基于灰色马尔可夫的道路交通事故预测研究.docVIP

基于灰色马尔可夫的道路交通事故预测研究 　　【摘 要】道路交通事故预测是道路交通安全的重要保障，基于灰色马尔可夫的道路交通事故预测模型可以预知道路交通事故的未来发展状况，从而对于交通安全措施的实际应用效果进行评价，并进行相关道路安全性能优化，以减少道路交通安全事故的发生。对此，本文在灰色马尔可夫系统理论基础上，提出道路交通事故灰色马尔可夫预测模型对于道路交通安全进行预测分析，包括GM（1， 1）模型、状态划分及转移概率计算等方面，依据模型预测结果对道路交通安全提出相关安全优化思路。 　　【关键词】交通安全;灰色马尔可夫;安全预测;模型 　　1灰色马尔可夫系统理论 　　灰色系统是部分信息不充分、不完全的系统，灰色系统理论即在部分已知数据的基础上，通过开发、分析获取有价值的信息，以完成对系统行为的控制以及优化。马尔可夫预测理论则相对适用于数据序列随机波动性较大的问题，考虑道路交通事故预测其呈现非平稳随机变化过程，因而可以利用马尔可夫理论进行事故的预测，且可以将灰色系统理论以及马尔可夫理论相结合来进一步提升模型的预测可靠性：灰色系统理论可对道路交通安全时序变化趋势进行预测，而马尔可夫理论则可用于转移概率的确定。马尔可夫理论对于随机的动态系统的评估依据是系统状态间的转移矩阵，通过转移概率反映的状态间的转换规律来对系统发展进行评估预测。 　　马尔可夫随机过程理论将系统将来所处的状态归根于系统现在所处状态：假设对于随机过程M（t），过程中t0时刻状态已知，则系统后续过程的状态均只与t0时刻状态有关，因此马尔可夫理论具有较强的无后效性。 　　马尔可夫理论中，状态转移概率指的是系统的发展过程中，从某一状态至另一状态转变的可能性。若在系统发展过程中可出现n个可能状态，记作M1、M2、M3、…、Mn，则系统状态转移概率即指系统从任一状态Mi出发转移至下一状态Mj的概率，记作Pij，若经k步转移至Mj，则其转移概率可记作Pij（k），此时与初始时刻无关，对于状态转移概率矩阵的计算通常采用频率近似概率的思想进行。 　　灰色马尔可夫预测模型结合了灰色理论以及马尔可夫理论的各自优势，做到优势互补，能够提升对于过程分析的预测精度。其模型预测流程图如下图1所示，模型的基本思想：首先基于GM（1， 1）模型算得原始序列?M合值及残差（相对值），然后对于得到的残差序列进行状态划分，计算状态转移概率，得到残差相对值序列中分别对应的状态，并在此基础上，建立灰色马尔可夫预测模型进行预测。 　　图1 灰色马尔可夫预测模型流程图 　　2道路交通事故灰色马尔可夫预测模型 　　2.1建立道路交通事故GM（1， 1）模型 　　考虑到交通事故发生的随机性以及不确定性，因此交通事故各项数据也具有极强的随机性，可采用累加或累减的统计方法进行初始数据的处理，寻找其数据内部规律。假设t序列的交通数据原始序列为x（0），则{x（0）（k）}= 　　{x（0）（1）、x（0）（2）、…x（0）（n）}，对于原始数据序列进行累加统计处理，可得到如下数据序列： 　　然后在处理数据的基础上，进行建模计算：首先建立灰色预测模型的微分方程 　　微分方程中系数a、b依据最小二乘法确定。对于上述微分方程进行求解，可获得相应系数，对其还原处理，得到： 　　文章对于近10年间我国道路交通事故10万人口死亡率作为分析研究对象，在获取原始数据序列的基础上，通过最小二乘算法计算道路交通事故GM（1， 1）模型中的a及b，算得a=-0.04，b=3.89，将数据分别代入上式，计算得： 　　2.2状态划分 　　状态划分需依据实际系统进行数据序列的合理划分，传统分析方法如均值―均方差分级法等对于数据序列的数据量要求较大，目前应用的方法包括样本均方差法以及聚类分析法，这两种方法较符合统计建模特性。在实际应用过程中，对于分析数据较少的情况可采用离差平方和法，对其类间评价分析可利用欧式平方距离的方式，相较于传统分析方法更为可靠、高效。 　　根据本实例所选取的研究对象：近10年间我国道路交通事故10万人口死亡率，采用层次聚类法进行状态划分，划分依据为实际量与拟合量的相对百分比值，得到的划分结果如下表（见表1）所示： 　　表1 道路交通事故10万人口死亡率状态划分表 　　状态编号 M1 M2 M3 　　实际量与拟合量的相对百分比值 0.89―0.97 0.97―1.06 1.06―1.15 　　2.3状态转移概率计算 　　在状态划分的基础上，计算状态转移概率矩阵： 　　2.4道路交通事故灰色马尔可夫预测 　　依据所得状态转移矩阵，即可进行道路交通事故的预测，同样以道路交通事故死亡人数为例，对于道路交通事故的灰色马尔可夫预测模型的预测精度进行检测。依据我国道路交通事故所致死亡人数的逐