ARIMA模型在交通事故预测中的应用.pdfVIP

维普资讯 第 33卷 第 12期 北 京 工 业 大 学 学 报 Vo1．33 No．12 2007年 12月 JOURNAL OFBEIJINGUNIVERSITY OF TECHNOLOGY Dec．2007 ARIMA模型在交通事故预测中的应用 张 杰，刘小明，贺玉龙，陈永胜 (北京工业大学 北京市交通工程重点实验室，北京 100022) 摘 要：通过 ARIMA模型分析了 1970--1997年中 国交通 事故 的十万人 口死亡率时间序列的平稳性，用 SPSS11．5软件拟合模型并作预测，结果表明，ARIMA模型能提高预测精度，在实际应用中ARIMA模型可用于 非季节和季节的各类时间序列，预测较准，可以为政府和交通部门制定预防降低交通事故提供重要的数据支持． 关键词：ARIMA模型；交通事故 ；SPSS软件；事故预测 中图分类号：U491 文献标识码：A 文章编号 ：0254—0037(2007)12—1295—05 交通事故预测是根据某地区或路线的人、车、路等条件和过去若干年交通事故情况等因素，采用科学 的方法预计或推测今后若干年事故的发展趋向、水平和程度．一般常用的有时间序列预测和 回归预测法 ． 时间序列预测法一方面承认事物发展的延续性，另一方面又充分考虑到事物发展偶然因素的影响产生的 随机性，为了消除随机波动的影响，利用历史数据，进行统计分析，并用加权平均等方法对数据加以适当的 处理，进行趋势预测 ．以往对交通事故的时间序列预测多限于简单滑动预测 ．ARIMA模型(AutoRegres— siveIntegratedMovingAverageModel，也称为著名的 “Box—Jenkins”模型)是研究时间序列的重要方法，由 自回归模型 (简称AR模型)与滑动平均模型(简称MA模型)为基础”综合”构成．传统的趋势模型外推预 测方法只适合于具有某种典型趋势性变化现象的预测，然而在现实中，许多现象的序列资料并不总是具有 这种典型趋势特征，依此方法建立的模型所产生的误差项不一定完全是具有随机性质的，从而影响了预测 效果．ARIMA模型先根据序列识别一个试用模型，再加以诊断，做 出必要调整，反复进行识别、估计、诊 断，直到适合的模型，因此它适用于各类的序列，是迄今最通用的时间序列预测法…1． 1 ARIMA模型介绍 自回归综合移动模型(ARIMA)根据对时间序列特征的预先研究，可以指定 3个参数用来分析时间序 列，即描述 自回归阶数(P)、差分次数(d)和移动平均阶数(q)，通常模型被写作ARIMA(P，d，q)． ARIMA模型可表示为 (1一B)dZt=O0+0q(B)口z 式中， 为原序列； 为白噪声序列，是一列相互之间无关，其均值为 0，方差为 盯 的随机变量序列；B为 后移算子即BZt=Zt—l； 为 自回归算子， (B)=(1—91B… - P)，P为模型的自回归除数；Oq为移 动平均算子，Oq(B)=(1—01B… ·一 )，q为模型的移动平均阶数；00为参数，0o= (1— l一 2… -一 )， 为平均数． 2 建模与预测 作者以 《中外城市交通基础信息大全》上 1970--1997年中国的交通事故十zrA 口死亡率序列为具体 研究对象 ，截取 1970--1992年中国的交通事故十万人口死亡率的数据为已知序列，见表 1，建立了一个 收稿 日期 ：2006—10—26． 作者简介 ：张 杰(1986一)，女，四川巴中人，博士生 维普资讯 北 京 工 业 大 学 学 报 2007钲 合理、计算简单且准确度高的ARIMA模型来预测 1993--1997年中国的交通事故十万人 口死亡率，并与 实际得到的数据作比较，验证模型是否合理．如不理想，则对模型进行修正直至最优． 表 1 1970—199