基于灰色模型的较大以上道路交通事故发展趋势预测研究

王婷宇,张 杰

(1.湖南省高速公路集团有限公司，长沙 410005;2.交通运输部公路科学研究所，北京 100088)

0 前言

根据2018年世界卫生组织发布的《道路安全全球现状报告》[1]，全球每年道路交通事故的死亡人数为135万人，每天有近3 700人死于道路交通事故，道路交通事故已成为全球第8大死亡因素，并是5～29岁人群的第1大死亡因素.每年还有数千万人因道路交通事故受伤或致残，因道路交通事故产生的财产损失、医疗费用和应急费用都是巨大的，同时也给家庭和社会带来巨大的精神创伤.

道路交通事故的发生是由人、车、路、环境、管理等多种因素共同作用的结果，通过对道路交通事故的特征、分布规律、发生机理等开展研究以探究事故发生的深层次原因，为道路交通事故的预防提供技术支撑，具有重要的现实意义.近年来国内外学者对道路交通事故开展了一系列研究，取得了一系列成果.国内外学者从分心驾驶、攻击性驾驶、疲劳驾驶、酒驾等危险驾驶行为角度分析人因对道路交通事故的影响[2-3]，从车辆主动安全、车辆被动安全、对弱势道路使用者保护、对车辆乘员保护、车身碰撞相容性等车辆安全技术性能角度分析车辆对道路交通事故的影响[4-5]，从道路线形、道路安全设施、照明设施等道路设施角度分析道路对道路交通事故的影响[6-8].

针对道路交通事故的研究越来越多，但多集中于危险驾驶行为、车辆相容性设计、道路线形优化等道路交通事故的某一方面，且多集中于一般事故的分析和重特大事故的分析，而对较大以上事故的发展趋势预测和事故特征研究较少.本文通过对较大和重特大道路交通事故发展趋势进行预测研究，为后期准确把握安全研究和安全管控的重点方向，以及预防交通事故的发生提供技术建议.

1 道路交通事故数据等级界定及统计信息

根据事故引起的财产损失和人员伤亡情况，《生产安全事故报告和调查处理条例》将事故划分为4个等级，如表1所示.

表1 事故等级划分标准

本文根据上述规定的事故等级划分标准，将重特大道路交通事故定义为一次死亡10人以上(含10人)的道路交通事故，将较大事故定义为一次死亡3人以上(含3人)的道路交通事故.

2009—2017年公开的重特大和较大道路交通事故调查报告是本文分析重特大道路交通事故特征的主要数据来源之一.交通运输部公路科学研究院发布的2010—2016年《中国道路交通安全蓝皮书》和公安部交通管理局2010—2016年发布的《道路交通事故统计年报》中，包含了上年度的全国道路交通事故分析、交通事故数据统计、较大以上道路交通事故数据统计与案例、历年道路交通事故数据统计、交通事故相关资料5部分内容，其中的重特大和较大道路交通事故数据是本文的另一个主要数据来源.

2 预测模型算法比选研究

2.1 预测模型算法的优缺点

现在常用的预测模型算法主要有最小二乘法、回归分析法、灰色预测法、决策论等4大类，每类预测模型算法的使用范围及优缺点如下：

2.1.1 最小二乘法

最小二乘法是通过最小化误差的平方和寻找数据的最佳函数匹配.利用最小二乘法可简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小.最小二乘法还可用于曲线拟合.其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达.

优点：实现简单，计算简单.

缺点：不能拟合非线性数据.

2.1.2 回归分析法

回归分析法指的是确定2种或2种以上变量间相互依赖的定量关系的一种统计分析方法.在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量(目标)和自变量(预测器)之间的关系.这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系.

优点：在分析多因素模型时，更加简单和方便，不仅可预测并求出函数，还可自己对结果进行残差的检验，检验模型的精度.

缺点：回归方程式只是一种推测，这影响了因子的多样性和某些因子的不可测性，使得回归分析在某些情况下受到限制.

2.1.3 灰色模型预测法

灰色模型预测法是一种对含有不确定因素的系统进行预测的方法.它通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况.它用等时间距离观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或者达到某一特征量的时间.

优点：对于不确定因素的复杂系统预测效果较好，且所需样本数据较小.

缺点：基于指数率的预测没有考虑系统的随机性，中长期预测精度较差.

2.1.4 决策树

决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险、判断其可行性的决策分析方法，是直观运用概率分析的一种图解法.由于这种决策分支画成图形很像一棵树的枝干，故称决策树.在机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系.

优点：能处理不相关的特征；在相对短的时间内能对大型数据源做出可行且效果良好的分析；计算简单，易于理解，可解释性强；比较适合处理有缺失属性的样本.

缺点：忽略了数据之间的相关性；容易发生过拟合；在决策树当中，对于各类别样本数量不一致的数据，信息增益的结果偏向于那些具有更多数值的特征.

考虑到事故的发生是多因素复合作用的结果，且本论文的样本数据较小，主要是侧重于对近10年事故趋势的预测，在综合比选4类预测模型算法优缺点的基础上，本论文选取灰色模型预测方法进行较大以上事故发展趋势的预测研究.

2.2 灰色模型预测算法原理

灰色预测是以灰色理论为基础的，在诸多的灰色模型中，以灰色系统中单序列一阶线性微分方程模型GM(1，1)模型最为常用[9].

设有原始数据列：

x(0)=(x(0)(1)，x(0)(2)，…，x(0)(n))
(n为数据个数)

如果根据x(0)数据列建立GM(1，1)来实现预测功能，则基本步骤如下：

步骤1原始数据累加以便弱化随机序列的波动性和随机性，得到新数据序列：

x(1)=(x(1)(1)，x(1)(2)，…，x(1)(n))

式中x(1)(t)中各数据表示对应前几项数据的累加.

步骤2对x(1)(t)建立x(1)(t)的一阶线性微分方程

式中a，u为待定系数，分别称为发展系数和灰色作用量.

步骤3对累加生成数据作均值生成B与常数项向量Yn，即

步骤4用最小二乘法求解灰参数，则

步骤5将灰参数代入并对进行求解，得

步骤6对函数表达式(1)(t+1)及(1)(t)进行离散并将二者作差以便还原x(0)原序列，得到近似数据序列(0)(t+1)如下：

(0)(t+1)=(1)(t+1)-(1)(t)

步骤7对建立的灰色模型进行检验.

步骤8利用模型进行预测

3 基于灰色模型的较大以上道路交通事故发展趋势预测

3.1 重特大道路交通事故发展趋势预测

根据上述资料的统计分析，2009—2018年我国重特大道路交通事故的数量及死亡人数统计数据如表2所示：

表2 我国2009—2018年重特大道路交通事故信息统计

基于灰色模型的重特大事故发展趋势预测结果如表3所示.

表3 我国2019—2028年重特大道路交通事故信息预测

基于灰色模型的重特大道路交通事故发展趋势预测结果如图1所示.

图1 基于灰色模型的重特大道路交通事故发展趋势预测结果

3.2 较大事故发展趋势预测

根据上述资料的统计分析，2009—2018年我国较大道路交通事故的数量及死亡人数统计数据如表4所示：

表4 我国较大道路交通事故信息统计

基于灰色模型的较大道路交通事故发展趋势预测结果如表5所示.

表5 我国2019—2028年较大道路交通事故信息预测

基于灰色模型的较大道路交通事故发展趋势预测结果如图2所示.

3.3 较大以上道路交通事故发展趋势分析

通过对基于灰色模型的较大以上道路交通事故发展趋势预测结果分析，在当前和今后一个时期，重特大和较大道路交通事故均呈逐渐下降趋势.在2025年以后，重特大道路交通事故将得到有效遏制，处于偶发状态；而较大道路交通事故虽呈下降趋势，但存量依然较大，事故数量和死亡人数仍处于较高位置.

4 结束语

本文对2009—2018年较大以上道路交通事故起数和死亡人数进行统计分析的基础上，基于灰色模型对较大以上道路交通事故的发展趋势进行预测.通过对2019—2028年的预测结果进行分析，在2025年以后，重特大道路交通事故将得到有效遏制，处于偶发状态；而较大道路交通事故虽呈下降趋势，但存量依然较大，事故数量和死亡人数仍处于较高位置.因此，在当前和今后一个时期，道路交通安全研究和安全管控的重点方向，将转移到在巩固重特大道路交通事故预防成果、保持稳定态势基础上，着力在减少较大道路交通事故上下功夫，补短板、堵漏洞、强弱项，防风险、除隐患、保安全，严控严防较大以上道路交通事故.依托于前期对重特大道路交通事故的研究成果，开展对较大道路交通事故形成机理的研究，通过探寻较大以上道路交通事故的特征及发生规律，实现彻底消除重特大道路交通事故的发生，以及尽可能减少较大以上道路交通事故发生数量的目标.