[发明专利]一种基于交通分析小区的交通事故频次预测方法

说明书

技术领域

本发明涉及一种基于交通分析小区的交通事故频次预测方法，具体说运用地理加权回归模型，提出一种基于交通分析小区的交通事故频次预测方法，可基于交通分析小区预测事故频次，涉及交通安全领域。

背景技术

随着道路交通的发展、机动化进程的深入，交通安全问题也日益突显,仅在2010年，全国就共接报道路交通事故3,906,164起，同比上升35.9％，其中，涉及人员伤亡的道路交通事故219,521起，造成65,225人死亡、254,075人受伤，直接财产损失9.3亿，近十年在我国每年因交通事故所造成的经济损失达数百亿元。

道路交通安全问题越来越受到社会的关注，基于交通分析小区的交通事故频次预测方法可以根据各个交通分析小区的土地利用、社会经济、道路设施以及交通运行特征，来评价交通分析小区内合理的交通事故频次，从而为交通安全治理以及交通安全政策的制定提供指导。以往多基于县、市等地理单元进行事故频次预测，相比于交通分析小区，县、市级地理单元存在较大的内部差异；另外，以往多采用传统的广义线性模型，在广义线性模型的框架下，各地理单元是假设相互独立的，但是实际上道路交通数据是与地点相关的，相邻的区域在道路交通事故、社会经济发展、道路交通特征方面有某种程度的趋同性，而距离较远的区域之间会有某种程度的相异性，传统的广义线性模型无法考虑这种区域间的空间关系，因此预测精度不高。

发明内容

发明目的：针对以往县、市级地理单元内部差异较大以及广义线性模型框架假设各地理单元相互独立，无法解释事故数据空间相关性和异质性，影响预测准确性的问题，本发明提出一种基于交通分析小区的交通事故频次预测方法，可以考虑事故预测中的空间相关性和异质性的问题，可以描述不同空间位置解释变量对事故频次的不同影响，可以提高预测准确性。

技术方案：为实现上述目的，本发明采用如下技术方案：

一种基于交通分析小区的交通事故频次预测方法，包括如下步骤：

(1)收集研究范围内各交通分析小区的参数信息，所述参数信息包括历史事故数据与解释变量数据；

(2)使用地理信息系统软件将所述参数信息标识到对应的交通分析小区；

(3)采用地理加权回归模型设定交通分析小区事故频次和解释变量之间的关系；

(4)设置解释变量前参数的矩阵形式，并确定参数估计过程中的权重函数；

(5)基于地理加权回归模型进行参数估计，得出每个解释变量前的参数在不同交通分析小区的估计值以及解释变量的显著性水平；

(6)将各交通小区内显著变量的数据值输入到标定的模型中，对各交通分析小区的交通事故频次进行预测并计算残差；

(7)检验各交通分析小区的事故预测值的残差是否具有空间相关性，若无空间相关性，则标定的事故预测模型具有有效性；如果具有空间相关性，则从模型中剔除空间相关性检验显著的变量，然后从步骤5)开始重复，直至残差不具有空间相关性，基于得到的有效模型进行交通事故频次预测。

优选地，所述解释变量数据包括交通分析小区的土地利用、社会经济、道路设施以及交通运行特征数据。

进一步地，所述地理加权回归模型为：

其中，λ_i为第i个交通分析小区事故频数的期望值；(u_i,v_i)为第i个交通分析小区质心的二维坐标；β₀(u_i,v_i)为截距；β_j(u_i,v_i)为第i个交通分析小区的第j个解释变量x_ij的回归参数，该参数随交通分析小区发生变化；J为解释变量的个数；ε_i为误差项。

进一步地，所述解释变量前参数的矩阵形式为：

其中，n是交通分析小区数量；

其中，是第i个交通分析小区的回归参数估计值组成的行向量；X为解释变量组成的矩阵；Y为因变量组成的列向量；W(u_i,v_i)为空间权重矩阵：

其中，w_ij，j＝1,2,...,n，为第i个交通分析小区进行参数估计时赋予第j个交通分析小区的权重，代表空间位置j的观测值对回归点i参数估计的影响程度。

优选地，采用自适应bi-square函数计算权重值w_ij。