道路交通事故论文道路交通事故的论文
义乌市道路交通事故灰色预测模型构建与应用研究[摘要] 交通事故预测模型是进行交通安全控制的关键问题之一。
基于灰色理论构造弱化算子对2004年-2008年义乌市道路交通事故统计数据进行弱化处理，并对数据序列进行二次排列，构建义乌市道路交通事故发生次数、死亡人数、受伤人数、经济损失的灰色预测模型，运用该模型预测得到义乌2009-2011年道路交通事故数据。
预测模型具有使用简便、预测精度高的优点，对义乌交通事故的预测有一定的实际参考价值。
[关键词] 交通事故灰色模型预测模型义乌市
道路交通事故是全球共同面临的安全问题，也是社会发展急需解决的重大战略问题。
对于义乌而言，随着经济的高速发展，人们生活水平的不断提高，机动车数量的不断增加，道路交通安全问题已经面临严峻的考验。
治理道路交通安全问题，首先就要掌握道路交通事故的发生规律及其发展趋势。
本文通过对义乌市道路交通事故统计资料的分析，利用灰色理论，建立义乌市道路交通事故发生次数、死亡人数、受伤人数、经济损失的灰色预测模型，再运用灰色模型预测义乌市未来道路交通事故的发展趋势，为义乌市道路交通管理部门治理道路交通事故提供数据支持和理论依据。
1.研究对象与方法
1.1研究对象
利用2004-2008年义乌市道路交通事故4项统计数据，建立义乌市道路交通事故4项指标的预测模型。
1.2数据的选取和处理
义乌2002年至2009年交通事故统计数据如下表1。
表1 义乌市2002年-2009年交通事故统计数据表
类别
年度事故
总数死亡人数受伤
人数直接经济损失（万元）
2002 2754 132 1681 10714738
2003 1362 132 1208 7659476
2004 919 147 1046 4377339
2005 695 142 840 2774539
2006 688 141 782 2360570
2007 614 123 771 1947270
2008 473 122 566 1936605
2009 390 115 414 381070
由于自2004年5月1日起施行《中华人民共和国道路交通安全法实施条例》和自2009年1月1日起施行《道路交通事故处理程序规定》，使得交通实际事故数据有较大幅度的变化，而且与实际交通事故数据有较大的差距，因此本文选取2004年到2008年的数据用于建模和预测。
要将获得的交通事故相关数据进行适当的处理。
采取由现在向过去滚动的方式选取建模序列，得到义乌市2004年-2008年交通事故四项数据的建模序列分别为：
X总（0） =（x总（0）(1), x总（0）(2), x总（0）(3), x总（0）(4), x总（0）(5)）
=（473，614，688，695，919）
X死（0） =（x死（0）(1), x死（0）(2), x死（0）(3), x死（0）(4), x死（0）(5)）
=（122，123，141，142，147）
X伤（0） =（x伤（0）(1), x伤（0）(2), x伤（0）(3), x伤（0）(4), x伤（0）(5)）
=（566，771，782，840，1046）
X损（0） =（x损（0）(1), x损（0）(2), x损（0）(3), x损（0）(4), x损（0）(5)）
=（1936605，1947270，2360570，2774539，4377339）
仔细分析义乌市2002年-2009年交通事故统计数据表1，可以发现数据有比较大的变化，系统的行为数据受到扰动项的干扰，在预测分析时，不能不加以考虑。
应用构造的弱化算子进行一阶弱化，得出弱化序列数据，利用弱化后数据序列建立灰色模型，能够取得很好的模拟效果。
由于死亡人数关系重大，数据的真实性比较强，受干扰小，所以不必要进行弱化处理。
对义乌道路交通事故数、道路交通事故受伤人数及道路交通事故直接经济损失三个数据序列构造弱化算子进
行弱化处理。
本文建模数据选取2004年至2008年五年交通事故统计数据进行相关处理。
原始数据序列
令
其中
式中D是一阶平均弱化缓冲算子
利用上述弱化算子对原数据序列进行弱化：
对于X总（0） =（x总（0）(1), x总（0）(2), x总（0）(3), x总（0）(4), x总（0）(5)）
=（473，614，688，695，919），显然n=5,弱化后的数据序列为：
X总（0）D=（678，729，767，807，919）
同样运算可以得到其它2个数据序列的弱化后的序列
X伤（0）D =（801，859，889，925，1046）
X损（0）D =（2679264，2864929，3170816，3575939，4377339）
按照时间顺序形成用于建模的数据序列为：
X总1（0）D=（919，807，767，729，678）
X死1（0） =（147，142，141，123，122）
X伤1（0）D =（1046，925，889，859，801）
X损1（0）D =（4377339，3575939，3170816，2864929，2679264）
经过上述两个步骤处理后的数据序列就可以进行义乌市交
通事故灰色模型的构造了。
2.建模方法
运用2004年到2008年经过处理用于建模的数据序列，经计算可得到义乌市交通事故四项数据各自的灰色预测模型。
交通事故总数预测建模步骤如下：
1、对X总1（0）D=（919，807，767，729，678）作AGO 运算（一次累加生成）得到：
X总（1）=（919，1726，2493，3222，3900）
2、构造矩阵B和YＮ
Ｂ＝＝ＹＮ＝
3、计算（ＢＴＢ）－１ＹＮ＝＝
4、
5、求导还原得：
6、对上述模型精度进行检验：
用（1）模型求出各时刻值，然后求相对误差。
精度检验实测值、残差值表如下表2。
经计算，平均相对误差为0.495%，精度要小于1%，模型精度良好，可以用（０）（ｋ＋１）＝－ａ＝839ｅ－０.０５６ｋ进行预测，还原生成交通事故总数预测值和原始值见下表3。
从回代检验结果看，累加生成数列曲线拟合较好，相对误差0.495%，而还原数列的相对误差大一点，其原因是数据累加生成后，将原始数据的随机性弱化，正负误差抵消，当再还原后，便又表现出来。
同理算出其他3个数据序列的预测模型，对灰色模型的预测精度进行检验表明预测模型都达到一级精度要求，后验差比值
C<0.35，小误差频率P>0.95。
所建立的模型精度良好，均可用于相关预测。
综上所述，义乌市道路交通事故4项数据序列的预测模型和2009-2011年的相关预测值汇总如下表4。
从预测结果来看，2009-2011年交通事故4项数据预测值与前几年的数据呈现的规律有一定的偏差，普遍比交通部门提供的数据大，而且数据增大的幅度较大，这值得交通管理部门引起注意，对交通事故各项数据不能盲目乐观，应加大监管力度，减少交通事故的发生。
3.结论
（1）对义乌交通事故数据构造弱化算子进行弱化处理，并对数据序列进行二次排列，在此基础上形成按照时间顺序排列的数据序列可以很好地用于灰色建模。
这样的数据处理具有创新性，可提高道路交通事故GM(1，1)模型的预测准确性。
（2）运用构造的义乌市交通事故四项数据的灰色预测模型进行交通预测，预测的精度满足要求。
参考文献：
[1]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社,1986.
[2]刘秋菊,景国勋,房耀洲.GM(1,1)模型在道路交通事故预测中的应用研究[J].交通标准化,2007(7):159-161.
[3]刘建齐,陈兰,刘建武.道路交通事故预测中的灰色预测GM(1,1)模型[J].广西交通科技.2003(4):106-109.
[4]韩文涛,张倩,贾安民.基于灰色系统的道路交通事故预测模型研究[J].西安建筑科技大学学报(自然科学
版),2005(3):375-377.。