資源描述：
《基于最優(yōu)加權(quán)組合模型的交通事故預(yù)測研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、專業(yè)學(xué)位碩士研究生學(xué)位論文新疆大學(xué)論文題目(中文)：基于最優(yōu)加權(quán)組合模型的交通事故預(yù)測研究論文題目(外文)：Roadtrafficaccidentspredictionbasedonoptimalweightedcombinedmethed研究生姓名：艾克熱木·艾合買提學(xué)位類別：專業(yè)學(xué)位專業(yè)名稱：建筑與土木工程導(dǎo)師姓名職稱：阿肯江·托呼提教授、王立曉副教授論文答辯日期2015年05月24日學(xué)位授予日期2015年月日新疆大學(xué)碩士學(xué)位論文摘要道路交通事故是一個基于人、車、路的不確定性過程，影響交通安全的因素很多，作用機(jī)理多變，因此道
2、路交通事故的發(fā)生有很大程度的突發(fā)性、偶然性?？茖W(xué)、合理地預(yù)測未來道路交通事故趨勢是相關(guān)部門提前采取及時應(yīng)對措施的首要條件。交通事故根據(jù)傳統(tǒng)的回歸預(yù)測法、時間序列法、BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行預(yù)測時，由于各模型均存在一定的局限性，因此預(yù)測結(jié)果往往出現(xiàn)較大的偏差?；疑A(yù)測法不需要大量的樣本量，運(yùn)算簡便，適合于“貧信息”，隨機(jī)波動性較小的事故數(shù)據(jù)。當(dāng)使用單一的灰色預(yù)測模型進(jìn)行波動性較大或中長期的事故預(yù)測時，會出現(xiàn)擬合程度差、預(yù)測可靠性低等問題。馬爾科夫鏈模型是通過判斷變量的狀態(tài)以及計算各個狀態(tài)的轉(zhuǎn)移概率，從而得出模型未來發(fā)展趨勢，該方法適用于
3、具有較大波動性，中長期事故變量。因此，當(dāng)建立灰色馬爾科夫鏈預(yù)測模型時，可以有效結(jié)合兩者優(yōu)點(diǎn)，根據(jù)灰色預(yù)測法（如灰色GM（1,1）模型）掌握事故序列未來發(fā)展、變化規(guī)律，通過馬爾科夫鏈把握事故序列的波動特性，降低隨機(jī)干擾因素的影響，從而得到較精確、可靠、合理的事故預(yù)測序列。為了進(jìn)一步的提高模型的精度，利用灰色最優(yōu)加權(quán)組合預(yù)測法，提取各預(yù)測模型的有價值的信息，對烏魯木齊市未來的事故趨勢進(jìn)行了預(yù)測。本研究利用烏魯木齊市2007-2013年的交通事故傷亡人數(shù)，首先建立灰色GM（1,1）模型與灰色Verhulst模型，并計算出平均相對誤差分
4、別為4.32%、4.57%；其次利用馬爾科夫鏈模型對灰色GM（1,1）模型和Verhulst模型進(jìn)行初步誤差修正，發(fā)現(xiàn)誤差分別減小到1.67%、1.71%；最后利用最優(yōu)加權(quán)組合預(yù)測法，把灰色馬爾科夫鏈GM（1,1）模型與灰色馬爾科夫鏈Verhulst模型進(jìn)行組合后，平均相對誤差進(jìn)一步減小到1.33%，并得出了烏魯木齊市2014-2019年的交通事故傷亡人數(shù)預(yù)測的預(yù)測值。本研究對把握烏魯木齊市未來的事故發(fā)展趨勢，對道路交通建設(shè)、與其安全水平、行車環(huán)境，社會安定以及最小化交通事故經(jīng)濟(jì)損失具有不可估量的現(xiàn)實意義。關(guān)鍵詞:灰色理論;GM
5、（1,1）模型;Verhulst模型;誤差修正;灰色最優(yōu)加權(quán)組合I新疆大學(xué)碩士學(xué)位論文AbstractsRoadtrafficaccidentisaperson,vehicle,roadbaseduncertaintyintheprocess,therearemanyfactorswhichinfluencetrafficsafety,actionmechanism,thereforetheroadtrafficaccidentshavelargelysuddenandaccidental.Scientificandreason
6、abletopredictthefuturetrendofroadtrafficaccidentisthefirstconditionofrelateddepartmentstotaketimelymeasuresinadvance.Trafficaccidentsaccordingtothetraditionalregressionforecastmethod,timeseriesmethod,theBPneuralnetworktoforecast,becauseeachmodelhascertainlimitation,s
7、othepredictionresultstendtobelargerdeviation.Greyforecastingmethoddon'tneedalotofsamplesize,easyoperation,suitablefor"poorinformation",stochasticvolatility,thesmallertheaccidentdata.Whenusingasinglegreypredictionmodelforvolatileormediumaccidentforecast,therewillbeafi
8、ttingdegreeandlowreliabilitypredictionproblem.Markovchainpredictionmethodisthroughthejudgmentvariablebetweenthestateandthestatetran
