需原始数据。原始数据是进行预测的重要依据，所收集原始数据的质量和可靠性将直接影响预测的结果。对原始数据的要求是数据量足、质量高，只有这样，才能贴切地反映事物的规律，因此收集足够数量的可靠性高的数据是这个阶段的任务。(5)建立预测模型：建立预测模型是预测的关键工作，它取决于所选择的预测方法和所收集到的数据。建立模型的过程可分为建立模型和模型的检验分析两个阶段。(6)模型的分析：模型的分析是指对系统内部、外部的因素进行评定，找出使系统转变的内部因素和客观环境对系统的影响，以分析预测对象的整体规律性。(7)利用模型预测：所建立的模型是在一定假设条件下得到的，因此也只适用于一定条件和一定预测期限。只有在确认模型符合预测要求时，才可以利用模型进行预测。(8)预测结果的分析：利用预测模型所得到的预测结果并不一定与实际情况相符。因为在建立模型时，往往有些因素考虑不周或因资料缺乏以及在处理系统问题时的片面性等使预测结果与实际情况偏离较大，故需从两个方面进行分析:①用多种预测方法预测同一事物，将预测结果进行对比分析、综合研究之后加以修正和改进;②应用反馈原理及时用实际数据修正模型，使模型更完善。其具体步骤见图1。图1预测步骤4.交通事故预测方法交通事故预测方法有定性预测和定量预测两大类。定性预测是在数据资料掌握不多,或需要短时间内做出预测的情况下,运用人的经验和判断能力,用逻辑思维方法,把有关资料加以综合,对交通事故的发展趋势和特点作出定性的描述。常用的定性预测技术有:专家会议法、德尔菲法、主观概率法、趋势判断法、类推法、相互影响分析法等。定量预测是在历史数据和统计资料的基础上,运用数学或其他分析技术,建立可以表现数量关系的模型,并利用它来近似预测对象在未来可能表现的数量。常用的定量预测技术有综合系数法、时间序列法、回归分析法、灰色预测法【3】。4.1定性预测4.1.1专家会议法这种方法预测交通事故简便易行,有助于互相启发与补充,容易产生一致意见,但在实施过程中容易受社会压力、多数人的观点和权威人物意见的影响。因此,预测结果不一定能反映各位专家的真实想法【5】。4.1.2德尔菲法德尔菲法融合了专家个人判断法和专家会议法的优点,同时又避免了两者的缺陷,它具有匿名性、反馈性和收敛性等特点。因此,采用德尔菲法可能比其它判断方法的预测精度要高一些,但毕竟还是专家的主观臆断【4-7】。4.2.定量预测4.2.1综合系数法综合系数法认为交通事故的发生与机动车保有量和人口数存在直接关系,根据基年机动车保有量、人口数及交通事故死亡人数计算出综合系数,然后按照综合系数和预测年的机动车保有量及人口数预测交通事故死亡人数。4.2.2时间序列方法时间序列预测法也称时间序列趋势外推法,是将预测对象按照时间顺序排列起来,构成一个所谓的时间序列,从分析时间序列的变化趋势特征等信息选择适当的模型和参数建立预测模型,并根据惯性原则假定预测对象以往的变化趋势会延续到未来,从而做出相应的预测,包括移动平均数法、指数平滑法等。该预测方法的一个明显特征是所用的数据都是有序的。这类方法预测精度偏低,通常要求研究对象具有相当的稳定性,历史数据量要大,数据分布具有较明显的趋势【6】。(1)简单平均法:a.算术平均法:算术平均法是把历史数据加以算术平均，并以平均数作为预测值的方法。预测模型：式中:预测值的算术平均数；第i个历史数据；参加平均的历史数据的个数。b.加权平均法:加权平均法的预测模型为:式中：预测值的加权平均数；第i个历史数据；给予第i个历史数据的权数【8】。(2)指数平滑法:指数平滑法，也叫指数修正法，是一种简便易行的时间序列预测方法。它是在移动平均法基础上发展起来的一种预测方法，是移动平均法的改进形式。使用移动平均法有两个明显的缺点:一是它需要有大量的历史观察值的储备;二是要用时间序列中近期观察值的加权方法来解决，因为最近的观察中包含着最多的未来情况的信息，所以必须相对地比前期观察值赋予更大的权数。即对最近期的观察值应给予最大的权数，而对较远的观察值就给予递减的权数。指数平滑法就是既可以满足这样一种加权法，又不需要大量历史观察值的一种新的移动平均预测法。4.2.3回归分析法回归分析法是从被预测变量和与它有关的解释变量之间的因果关系出发,通过建立回归分析模型,预测对象未来发展的一种定量方法。回归分析能较好地反映交通事故与诸影响因素的因果关系,并且能较容易地建立模型和检验预测结果,因而回归分析技术在交通事故预测中应用最普遍。但是,回归分析要求样本量大、数据波动不大、规律性强等条件,否则其预测精度便受到影响。另外,由于回归分析对新旧数据同等对待,只注重对过去数据的拟合,因此其外推性能较差,对变化趋势反应迟钝。如果一个地区的交通事故发生量与其众多影响因素间有线性关系，即：(1)上式是一个多元一次线性函数。Y是交通事故发生量，称为因变量；是影响交通事故发生量的各因素，称为自变量，简称变量；是系数。我们的目的就是根据历年来的的调查资料，应用最小二乘法回归出上述方程，这样的方程称为多元回归方程，其系数称为偏回归系数。用样本的去估计总体的从而得到(1)式的估计式：(2)利用最小二乘法求参数，就是求解使偏差平方和达到最小值的根据极值原理：(3)求解(3)式，得到，就可以对进行估计，从而确定回归方程。一旦确定了回归方程，就可以把某一年的各个自变量数值代入方程，求得该年的交通事故发生量[12]。4.2.4灰色模型法在预测中,可将一个地区的道路交通系统视为灰色系统,把交通事故当作灰色量。对影响本次事故的有关因素进行关联分析,找出主要的影响因素,建立生成数列和灰色预测模型。交通事故灰色预测的特点是在数据量少、资料不完全的情况下采用。但是预测结果的后检验差表明,交通事故灰色预测的精度不高。在实际预测中,可运用定性与定量相结合或灰色预测与其它方法相结合的组合预测法构造预测模型,这样预测的精度会有很大的提高。灰色预测是将已知的数据序列按照某种规则构成动态或非动态的白色模块。再按照某种变化、解法来求解未来的灰色模型。具体讲:当一时间序列无明显趋势时，采用累加的方法生成一趋势明显的时间序列，按该序列增长趋势建立预测模型，并考虑灰色因子的影响进行预测，然后采用累减的方法进行逆运算，恢复时间序列，得到预测结果[13][14]。灰色预测方法预测步骤如下:(1)原始数列的确定(2)对原始数据进行累加处理对作一次累加生成，即令：则得生成数列：(3)GM(l，l)模型的建立：设原始时间序列为通过累加生成新的序列为：则GM(1，1)模型相应的微分方程为：式中:a—发展灰数u—内生控制灰数其解的离散描述形式为:(4)确定GM(l，1)模型的参数a,u为待估参数向量，用最小二乘法求解出:式中：求解参数向量:将已知的B，代入公式可得GM(l，l)预测模型中的参数值a和u。即可得预测模型:(5)还原模型可得原始数列的预测公式为：或(6)模型精度检验生成残差及残值均值：；原始数据的方差:；残值的方差:后验差比值：小误差:按p和c的大小，可将模型的预测精度分为好、合格、勉强和不合格4类，各类的p、c值见表[15][16]。灰色预测精度等级表预测模型精度等级好合格勉强不合格P0.950.800.700.7.C0.350.500.650.654.2.5神经网络预测【11】人工神经网络建模是人工智能研究的一个分支，它具有强并行处理、容错性、鲁棒性、自适应及自组织的能力，因此，其具有在复杂的非线性系统中较高的建模能力及对数据良好的拟合能力。正是由于人工神经网络模型的良好性能，近年来它在非线性时序预测中得到了大量的应用。道路交通事故的形成是人、车、路、环境等多个非线性因素共同作用的结果，且带有较大的随机性。而传统的线性分析方法无法解释其内蕴，故存在较大的局限性，同时由于受到数据量太少和噪声污染等因素的影响，