[发明专利]一种基于地理加权泊松回归的县级交通事故的预测方法

权利要求书

1.一种基于地理加权泊松回归的县级交通事故预测方法，其特征是包括步骤：

1)通过数据调查采集研究范围内各县的历史交通事故频次数据，以及各县域内人口统计学属性、社会经济属性、道路基础设施属性及交通量属性数据，提取出交通事故频次、交通量、道路属性、社会人口统计特征、车辆登记数量和持有驾照人数比例参数信息；

2)采用泊松分布模型形式设定县级事故频次和影响因素之间的模型关系：

ln(Y)=ln(β₀(u_i))+β₁(u_i)ln(DVMT)+β₂(u_i)X₂+β₃(u_i)X₃+…+β_J(u_i)X_J+□    (1)

其中，事故数Y为县级交通事故数量的预测值；β_J(ui)表示县城地理中心的坐标位置ui=(u_xi,u_yi)；X₁…X_J为第1J个自变量，□为随机误差变量；

3)设置每个变量的影响系数的地理位置矩阵形式，并进行参数估计过程中的地理权重函数：

β=β0(ux1,uy1)β1(ux1,uy1)···βJ(ux1,uy1)β0(ux2,uy2)β1(ux2,uy2)···βJ(ux2,uy2)············β0(uxn,uyn)β1(uxn,uyn)···βJ(uxn,uyn)---(2)]]>

其中，n是县城数量；

β^(i)=(XTW(uxi,uyi)X)-1XTW(uxi,uyi)Y---(3)]]>

W(u_xi,u_yi)通过n个空间加权矩阵表示一个n，通过W(i)表示为：

W(i)=wi10···00wi2···0············0······win---(4)]]>

其中w_ij(j=1,2,…,n)是i县城模型标定中给j县城的权重；

运用高斯和毕方运算给出周围县城对其影响的权重：

高斯：wij=exp(-12×||ui-uj||G)---(5)]]>

毕方：wij=[1-(||ui-uj||/Gi)2]2if||ui-uj||<Gi0otherwise---(6)]]>

其中，G_i为带宽变量，用于确定周围县城对目标县城产生影响的空间范围，

G_i趋近于无穷大时，w_ij接近1，表明所有县城都对目标县城有影响；

4)基于地理权重的泊松回归模型进行参数估计，得出每个变量系数随地理位置的变化值，以及各变量的显著性水平；

5)将某年各县域内显著变量的属性值输入到模型中，对于各县级的交通事故频次进行预测；

6)检验各县级事故频次预测值的残差是否有空间相关性，若无空间相关性，表明建立的基于地理权重的泊松回归模型可以用于有效预测县级交通事故数；如具有空间相关性，则应重新选择属性变量，从步骤4)开始重复，直至预测值的残差不具有空间相关性；所述预测值的残差的空间相关性检测方法为由莫兰开发的一种研究空间自相关性的方法，Moran’s I：

Moran′sI=NΣiΣjωij(Yi-Y‾)(Yj-Y‾)ΣiΣjωijΣi(Yi-Y‾)2---(7)]]>

其中，N是县城数量；Y_i和Y_j是县城i和县城j残余的事故；Y是所有县城的平均残余，ω_ij是i县城模型标定中给j县城的权重，是空间权重矩阵的元素，呈现的空间相关性结构；

一个正或负值的Moran’s I表示各县城的正或负的空间自相关性多；Moran’s I的范围是从-1到+1；零值表示一个随机的空间格局；为了检验统计假设，将Moran’s I转化为Z-值，该值大于1.96或小于-1.96表示在统计上很显著的5％的置信水平。