道路交通事故预测及黑点鉴别

打开文本图片集

摘 要：本文采用结合GM（1，1）模型，采用灰色预测法对交通事故进行预测，并结合目前事故黑点鉴别方法，提出了一种新的事故黑点鉴别方法。事故预测结果较准确，但缺少多因素考虑的方法，本文最后提出将事故预测与事故黑点鉴别方法结合的展望，从而根据宏观事故预测以及重点管制事故黑点，有针对性的对交通事故的常发地进行研究分析，以求降低交通事故发生率。

关键词：事故预测;灰色预测法;GM（1，1）模型;事故黑点

0 引言

如今，我国经济快速发展，如何减少交通事故的发生已经成为了社会各界广泛关注的问题[1]。由于路网中道路呈现不均匀分布，所以交通事故会在某些路段频繁发生，而另外一些路段却几乎没有交通事故的发生。本文采用GM（1，1）模型对交通事故进行了预测，并对近几年我国在事故黑点鉴别方面的研究成果进行梳理，并结合事故的时空特性，提出一种基于改进的DBSCAN算法进行交通事故黑点的鉴别。

1 相关研究综述

（1）事故预测研究现状综述。国内外学者目前已提出了一系列的交通事故预测方法，主要分为定性预测以及定量预测。

定性预测法主要有专家预测法以及德尔菲法[1]。定性预测法主要为通过多位专家的经验进行判断，可以收集多位专家关于不同方面的意见若有不同的意见则换一批专家继续咨询，不断重复此过程，以达到客观的预测结论。

定量预测法主要有经验模型法、灰色预测法、灰色马尔科夫预测法、回归分析预测法以及时间序列预测法等方法。经验模型法主要为三个主要模型：史密德模型、日本模型、北京模型[2]。灰色预测法不考虑交通事故的致因因素，而从事故序列数据分析其中规律，从而建立预测模型[3]。灰色马尔科夫预测法使用拟合历史数据的指数曲线描述交通事故发展趋势。回归分析预测法分析了事故发生致因，并找出了主要因素，建立事故生成序列，最后进行回归分析。时间序列法分析事故的时间发展趋势。

（2）事故黑点鉴别研究现状综述。交通事故黑点的鉴别对预防交通事故的发生具有重要意义。目前，国内外对于黑点的定义并没有统一的标准。根据现有的文献资料，事故黑点主要的定义为在较长的一个时间段内，发生的道路交通事故数量或特征与其他正常位置相比明显突出的某些位置（点、路段或区域）。鉴别和评价是研究分析交通事故黑点的两个主要方面，目前常用的事故黑点鉴别方法有事故数法、事故率法、矩阵法、当量事故率法、质量控制法、累计频率法等。

2 研究方法

（1）事故预测研究方法。本文引用福建省道路交通事故统计数据，主要内容如下：2014-2017年事故次数P为24272，26195，21924，15658，死亡人数D为4392，4125，3871，3071;受伤人数S为24314，27696，25097，18832;直接经济损失R为9408.8，9278.9，8742.3，5918。

（2）事故黑点鉴别研究思路。从现有的文献分析可以看出，现有事故黑点的鉴别方法能够依据概率统计理论或者结合事故发生的影响因素筛选出路段事故高发地段。改进的DBSCAN算法将时间半径作为第三维度，成为新的鉴别指标。因此，改进后的算法需要输入空间半径space_Eps、最小对象数目Minpts以及新增加的时间半径time_Eps三个参数，才会与附近点形成簇。

3 研究结论

将研究准备的实际数据代入预测模型中，可以得到预测值，实际值以及相对误差，如下所示：2014-2017年事故预测实际值为：4392，4125，3871，3540;预测值为4387，4132，3859，3497;相对误差为0.10%，0.16%，0.31%，1.22%。预测所得到的结果为未来几年事故的预测值，基于此模型，同样可以进行未来交通事故死亡人数，事故受伤人数，直接经济损失以及一系列需道路的所需交通事故指标参数的预测。

参考文献：

[1]田军，张朋柱，王刊良，汪应洛.基于德尔菲法的专家意见集成模型研究[J].系统工程理论与实践，2004（01）：57-62+69.

[2]刘志强，蔡策，童小田.我国道路交通安全现状分析[J].公路交通科技，2001（02）：70-73.

[3]谢凯兵.基于马尔可夫链组合模型的交通流量长时预测[D].北京交通大学，2017.

作者简介：程明远（1994-），男，重庆万州人，硕士研究生，研究方向：智能交通。

為通讯作者

推荐访问:黑点 交通事故 鉴别 道路 预测