道路交通安全事故成因及预测模型研究

【摘要】： 作为研究道路交通安全的一项重要手段,道路交通安全预测方法的研究已经越来越受到关注和重视。通过对已有数据的分析,构建合适的能够反映系统发展规律的定量模型,以达到掌握道路交通安全未来发展趋势的目的,从而及时采取相应的措施规避潜在风险,为合理制定与时俱进的道路交通安全管理目标提供可靠依据。 道路交通系统具有动态性、随机性、因果性和再现性等特点,这就直接导致了提高道路交通安全的复杂性。论文首先从国内外成熟的道路交通事故成因理论入手,从人、车、路和环境四个方面分析交通事故的致因因素,探讨影响交通安全的主要因素与交通安全之间的关系,为加强道路交通安全管理提供了理论依据。通过分析现有的安全预测模型和方法,研究基于灰色理论的道路安全预测方法。(1)灰色理论预测具有所需样本小,计算简便,精度较高和实用性较强等显著优点,但是随着样本数据的增多,相应的数据的复杂性也增强。而灰色GM(1,1)模型呈指数增长,主要适用于数列按照单一指数规律增长,势必难以保证精度。因此在如何处理样本数据过多的问题上,提出以灰色等维新息模型为实例的改进GM(1,1)模型。(2)利用灰色预测模型较强的融合、渗透能力,将其与其它单项模型相结合,以实现不同模型之间的信息和优势互补,得到组合预测模型。这样不但能够规避单项模型无法逾越的局限性,还能将各个单项模型的优势综合起来,有效的保证了预测精度,增强了预测的可行性与可靠性。(3)构建灰色神经网络组合预测模型,将灰色等维新息模型和纯BP神经网络作为组合预测的单项模型,通过最小二乘法确定各单项模型在组合模型中的权系数,实例分析了全国1982～1998年交通事故次数预测值,结果表明组合预测模型精度优于各单项预测模型。(4)针对GM(1,1)模型对于随机波动性较大的样本数据序列预测精度较差的弱点,在灰色预测理论的基础上引入马尔科夫链预测理论,建立了道路交通事故灰色马尔科夫预测模型,实例分析了1996～2005年我国道路交通事故死亡人数预测值,结果证实了基于马尔科夫理论的灰色扩展模型的实用性和高效性。 论文以道路交通安全管理为出发点,比较分析道路交通事故致因理论和各种典型预测模型,通过对道路交通安全几类指标的模型实例分析,验证了各类基于灰色系统理论的预测模型用于道路交通安全预测中的可行性和可靠性。