基于主成分法的道路交通事故综合评价方法研究

在现有各种交通事故评价指标的基础上，应用主成分分析方法，可构造出交通事故综合评价指标，使其凸现交通事故的变化趋势和主要特征．且与原始数据有较高的弥合度。     

基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性.另外,计算结果表明基于主成分分析(PCA)的BP神经网络法优于BP神经网络法.     

基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性。另外,计算结果表明基于主成分分析（PCA）的BP神经网络法优于BP神经网络法。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于PSO—SVM的交通事故预测

为更加准确地描述道路交通事故发生的规律,结合粒子群算法和支持向量机理论,提出一种粒子群算法（Ps0）优化支持向量机（SVM）的道路交通事故预测模型,并用相应的数据进行仿真研究。结果表明,基于粒子群算法优化支持向量机模型（PS（）ISVM）NNNNNNN,能较好地契合道路交通事故的变化趋势。     

基于模糊神经网络的交通事故微观预测方法研究

道路交通事故微观预测包括对路段和交叉口事故指标的预测．本文总结现有预测方法的优劣性,探讨现有预测方法的改善方向,提出了基于模糊神经网络的交通事故微观预测方法,分析了网络结构和学习算法。以石河子市交通事故调查数据进行实例分析,选择路段事故影响因素作为输入变量,通过Matlab编程实现模糊神经网络的算法,并与负二项回归模型...     

道路交通事故的神经网络预测方法研究

指出了预测对道路交通安全性的重要意义以及传统预测方法存在的缺陷;运用神经网络建立时间序列的道路交通事故预测方法,克服了传统预测方法必须事先构造函数的不足之处。分析表明, 该方法的预测精度较高。     

道路交通事故死亡人数预测模型的研究

目前，我国道路交通事故死亡人数不仅占据国内各类安全生产事故死亡人数的绝对数，而且已居世界首位。2005年，全国各类安全生产事故死亡126760人，其中道路交通事故死亡98738人，约占总数的77．9％；2006年，全国各类安全生产事故死亡112822人，其中道路交通事故死亡89455人，约占总数的79．3％。公安部刘金国副部长在2007年3月26日召开的全国道路交通安全工作部际联席会议第三次会议上发言指出，研究建立科学考核体系，[第一段]     

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。     

基于道路标线的交通事故现场摄影测量研究

论述了基于普通相机的交通事故现场测量技术基本理论,提出了一种利用道路标线作为标定参考物的新的标定方法,在小波多尺度边缘检测基础上,利用Harris角点提取对图像进行分析处理,对影响摄影测量精度的有关参数进行了简要描述,对一个实际事故现场的部分数据进行了分析,验证了设计的算法。     

基于改进灰色预测法的乌鲁木齐市道路交通事故预测

交通事故预测是交通安全研究的重要内容,是提高道路交通安全水平的基础。为研究乌鲁木齐市道路交通事故发展趋势,在分析交通事故灰色特性的基础上,以乌鲁木齐市道路交通事故统计资料为基础,运用改进的灰色预测模型进行交通事故伤亡人数预测。结果表明,改进的灰色预测模型比传统灰色预测模型精度提高了74.98%。     

基于改进BML模型的交通事故下路网交通运行状态分析

针对BML模型在分析交通事故对路网交通运行状态影响方面的不足,考虑事故发生时车辆为回避阻塞点而改变行驶路径等行为,对BML模型中事故点前车辆的行驶规则进行改进,使之与实际车辆的驾驶行为更加接近. 在改进模型的基础上,分别就路网交通流密度一定时,事故点数量变化对交通流平均速度的影响;事故点数量一定时,路网交通流密度变化对交通流平均速度的影响;事故点前各格点车辆转移概率对交通流平均速度的影响;车辆在事故点前各格点的转移概率分布函数不同对系统运行状态的影响等四个问题进行模拟研究,通过对模拟结果进行分析,得出了一系列有意义的结论.     

基于随机重复爬山法的交通状态预测

合理构造影响交通状态网络结构,是实现交通状态预测的前提条件.为克服爬 山法易陷入局部最优的缺陷,提出一种基于随机重复爬山法的交通状态预测方法.对随机 生成的有向无环图迭代运行爬山法得到多网络结构;通过有向边置信度的定义和置信度 阈值的计算,确定了最优贝叶斯网络结构中节点和有向边选取准则;利用最优贝叶斯网 络结构,实现了畅通、平稳、拥挤和阻塞等4 种交通状态的预测并综合评价.分析结果表 明,该方法仅选取时段、节假日等两变量时,对交通状态预测总体准确率超过85%,能够 为高速公路运行状态监测预警和决策分析提供有效方法和数据支撑.     

���ڸĽ�BMLģ�͵Ľ�ͨ�¹���·����ͨ����״̬����

针对BML模型在分析交通事故对路网交通运行状态影响方面的不足,考虑事故发生时车辆为回避阻塞点而改变行驶路径等行为,对BML模型中事故点前车辆的行驶规则进行改进,使之与实际车辆的驾驶行为更加接近. 在改进模型的基础上,分别就路网交通流密度一定时,事故点数量变化对交通流平均速度的影响;事故点数量一定时,路网交通流密度变化对交通流平均速度的影响;事故点前各格点车辆转移概率对交通流平均速度的影响;车辆在事故点前各格点的转移概率分布函数不同对系统运行状态的影响等四个问题进行模拟研究,通过对模拟结果进行分析,得出了一系列有意义的结论.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

基于灰色马尔科夫链模型的交通事故预测

以灰色GM(1,1)模型为基础,结合马尔科夫链模型建立灰色马尔科夫链模型GM(1,1),对灰色GM(1,1)模型的预测结果进行误差修正,并利用乌鲁木齐市交通事故的历史数据对2014~2016年的交通事故伤亡人数进行预测。结果表明:当利用灰色马尔科夫链GM(1,1)模型时,平均相对误差从单一GM(1,1)模型的4.32%降到1.67%,误差减少2.65%,预测结果更加可靠,能够为乌鲁木齐市采取有效措施预防交通事故的发生,提供可靠理论依据。     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

鉴别道路交通事故黑点的聚类分析方法研究

对道路交通事故黑点的鉴别方法进行综述,提出鉴别道路交通事故黑点的聚类分析法,利用该法对菏泽市牡丹区境内国道220交通事故黑点进行鉴别,可为进一步研究鉴别道路交通事故黑点的方法提供不同的思路。     

基于主成分-聚类分析的事故热点识别方法研究

为提高道路交通安全性,消除事故隐患,提出了一种应用主成分-聚类分析的热点识别方法,以主成分分析法量化各路段的安全性并提取主分量,利用Canopy-K Means组合聚类算法对主成分综合评价函数进行聚类划分,筛选出事故热点路段,通过对G50沪渝高速安徽段的热点路段识别结果表明：主成分-聚类分析法既能进行科学的事故统计分析,有效识别事故热点路段,又能充分反映各路段的实际交通安全情况,可为道路交通安全的改善决策提供科学、合理的决策依据。