1、道路交通事故預(yù)測(cè)的理論與方法摘要： 道路交通事故預(yù)測(cè)是道路交通安全研究的一項(xiàng)重要內(nèi)容，本文首先介紹了事故預(yù)測(cè)的定義、要素、 程序然后分析了現(xiàn)有交通事故預(yù)測(cè)方法，并對(duì)這些方法進(jìn)行了比較評(píng)述，以便于我們正確的選用預(yù)測(cè)方法對(duì)交通事故進(jìn)行預(yù)測(cè)。關(guān)鍵詞： 道路交通事故；預(yù)測(cè)；原理和方法0. 引言道路交通事故作為道路交通的三大公害之一, 它不僅直接威脅著道路使用者的人身安全, 帶來巨大的經(jīng)濟(jì)損失, 還嚴(yán)重地影響著道路交通系統(tǒng)的正常運(yùn)行。交通事故是隨機(jī)事件，表面上它沒有規(guī)律可循，其實(shí)，交通事故偶然性的表象，是始終受其內(nèi)部的規(guī)律所支配的，這種規(guī)律已被大量的交通事故的研究結(jié)果所證實(shí)， 它是客觀存在的【 1】 。

2、 因此利用交通事故的客觀發(fā)展規(guī)律，對(duì)交通事故的發(fā)展進(jìn)行預(yù)測(cè)以便減少和防止交通事故的發(fā)生改善城市交通安全狀況是至關(guān)重要的。1. 交通事故預(yù)測(cè)的涵義及目的道路交通事故預(yù)測(cè)就是對(duì)交通事故未來的形勢(shì)進(jìn)行估計(jì)和推測(cè)。它是通過對(duì)交通事故的過去和現(xiàn)在狀態(tài)的系統(tǒng)探討，并考慮其相關(guān)因素的變化，所做出的對(duì)交通事故未來狀態(tài)的描述過程2 。具體可以定義為: 以某個(gè)地區(qū)或某條道路為研究對(duì)象，通過查閱資料、調(diào)查等手段獲得與道路交通事故相關(guān)的信息（ 歷年事故指標(biāo)、人口、GDP車輛保有量、公路通車?yán)锍獭⒌缆吩O(shè)施、道路線形、天氣等信息 ） ，根據(jù)這些信息，應(yīng)用數(shù)學(xué)方法，如: 模糊數(shù)學(xué)、統(tǒng)計(jì)學(xué)、灰色理論等，通過定性與定量相結(jié)合的

3、方法來預(yù)測(cè)未來道路交通事故發(fā)生狀況。進(jìn)行道路交通事故預(yù)測(cè)就是為了掌握未來交通事故的狀況，根據(jù)交通事故預(yù)測(cè)情況有針對(duì)的采取相應(yīng)的對(duì)策和決策，避免日后工作中的缺陷和不足，從而最終達(dá)到減少交通事故的目的【 3】 。2. 交通事故預(yù)測(cè)的類型及作用2.1 交通事故預(yù)測(cè)的類型按照預(yù)測(cè)目標(biāo)，道路交通事故預(yù)測(cè)可以分為事故率預(yù)測(cè)和事故數(shù)預(yù)測(cè)，事故率預(yù)測(cè)是用來揭示未來年事故發(fā)展趨勢(shì)，事故數(shù)預(yù)測(cè)是用來揭示未來年事故發(fā)展程度按預(yù)測(cè)范圍可分為宏觀預(yù)測(cè)和微觀預(yù)測(cè)兩類。交通事故宏觀預(yù)測(cè)是指對(duì)時(shí)間較長 （ 一年以上 ） 或空間區(qū)域較大的交通事故進(jìn)行總體性和趨勢(shì)性的預(yù)測(cè), 如地區(qū)交通事故變化趨勢(shì)預(yù)測(cè)等。交通事故微觀預(yù)測(cè)是指短時(shí)

4、間內(nèi)或某一地點(diǎn)、路段交通事故變化的預(yù)測(cè), 如一年內(nèi)各月交通事故預(yù)測(cè)、交叉口事故預(yù)測(cè)、某路段事故預(yù)測(cè)等【 4-6】 。2.2 道路交通事故預(yù)測(cè)的作用作用主要有：（l） 根據(jù)歷年道路交通事故原始數(shù)據(jù)，預(yù)測(cè)未來年交通事故發(fā)展趨勢(shì)， 為交通安全管理部門制定安全管理對(duì)策、有效控制交通事故影響因素提供依據(jù)。(2) 在現(xiàn)有道路交通管理控制條件下，預(yù)測(cè)某個(gè)地區(qū)或某條道路未來年交通事故狀況，以便評(píng)價(jià)城市或道路交通安全狀況。(3) 總結(jié)事故發(fā)展的規(guī)律和發(fā)生特點(diǎn)，為制定針對(duì)性防范措施和交通法規(guī)提供有效依據(jù)。3. 事故預(yù)測(cè)的要素和步驟3.1 預(yù)測(cè)的基本要素(1) 時(shí)間 : 不同的預(yù)測(cè)方法適用于不同的預(yù)測(cè)期限, 一般來

5、講, 定性預(yù)測(cè)較多地用于長期預(yù)測(cè), 而定量預(yù)測(cè)適用于各個(gè)預(yù)測(cè)期。(2) 數(shù)據(jù) : 不同的預(yù)測(cè)方法適用于不同的數(shù)據(jù)類型。在選擇預(yù)測(cè)方法時(shí), 應(yīng)根據(jù)現(xiàn)有數(shù)據(jù)的特征選擇適當(dāng)?shù)姆椒ā?3) 模型 : 大多數(shù)預(yù)測(cè)方法都要求運(yùn)用某種模型, 每種模型的應(yīng)用前提是不同的。因此, 應(yīng)根據(jù)具體情況建立適當(dāng)?shù)哪Ｐ汀?4) 費(fèi)用 : 預(yù)測(cè)是一個(gè)研究的過程, 預(yù)測(cè)費(fèi)用一定程度上影響預(yù)測(cè)方法的選擇。(5) 精度 : 定量預(yù)測(cè)的精度或準(zhǔn)確度對(duì)決策具有重要的意義, 不同情況下對(duì)預(yù)測(cè)結(jié)果的精度要求會(huì)有所差異。(6) 實(shí)用性 : 預(yù)測(cè)是為決策服務(wù)的, 只有容易理解、使用方便、結(jié)果可靠的預(yù)測(cè)方法才能被廣泛使用【 7】 。3.2 預(yù)

6、測(cè)的步驟【 8】科學(xué)的預(yù)測(cè)是廣泛調(diào)查研究的基礎(chǔ)上進(jìn)行的，涉及方法的選擇、資料的收集、數(shù)據(jù)的整理、建立預(yù)測(cè)模型、利用模型預(yù)測(cè)和對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析等一系列工作。總的來說，預(yù)測(cè)步驟為:(1) 確定目標(biāo)：該階段的內(nèi)容為確定預(yù)測(cè)對(duì)象、提出預(yù)測(cè)目的和目標(biāo)，明確 預(yù)測(cè)要求等。(2) 確定預(yù)測(cè)要素：鑒別、選擇和確定預(yù)測(cè)要素，從大量影響因素中，挑選 出與預(yù)測(cè)目的有關(guān)的主要影響因素。(3) 選擇預(yù)測(cè)方法：預(yù)測(cè)方法很多，到目前為止，各類預(yù)測(cè)方法在150 種以上。 因此應(yīng)根據(jù)預(yù)測(cè)的目的和要求，考慮預(yù)測(cè)工作的組織情況，合理的選擇效果較好的、既經(jīng)濟(jì)又方便的一種或幾種預(yù)測(cè)方法。(4) 收集和分析數(shù)據(jù)：該階段根據(jù)預(yù)測(cè)目標(biāo)和選

7、擇預(yù)測(cè)方法的要求去收集所需原始數(shù)據(jù)。原始數(shù)據(jù)是進(jìn)行預(yù)測(cè)的重要依據(jù)，所收集原始數(shù)據(jù)的質(zhì)量和可靠性將直接影響預(yù)測(cè)的結(jié)果。對(duì)原始數(shù)據(jù)的要求是數(shù)據(jù)量足、質(zhì)量高，只有這樣，才能貼切地反映事物的規(guī)律，因此收集足夠數(shù)量的可靠性高的數(shù)據(jù)是這個(gè)階段的任務(wù)。(5) 建立預(yù)測(cè)模型：建立預(yù)測(cè)模型是預(yù)測(cè)的關(guān)鍵工作，它取決于所選擇的預(yù)測(cè)方法和所收集到的數(shù)據(jù)。建立模型的過程可分為建立模型和模型的檢驗(yàn)分析兩個(gè)階段。(6)模型的分析：模型的分析是指對(duì)系統(tǒng)內(nèi)部、外部的因素進(jìn)行評(píng)定，找出 使系統(tǒng)轉(zhuǎn)變的內(nèi)部因素和客觀環(huán)境對(duì)系統(tǒng)的影響，以分析預(yù)測(cè)對(duì)象的整體規(guī)律 性。(7)利用模型預(yù)測(cè)：所建立的模型是在一定假設(shè)條件下得到的，因此也只適

8、用于一定條件和一定預(yù)測(cè)期限。只有在確認(rèn)模型符合預(yù)測(cè)要求時(shí)，才可以利用模 型進(jìn)行預(yù)測(cè)。(8)預(yù)測(cè)結(jié)果的分析：利用預(yù)測(cè)模型所得到的預(yù)測(cè)結(jié)果并不一定與實(shí)際情況 相符。因?yàn)樵诮⒛Ｐ蜁r(shí)，往往有些因素考慮不周或因資料缺乏以及在處理系統(tǒng) 問題時(shí)的片面性等使預(yù)測(cè)結(jié)果與實(shí)際情況偏離較大，故需從兩個(gè)方面進(jìn)行分析 ： 用多種預(yù)測(cè)方法預(yù)測(cè)同一事物，將預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析、綜合研究之后加以 修正和改進(jìn)；應(yīng)用反饋原理及時(shí)用實(shí)際數(shù)據(jù)修正模型，使模型更完善。其具體 步驟見圖1。圖1預(yù)測(cè)步驟4. 交通事故預(yù)測(cè)方法交通事故預(yù)測(cè)方法有定性預(yù)測(cè)和定量預(yù)測(cè)兩大類。定性預(yù)測(cè)是在數(shù)據(jù)資料掌 握不多，或需要短時(shí)間內(nèi)做出預(yù)測(cè)的情況下，運(yùn)用人

9、的經(jīng)驗(yàn)和判斷能力，用邏輯思 維方法，把有關(guān)資料加以綜合，對(duì)交通事故的發(fā)展趨勢(shì)和特點(diǎn)作出定性的描述。 常 用的定性預(yù)測(cè)技術(shù)有：專家會(huì)議法、德爾菲法、主觀概率法、趨勢(shì)判斷法、類推 法、相互影響分析法等。定量預(yù)測(cè)是在歷史數(shù)據(jù)和統(tǒng)計(jì)資料的基礎(chǔ)上，運(yùn)用數(shù)學(xué)或其他分析技術(shù)，建立可以表現(xiàn)數(shù)量關(guān)系的模型，并利用它來近似預(yù)測(cè)對(duì)象在未 來可能表現(xiàn)的數(shù)量。常用的定量預(yù)測(cè)技術(shù)有綜合系數(shù)法、時(shí)間序列法、回歸分析法、灰色預(yù)測(cè)法。4.1 定性預(yù)測(cè)4.1.1 專家會(huì)議法這種方法預(yù)測(cè)交通事故簡便易行，有助于互相啟發(fā)與補(bǔ)充，容易產(chǎn)生一致意 見，但在實(shí)施過程中容易受社會(huì)壓力、多數(shù)人的觀點(diǎn)和權(quán)威人物意見的影響。因 此,預(yù)測(cè)結(jié)果不一定

10、能反映各位專家的真實(shí)想法。4.1.2 德爾菲法德爾菲法融合了專家個(gè)人判斷法和專家會(huì)議法的優(yōu)點(diǎn) ，同時(shí)又避免了兩者的 缺陷，它具有匿名性、反饋性和收斂性等特點(diǎn)。因止匕，采用德爾菲法可能比其它判 斷方法的預(yù)測(cè)精度要高一些，但畢竟還是專家的主觀臆斷14-71 04.2 .定量預(yù)測(cè)4.2.1 綜合系數(shù)法綜合系數(shù)法認(rèn)為交通事故的發(fā)生與機(jī)動(dòng)車保有量和人口數(shù)存在直接關(guān)系，根據(jù)基年機(jī)動(dòng)車保有量、人口數(shù)及交通事故死亡人數(shù)計(jì)算出綜合系數(shù) ，然后按照綜 合系數(shù)和預(yù)測(cè)年的機(jī)動(dòng)車保有量及人口數(shù)預(yù)測(cè)交通事故死亡人數(shù)。4.2.2 時(shí)間序列方法時(shí)間序列預(yù)測(cè)法也稱時(shí)間序列趨勢(shì)外推法，是將預(yù)測(cè)對(duì)象按照時(shí)間順序排列 起來，構(gòu)成一個(gè)

11、所謂的時(shí)間序列，從分析時(shí)間序列的變化趨勢(shì)特征等信息選擇適 當(dāng)?shù)哪Ｐ秃蛥?shù)建立預(yù)測(cè)模型，并根據(jù)慣性原則假定預(yù)測(cè)對(duì)象以往的變化趨勢(shì)會(huì) 延續(xù)到未來，從而做出相應(yīng)的預(yù)測(cè)，包括移動(dòng)平均數(shù)法、指數(shù)平滑法等。該預(yù)測(cè)方 法的一個(gè)明顯特征是所用的數(shù)據(jù)都是有序的。這類方法預(yù)測(cè)精度偏低，通常要求研究對(duì)象具有相當(dāng)?shù)姆€(wěn)定性，歷史數(shù)據(jù)量要大，數(shù)據(jù)分布具有較明顯的趨勢(shì) 。(1)簡單平均法：a.算術(shù)平均法：算術(shù)平均法是把歷史數(shù)據(jù)加以算術(shù)平均，并以平均數(shù)作為預(yù)測(cè)值的方法。預(yù)測(cè)模型：式中：匕預(yù)測(cè)值的算術(shù)平均數(shù)；兄第i個(gè)歷史數(shù)據(jù)；界參加平均的歷史數(shù) 據(jù)的個(gè)數(shù)。b.加權(quán)平均法：加權(quán)平均法的預(yù)測(cè)模型為式中：匕預(yù)測(cè)值的加權(quán)平均數(shù)；其第i

12、個(gè)歷史數(shù)據(jù)；即，給予第i個(gè)歷史數(shù)據(jù)的權(quán)數(shù)0(2)指數(shù)平滑法：指數(shù)平滑法，也叫指數(shù)修正法，是一種簡便易行的時(shí)間序列 預(yù)測(cè)方法。它是在移動(dòng)平均法基礎(chǔ)上發(fā)展起來的一種預(yù)測(cè)方法，是移動(dòng)平均法的改進(jìn)形式。使用移動(dòng)平均法有兩個(gè)明顯的缺點(diǎn)：一是它需要有大量的歷史觀察值 的儲(chǔ)備；二是要用時(shí)間序列中近期觀察值的加權(quán)方法來解決，因?yàn)樽罱挠^察中 包含著最多的未來情況的信息，所以必須相對(duì)地比前期觀察值賦予更大的權(quán)數(shù)。 即對(duì)最近期的觀察值應(yīng)給予最大的權(quán)數(shù)，而對(duì)較遠(yuǎn)的觀察值就給予遞減的權(quán)數(shù)。 指數(shù)平滑法就是既可以滿足這樣一種加權(quán)法，又不需要大量歷史觀察值的一種新 的移動(dòng)平均預(yù)測(cè)法。4.2.3 回歸分析法回歸分析法是從被

13、預(yù)測(cè)變量和與它有關(guān)的解釋變量之間的因果關(guān)系出發(fā)，通過建立回歸分析模型，預(yù)測(cè)對(duì)象未來發(fā)展的一種定量方法。回歸分析能較好地反 映交通事故與諸影響因素的因果關(guān)系，并且能較容易地建立模型和檢驗(yàn)預(yù)測(cè)結(jié)果 因而回歸分析技術(shù)在交通事故預(yù)測(cè)中應(yīng)用最普遍。 但是，回歸分析要求樣本量大、 數(shù)據(jù)波動(dòng)不大、規(guī)律性強(qiáng)等條件，否則其預(yù)測(cè)精度便受到影響。另外，由于回歸分 析對(duì)新舊數(shù)據(jù)同等對(duì)待，只注重對(duì)過去數(shù)據(jù)的擬合，因此其外推性能較差，對(duì)變化 趨勢(shì)反應(yīng)遲鈍。如果一個(gè)地區(qū)的交通事故發(fā)生量與其眾多影響因素間有線性關(guān)系，即： 一 一 上式是一個(gè)多元一次線性函數(shù)。Y是交通事故發(fā)生量，稱為因變量； 、，鼻,三,，鼻是影響交通事故發(fā)生

14、量的各因素，稱為自變量，簡稱變量；M4也，也是系數(shù)。我們的目的就是根據(jù)歷年來的幺，NL2,的調(diào)查資A A AAAY =尻+bi X JLdJri.利用最小二乘法求參數(shù)，就是求解使偏差平方和料，應(yīng)用最小二乘法回歸出上述方程，這樣的方程稱為多元回歸方程，其系數(shù) 用血也，" 稱為偏回歸系數(shù)。用樣本的北去估計(jì)總體的 a，a也，也從而得到(i)式的估計(jì)式：(2)«A 2M 達(dá)到最小值的db3阻n 二 0AAAAA，b1fl根據(jù)極值原理：1油塔求解(3)式，得到瓦力1,瓦,鼠,就可以對(duì)牛m包也進(jìn)行估計(jì),從而確定回歸方程。一旦確定了回歸方程，就可以把某一年的各個(gè)自變量數(shù)值代入 方程，求得

15、該年的交通事故發(fā)生量12 04.2.4 灰色模型法在預(yù)測(cè)中，可將一個(gè)地區(qū)的道路交通系統(tǒng)視為灰色系統(tǒng)，把交通事故當(dāng)作灰色量。對(duì)影響本次事故的有關(guān)因素進(jìn)行關(guān)聯(lián)分析，找出主要的影響因素，建立生成 數(shù)列和灰色預(yù)測(cè)模型。交通事故灰色預(yù)測(cè)的特點(diǎn)是在數(shù)據(jù)量少、 資料不完全的情 況下采用。但是預(yù)測(cè)結(jié)果的后檢驗(yàn)差表明，交通事故灰色預(yù)測(cè)的精度不高。在實(shí) 際預(yù)測(cè)中，可運(yùn)用定性與定量相結(jié)合或灰色預(yù)測(cè)與其它方法相結(jié)合的組合預(yù)測(cè)法 構(gòu)造預(yù)測(cè)模型，這樣預(yù)測(cè)的精度會(huì)有很大的提高。灰色預(yù)測(cè)是將已知的數(shù)據(jù)序列按照某種規(guī)則構(gòu)成動(dòng)態(tài)或非動(dòng)態(tài)的白色模塊。再按照某種變化、解法來求解未來的灰色模型。具體講 ：當(dāng)一時(shí)間序列無明顯趨 勢(shì)時(shí)，采

16、用累加的方法生成一趨勢(shì)明顯的時(shí)間序列，按該序列增長趨勢(shì)建立預(yù)測(cè)模型，并考慮灰色因子的影響進(jìn)行預(yù)測(cè)， 然后采用累減的方法進(jìn)行逆運(yùn)算， 恢復(fù) 時(shí)間序列，得到預(yù)測(cè)結(jié)果1314 o灰色預(yù)測(cè)方法預(yù)測(cè)步驟如下原始數(shù)列的確定h打?qū)υ紨?shù)據(jù)進(jìn)行累加處理對(duì)F網(wǎng)作一次累加生成，即令：則得生成數(shù)列:即、*3)1 * = 12卜譚*評(píng)，,£*(明GM(l , l)模型的建立：設(shè)原始時(shí)間序列為y=3畫Q)|f =12喏通過累加生成新的序列為:則GM(1 1)模型相應(yīng)的微分方程為：智十淖二川式中：a 一發(fā)展灰數(shù)u 內(nèi)生控制灰數(shù)一 廿+1)=|>(1)-巴卜一3 +K其解的離散描述形式為：口一(4)確定GM

17、(l, 1)模型的參數(shù)a,u為待估參數(shù)向量，用最小二乘法求解出a=a,用=(尸8尸3與4s。)十譚Q)I-扣叫2) +嚴(yán))1式中:求解參數(shù)向量：將已知的B,九代入公式& &川,=(8'的肥見可得GM(l, l)預(yù)測(cè)模型 智+變二中的參數(shù)值a和u。即可得預(yù)測(cè)模型:夕(/ + )=卜一其卜5 +4，=0,12村 a a(5)還原模型可得原始數(shù)列的預(yù)測(cè)公式為:譚"+g(e/。)-如或/"+l) = W(F+l)-”Q)(6)模型精度檢驗(yàn)生成殘差及殘值均化 助=嚴(yán)-泮/7*“)小特何-刃沙原始數(shù)據(jù)的方差：月勺； n f->殘值的方差:小誤差：了”中&#

18、163; 7fl按p和c的大小，可將模型的預(yù)測(cè)精度分為好、合格、勉強(qiáng)和不合格4類,各類的p、c值見表網(wǎng)16。灰色預(yù)測(cè)精度等級(jí)表預(yù)測(cè)模型精度等級(jí)好合格勉強(qiáng)不合格P>0.95>0.80>0.70<0.7.C<0.35<0.50<0.65>0.654.2.5神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)人工神經(jīng)網(wǎng)絡(luò)建模是人工智能研究的一個(gè)分支，它具有強(qiáng)并行處理、容錯(cuò)性、 魯棒性、自適應(yīng)及自組織的能力，因此，其具有在復(fù)雜的非線性系統(tǒng)中較高的建 模能力及對(duì)數(shù)據(jù)良好的擬合能力。正是由于人工神經(jīng)網(wǎng)絡(luò)模型的良好性能， 近年 來它在非線性時(shí)序預(yù)測(cè)中得到了大量的應(yīng)用。道路交通事故的形成是人、車、路、

19、環(huán)境等多個(gè)非線性因素共同作用的結(jié)果， 且?guī)в休^大的隨機(jī)性。而傳統(tǒng)的線性分析方法無法解釋其內(nèi)蘊(yùn)， 故存在較大的局 限性，同時(shí)由于受到數(shù)據(jù)量太少和噪聲污染等因素的影響，使得預(yù)測(cè)結(jié)果無法令人滿意。我們可以將交通事故預(yù)測(cè)視作一個(gè)非線性機(jī)制確定的輸入輸出系統(tǒng)，這就從理論上保證了神經(jīng)網(wǎng)絡(luò)用于時(shí)間序列預(yù)測(cè)的可行性。我們可以利用神經(jīng)網(wǎng)絡(luò)的非線性特性去逼近一個(gè)時(shí)間序列或一個(gè)時(shí)間序列 的變型，通過神經(jīng)網(wǎng)絡(luò)清晰的邏輯關(guān)系，利用過去時(shí)刻的信去表達(dá)未來時(shí)刻的值, 從而達(dá)到事故預(yù)測(cè)的目的。目前應(yīng)用較廣的非線性方法有 BP網(wǎng)絡(luò)法和徑向基函數(shù)法。徑向基函數(shù)預(yù)測(cè) 精度明顯與選取的中心點(diǎn)集個(gè)數(shù)有關(guān)， 中心點(diǎn)集個(gè)數(shù)越多，精度越高。

20、由于原始 數(shù)據(jù)有限，因此選取的中心點(diǎn)集個(gè)數(shù)也有限， 試算結(jié)果并不理想。實(shí)際應(yīng)用中一 般采用的是BP網(wǎng)絡(luò)。此網(wǎng)絡(luò)執(zhí)行兩個(gè)過程：學(xué)習(xí)訓(xùn)練過程及檢驗(yàn)預(yù)測(cè)過程。 其 算法為誤差反向傳播方法（BP算法）。學(xué)習(xí)訓(xùn)練過程主要是完成網(wǎng)絡(luò)隱含層節(jié)點(diǎn) 數(shù)以及權(quán)重的確定。對(duì)訓(xùn)練好的網(wǎng)絡(luò)用檢驗(yàn)樣本進(jìn)行驗(yàn)證后，就可以用于預(yù)測(cè)了。 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的網(wǎng)絡(luò)結(jié)構(gòu)一般為多輸入單輸出的模式。 可以將歷年發(fā)生的交 通事故的各項(xiàng)統(tǒng)計(jì)指標(biāo)分別作為輸入， 利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，網(wǎng)絡(luò)的輸出就是 我們所需要的預(yù)測(cè)結(jié)果。神經(jīng)網(wǎng)絡(luò)模型幾乎可以對(duì)任何可能的序列進(jìn)行分析， 但是在使用過程中也存在大量問題：網(wǎng)絡(luò)結(jié)構(gòu)不易確定，即隱含層節(jié)點(diǎn)數(shù)較難確定；樣

21、本數(shù)量的確定也是一個(gè)困難的問題，并非樣本越多越好，而是存在一個(gè)合適的值，這通常只能憑經(jīng)驗(yàn)來確定；該模型要達(dá)到一定的精度需要大量的訓(xùn)練樣本，從而決定了必須離線訓(xùn)練；當(dāng)實(shí)時(shí)數(shù)據(jù)的統(tǒng)計(jì)特性與訓(xùn)練樣本不一致時(shí)預(yù)測(cè)置信度不高。5. 結(jié)論盡管交通事故的發(fā)生受到各種因素的影響，大量的統(tǒng)計(jì)資料卻表明，交通事故發(fā)生狀況及其影響因素是一個(gè)密切聯(lián)系的整體，并且這個(gè)整體具有相對(duì)的穩(wěn)定性和持續(xù)性，我們可以在統(tǒng)計(jì)資料的基礎(chǔ)上從整體上預(yù)測(cè)交通事故發(fā)生情況的變化趨勢(shì)。 本文對(duì)交通事故預(yù)測(cè)的理論和方法進(jìn)行了總結(jié)闡述，著重對(duì)時(shí)間序列法，回歸預(yù)測(cè)法，灰色模型法進(jìn)行了講述。其中回歸預(yù)測(cè)法，灰色系統(tǒng)預(yù)測(cè)法是一種得到廣泛應(yīng)用的事故趨勢(shì)性預(yù)測(cè)法，此外， 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)等方法也可用于交通事故發(fā)生趨勢(shì)預(yù)測(cè)。參考文獻(xiàn)：1 裴玉龍，張殿業(yè). 道路交通安全M. 人民交通出版社，2004.8 ： 201.2 李江等 . 交通工程學(xué)M. 北京 : 人民交通出版社，2002.3 劉志強(qiáng)等. 中國道路交通安全現(xiàn)狀分析J. 公路交通科技，2001， 18(2):10-11.4 秦利燕. 道路交通