公路隧道群交通事故非线性综合预测方法研究

以沈海高速罗长段隧道群交通事故为预测对象,以相对交通事故频数为预测目标,针对隧道群交通系统非线性、动态的特点,研究基于BP神经网络的交通事故非线性综合预测方法.结果表明,非线性综合预测方法能综合指数平滑模型、非线性回归模型、灰色马尔科夫模型等单一预测模型的有效隐含信息,提高交通事故的预测精度,为优化交通事故预测技术指出新方向.通过该方法预测,随着交通量的增加,未来3年(2016-2018年)罗长高速隧道群交通事故频数将呈现先下降后急剧上升的变化过程.     

交通事故预测的灰色GM（1，1）模型

通过对道路交通事故分析、预测方法的研究，指出了其缺陷．在分析道路交通事故的灰色性和中国道路交通安全数据库薄弱性的基础上，给出了灰色GM（1，1）模型，并对道路交通事故的死亡人数、交通事故数进行了预测，其结果是可信的．     

交通事故预测模型的研究

通过分析道路交通事故发生的特点,从不同的角度,建立了模糊图模型、非线性回归模型及基于灰色理论的灰色预测模型.重点针对道路交通事故灰色和随机不确定性,研究了一阶单变量灰色预测模型,即GM（1,1）模型.经对其进行实例检验,其结果可信,且较传统的预测算法更科学、更合理.     

基于关联规则的道路交通事故多发点成因分析

分析道路交通事故成因有助于改善道路交通环境、减少道路交通事故的发生.近年来,关联规则模型及其扩展在道路交通事故多发点成因分析中使用广泛.然而,使用关联规则中传统的兴趣度度量方法和Apriori算法存在许多局限.在传统兴趣度度量方法和Apriori算法的基础上做出改进,使用频数分析法和改进的关联规则方法对事故多发点进行成...     

资产收益过程可预测下的动态资产组合选择

基于资产收益过程的可预测性,提出一种新的动态资产组合选择方法.等分投资期,建立各期资产组合中风险资产权重是其预测变量观察值线性关系的模型,将预测变量收益过程引入资产收益过程;通过矩阵变换形成表征资产收益过程的拓展的资产空间,将条件问题求解转化为非条件问题求解,运用均值-方差分析法获得模型系数,使投资者各期终期财富期望二次效用最大;最后,给出模型的算法,进行实证研究.结果表明,预测变量通过拓展的资产空间描述了资产的收益过程;投资者根据各期预测变量的观察值可适时调整资产组合,保持其投资决策的最优化.研究为动态情景下的条件问题求解提供一种方法.     

一般增长曲线模型中的最优线性无偏预测

研究了一般增长曲线模型中线性可预测变量的最优预测问题，分别在μ（△L)包含μ（Z‘）和μ（VK‘）包含μ（X）的条件下得到了线性可预测变量的最优线性无偏预测。特别地，考虑了一类特殊的预测函数：Ф-线性预测函数，得到了Ф-可预测变量的最优垂线性无偏预测。结果表明，任意两个最优线性无偏预测以及最优Ф-线性无偏预测都以概率为1相等，从而将这方面的结果推广到一般增长曲线模型。     

基于动态模型平均的金融压力指数构建与预警

使用累积分布函数-信用加权方法构建反映系统性金融风险累积状况的压力指数,并引入动态模型平均方法对该指数走势进行预测分析并评估其预测效果.结果表明,动态模型平均方法在模型选择、变量选择、系数选择等方面具备良好的灵活性,具有良好的预测效果.在具体应用中,GDP增长率与CPI增长率是对金融压力指数预测最有帮助的一类指标,其在后期的包含概率显著持续高于0.5,这类指标在风险防范中更值得关注.     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

我国道路交通事故死亡人数影响因素及管理对策研究

探究道路交通事故死亡人数影响因素,对于推动我国道路交通安全工作高质量发展具有十分重要的意义。在借鉴已有文献的基础上,构建了以人口因素、经济发展、车辆与道路、医疗卫生服务水平为外因潜在变量,以道路交通事故死亡人数为内因潜在变量的理论模型,并运用PLS-SEM模型量化分析了道路交通事故死亡人数的影响因素与作用机制。结果表明：人口因素、车辆与道路、经济发展均对道路交通事故死亡人数有显著的正向直接影响,其中人口因素的直接影响效应最大,影响系数为0.561;医疗卫生服务水平对道路交通事故死亡人数产生显著的负向直接影响,影响系数为-0.546;经济发展还通过人口因素、车辆与道路、医疗卫生服务对道路交通事故死亡人数有显著的间接影响。基于研究结果,提出了相应的管理对策。     

基于动态事件触发机制的双通道时延网络预测控制

本文针对传感器-控制器通道和控制器-执行器通道均存在时延的网络控制系统(NCSs),研究了在动态事件触发机制(DETM)下基于模型的网络预测控制(NPC)问题。通过在静态事件触发机制(SETM)中引入一个内部动态变量,设计了双通道动态事件触发机制,采用龙伯格观测器对系统状态进行估计,提出了基于模型的网络预测控制方法主动对双通道网络时延进行补偿,根据Lyapunov稳定性理论,给出了网络控制系统渐进稳定的充分条件,通过数值仿真验证了所提方法的有效性。     

考虑不规则驾驶行为的城市隧道事故率预测

准确预测交通事故风险概率是实现隧道内交通安全主动管理的先决条件。本文从交通状态和驾驶员行为2个方面分析影响事故发生的主要因素,提出“不规则行为率”作为特征变量。对特征变量显著性检验,选用Logistic概率模型构造城市隧道事故率预测模型,并提出利用ROC曲线寻找阈值的方法。最后基于实测的青岛胶州湾隧道数据进行实例验证,研究结果表明,阈值确定为0.36较为合适,此时基于不规则驾驶行为的事故率预测模型准确度为78.4%,能够较为准确预测隧道内事故发生的可能性,研究成果可以为智能交通安全发展奠定理论基础。     

基于贝叶斯网络的网约车交通事故致因机理分析

为了缓解网约车交通事故,以网约车驾驶员为研究对象,探究网约车交通事故致因机理.通过调查问卷收集了2 458名网约车驾驶员个体属性、工作强度、工作压力、不良驾驶行为和交通事故经历的相关信息.对数据进行分类处理后,通过贝叶斯网络建立网约车事故频率预测模型.基于十折交叉验证法,使用混淆矩阵与接收者操作特征曲线校验模型精度.结果表明,模型预测能力较好,模型分析了11种与事故频率直接相关的影响因素,识别了16类导致高频率事故发生概率增加的不利状态,且发现多种不利状态组合对事故频率产生的非线性扩增效应和叠加效应.研究结论有助于管理部门制定相应预防对策以减少网约车交通事故频率.     

基于RBF网络的交通事故预测

随着我国交通需求的持续增长,机动车的数量不断增加,交通事故频频发生,安全成为交通管理中一个不容忽视的问题。为减少交通事故发生,需要根据交通事故发生的原因对交通事故进行分析预测,以便对引发事故的重要原因采取有效的措施。运用RBF网络,建立交通事故预测模型,并将预测结果与实际数据进行比较,对我国交通事故管理有重要的意义。     

快速路交通流运行安全关键参数识别与评估

基于上海市两条快速路采集的事故数据和相应检测器数据,应用随机森林模型对事故发生前5~10min内的交通流数据进行重要变量筛选.利用基于高斯混合模型和最大期望算法的贝叶斯网络(BN)模型对快速路实时交通流事故风险进行建模分析,并对建立的BN模型进行了可转移性测试.结果表明:选取重要变量后建立的BN模型效果优于使用直接检测数据建立的模型,事故预测准确率达到82.78%;可转移性测试中BN模型的事故预测准确率虽有所下降,但整体预测精度和事故预测精度仍都优于利用直接检测数据建立的模型.     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析.研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计.     

山区高速公路事故涉及车辆数致因分析

为减少山区高速公路的交通事故发生率以及提升其交通安全性,对山区高速公路交通事故中涉及车辆数的影响因素进行分析。首先对西部某高速近八年来发生的一万多起交通事故进行时空特性分析和起因分析;其次以事故涉及车辆数为因变量,将其分为单车、双车、多车事故三个等级,并从驾驶员、车辆、行驶环境等层面选取8个潜在自变量作为有序Logit模型的分析因子,得到显著性小于0.05的6个自变量;最后利用有序Logit模型对6个显著变量进行分类,通过分析得到各自变量分类优势比(or)大小,并采用负二项回归(NB)模型验证自变量分类风险大小的正确性。分析结果表示各自变量分类中的冬季、涉及大货、间距不足、收费站、晴、白天等分类优势比最大,且优势比在有序Logit模型分析时变化更大,说明有序Logit模型比负二项回归模型更适合用于分析事故涉及车辆数变量的分类优势比。结论表明,在交通安全治理时尽量控制优势比大的因素可减小事故车辆数,从而可间接降低严重事故的发生率,为高速公路管理提供有力的决策依据。     

城市快速路交通事故特性分析与安全评价

通过分析济南市快速路交通事故统计数据,分别从时空分布、事故形态、事故发生原因等角度探究了城市快速路交通事故的特性。通过提取事故发生前5 min内的车型比数据和交通流量数据,并分析其与交通事故之间的规律性特征,构建基于色阶图的事故风险安全评价表,根据概率统计模型推算出事故发生的临界流量,最后综合以上数据分析构建快速路事故风险安全评价模型。数据拟合结果表明,根据当前交通流量和车型比例实时评估快速路的交通流运行安全风险,可以通过调控当前交通流量对可能发生的事故进行预警。针对快速路交通事故规律和特点,提出了事故预防及安全管理对策与措施,以达到预防事故发生、提升快速路运行安全水平的目的。     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

考虑货车因素的高速公路短期交通流风险预测

基于G15上海段的交通流数据和交通事故数据,研究货车比例较高且货车事故率较高的高速公路短期交通流风险预测模型.分别选取整体交通流参数、货车交通流参数和综合参数作为特征变量,通过支持向量机进行建模,运用遗传算法对模型参数进行寻优,建立不同时间段、不同风险特征变量的分类模型并对比分析.结果表明事故发生前5~10min的模型预测精度最高.当加入货车因素时,总体的预测精度提高7.1%,事故预测精度提高6.1%,误报率降低4.7%.采用平均影响值法进行货车因素对预测结果的影响程度分析,表明货车因素对于预测模型有较大影响.该研究模型可用来开发交通安全预警系统,为高速公路货车安全管理提供理论依据.     

交通事故视频采集及事故再现的研究与设计

基于WDM技术、USB技术及事故再现的模型,对系统中视频采集过程的实现机制、视频采集系统模型的软件实现和交通事故中的理论碰撞模型进行了研究.解决了交通事故中的视频采集、事故再现和事故分析中的关键问题.并在理想模型和实际模型情况下对一维碰撞模型进行了模拟再现.