基于小波分析的灰色GM(1,1)模型道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容,针对灰色GM(1,1)预测模型对波动性较大道路交通事故序列预测精度较低的缺点,引入小波分析理论,在小波分析理论的基础上建立灰色GM(1,1)预测模型.通过小波分析将某省2002-2009年道路交通事故起数分解成多层近似平稳的数据序列,然后对低频重构序列建立GM(1,1)模型进行预测.仿真结果表明,方法的预测结果比直接用灰色GM(1,1)模型更拟合原始数据,预测效果更好.预测结果可以为交通部门科学监管和制定决策提供一定的指导.     

北京市道路交通事故灰色预测模型的构建与应用

利用灰色预测理论,根据北京市1999～2006年道路交通事故的统计资料,建立了北京市道路交通事故发生次数的灰色GM(1,1)预测模型,并根据实际数据的特点,对所建立的模型进行了改进.经证实,改进后的GM(1,1)模型预测精度高,预测结果与实际相符.GM(1,1)模型的预测结果可为北京市道路交通管理部门制定预防交通事故的措施提供重要的数据支持和理论依据,这对加强北京市的道路交通管理、改善北京市的道路交通安全状况将具有一定的现实意义.     

北京市道路交通事故致死率的分析与预测

根据北京市道路交通事故的统计资料,以交通事故致死率为指标,对北京市目前道路交通安全情况进行评价.并基于灰色预测理论,建立北京市道路交通事故死亡人数的灰色GM(1,1)预测模型.预测结果显示,北京市未来几年道路交通事故死亡人数虽处于下降趋势,但死亡人数仍在千人左右,平均每起事故死亡人数仍处于上升趋势,道路交通事故致死率仍然偏高.道路交通管理部门应加大惩治道路交通违法行为力度,以控制道路交通事故的严重后果.     

高速公路交通事故灰色Verhulst预测模型

在分析我国高速公路交通事故历史数据的基础上,引入灰色Verhulst预测理论,建立了高速公路交通事故灰色Verhulst预测模型.通过对2000～2007年我国高速公路交通事故死亡人数进行实例分析,发现灰色Verhulst模型的预测精度高于GM(1,1)模型.结果表明,灰色Verhulst模型的预测结果较好的反映了高速公路交通事故的发展趋势,该模型用于高速公路交通事故预测是可行的.     

基于BP神经网络的道路交通事故预测

道路交通事故预测是交通研究的一个重要课题.以我国交通安全状况为研究对象,依据我国道路交通事故的特点,利用神经网络具有自学习、自组织、自适应能力特性,运用神经网络的方法及我国多个年度道路交通事故统计数据,建立了道路交通事故神经网络宏观预测模型,预测精度符合道路交通事故预测的要求.     

灰色GM(1,1)模型的改进模型在房地产价格指数预测中的应用

提出了一种结合非线性回归技术的灰色GM(1,1)模型的改进模型.利用我国的房地产价格指数预测作为研究对象,用以验证所提方法的有效性和准确性.根据实证结果,说明了新的改进模型有效提高了经典灰色模型的预测精度.     

基于改进的灰色马尔可夫链模型的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础.灰色预测适合于数据量少和波动小的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.为克服一般灰色马尔可夫链模型运用的转移概率矩阵固定不变而影响预测精度的问题,本文建立了改进的灰色马尔可夫链模型.采用滑动转移概率矩阵方法,去掉最老数据并补充最新数据,从而建立新的一步转移概率矩阵.借助改进的灰色马尔可夫链模型,对全国2002-2004年交通事故10万人口死亡率进行了预测分析.结果表明,改进的灰色马尔可夫链模型比一般灰色马尔可夫链模型的预测范围更准确,预测精度更高.     

安徽省道路交通事故影响因素分析及其预测研究

以安徽省道路交通安全状况为研究对象,探讨分析安徽省道路交通事故致因要素及未来发展趋势.首先利用灰色关联度法分析道路交通事故数与相关致因要素之间的关联度,得出人口因素是主导因素,其次为环境因素,包括社会经济环境和道路环境.在此基础上,运用灰色GM(1,1)及其残差改进模型,对事故起数及其主导因素进行预测研究,结果证明灰色预测可以很好地预测人口发展趋势,但对事故起数这样波动较大的数据更适宜残差修正模型.     

基于移动优化灰色马尔科夫的道路交通事故预测

针对事故预测精度受预测数据时效性影响问题,引入移动优化策略,建立移动优化灰色马尔科夫动态预测模型.用灰色预测来揭示道路交通事故发展变化趋势,通过马尔科夫预测发掘状态间的转移规律,从而提高随机性时间序列的预测精度.案例分析表明,提出的方法在一定时段内具有较好的预测精度和实用性,可为道路交通事故预测分析及交通安全预警提供参考.     

基于残差修正灰色预测模型的北京市道路交通事故预测分析

社会机动车使用量的增加带来的道路交通安全问题日益突出.对北京市道路交通事故预测进行了研究.采用灰色GM(1,1)预测模型对北京市城市道路交通事故进行了预测,并根据预测结果精度等级进行了残差修正,得出了具有科学性的预测结果.此外,通过灰色关联度分析对北京市交通事故的各相关因素进行了比较,为交通管理部门有效地控制交通事故的发生提供参考.     

加权马尔可夫模型在道路交通受伤人数预测中的应用

为提高交通事故预测的可靠性,首先应用有序聚类的方法建立交通受伤人数的分级标准;然后针对事故受伤人数为相依随机变量的特点,采取以规范化的各阶自相关系数为权重,用加权的马尔可夫链模型来预测未来交通事故受伤人数的升降变化状况;最后以北京市1970-2010年共41年的事故受伤人数为例对该方法进行了具体应用,取得了较为满意的结果,为交通事故受伤人数的预测分析提供了新的途径.     

基于改进灰色GM(1,1)马尔柯夫模型的煤矿事故百万吨死亡率预测

煤矿安全事故预防和控制是煤矿安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测GM(1,1)模型和马尔可夫链理论的优点,提出了一种改进的灰色马尔可夫GM(1,1)模型.利用改进的GM(1,1)模型进一步拟合煤矿人因失误事故的发展变化趋势,并以此为基础进行马尔柯夫预测,提高预测效果.以2000-2010年全国煤矿事故百万吨死亡率为例进行了预测分析,结果表明模型既能揭示煤矿人因失误事故百万吨死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性,并对煤矿人因失误安全事故的预测和控制有一定的实际意义.     

突发交通事件非参数诊断的变点统计方法研究

针对智能运输系统(ITS)项目特别是先进的出行信息系统的开发，建立了突发交通事件非线性非参数诊断的变点统计方法。依据交通流理论，结合均值变点模型，对变点搜索的最小二乘法和局部比较法进行了研究。利用在英国南安普敦市检获的实际数据对上述两种算法进行了标定，并对模型进行实际应用。结果显示上述方法对突发事件检测具有很高的灵敏度和有效性。     

An improved seasonal rolling grey forecasting model using a cycle truncation accumulated generating operation for traffic flow

Accurate real-time prediction of urban traffic flows is one of the most important problems in traffic management and control optimization research. Short-term traffic flow has complex stochastic and nonlinear characteristics, and it shows a similar seasonality within intraday and weekly trends. Based on these properties, we propose an improved binding cycle truncation accumulated generating operation seasonal grey rolling forecasting model. In the new model, the traffic flow sequence of seasonal fluctuation is converted to a flat sequence using the cycle truncation accumulated generating operation. Then, grey modeling of the cycle truncation accumulated generating operation sequence weakens the stochastic disturbances and highlights the intrinsic grey exponential law after the sequence is accumulated. Finally, rolling forecasts of the limited data reflect the new information priority and timeliness of the grey prediction. Two numerical traffic flow examples from China and Canada, including four groups at different time intervals (1 h, 15 min, 10 min, and 5 min), are used to verify the performance of the new model under different traffic flow conditions. The prediction results show that the model has good adaptability and stability and can effectively predict the seasonal variations in traffic flow. In 15 or 10 min traffic flow forecasts, the proposed model shows better performance than the autoregressive moving average model, wavelet neural network model and seasonal discrete grey forecasting model.     

短时交通流混沌预测模型的比较研究

短时交通流预测是实现交通流诱导的关键技术之一.针对目前短时交通混沌预测模型预测结果差异较大的问题,归纳了4种基于混沌理论的短时交通流预测模型:RBF神经网络模型、最大Lyapunov指数模型、局域线性模型和Volterra滤波器自适应预测模型,并对这4种预测模型进行了比较研究.应用4种预测模型对几个典型的非线性系统进行预测,验证了算法的准确性.然后用这4种预测模型对微观实测交通流的时间序列进行实证分析.仿真结果表明,4种预测模型对典型混沌时间序列具有很好的预测效果;而对实测交通流预测,其预测精度和稳定性较差,但可以满足实时交通流预测的需要.     

基于MATLAB的交通事故发生规律的模糊分布拟合

借助于数学软件MATLAB,运用模糊数学方法,探讨中国交通事故发生及危害的变化规律.首先,作中国交通事故统计数据的散点图,观察发现交通事故的变化同时具有线性增长总趋势和波动性特征,呈现出复杂的非线性组合特点;再对这些数据进行归一化处理,给出交通事故的模糊隶属函数;最后对交通数据进行分布拟合、组合回归处理,得到交通事故非线性模糊分布函数.结果表明,随着时间的变化,中国交通事故的死亡人数呈线性与正态叠加波动上升趋势,受伤人数呈线性与正弦叠加波动上升趋势,发生起数与损失折款都呈双峰正态分布波动趋势,2002年以来交通状况正在好转.得到的结果能客观地反映交通事故的现状分布和精确地刻划中国交通事故发生及危害变化规律,对于交通事故预测、综合治理具有重要的理论意义和应用价值,可供交通事故研究和有关部门制定交通安全管理决策作参考.     

Nonlinear analysis of lattice model with consideration of optimal current difference

Based on Li’s lattice model, a new lattice model considering the influence of optimal current difference information is presented. The linear stability criterion of this model is obtained by employing the linear stability theory. The results show that the new consideration contributes to the stabilization of traffic systems. The modified Korteweg-de Vries (mKdV) equation is derived by using the nonlinear analysis method. The occurrence of traffic jamming transitions could be thus described by the kink-antikink soliton solution for the mKdV equation. From the simulation results of space–time evolution of the vehicle density, it is shown that the traffic jam is suppressed efficiently with considering the information of optimal current difference, and the analytical results is in good agreement with the simulation ones.     

Introducing a modified gradient vector method for optimization of accident prediction non-linear functions

In this paper, a new optimization method has been proposed for accident prediction non-linear models. This has been achieved by eliminating the Hessian matrix from the equation of optimal pace length in the gradient vector method. One advantage is that it is independent of the starting point in optimization processes and it provides convergence at the highest top as well. This method has been tested on an accident prediction model and its preference over the gradient vector method has been proven.     

基于支持向量机的飞行事故率预测模型

飞行事故率是表征飞行安全水平的重要指标,其预测是典型的小样本问题.针对目前飞行事故率预测中存在的预测精度不高的问题,提出了一种基于回归支持向量机的飞行事故率预测建模方法.最后结合实际算例,采用SVR进行了飞行事故率预测建模并把预测结果与灰色预测和灰色马尔柯夫链预测进行了对比.仿真结果表明SVR具有很高的建模精度和泛化能力,从而验证了采用SVR进行航空飞行事故率预测的合理性和先进性.