基于MPSO-RBF的区域公路交通事故预测方法研究

在分析区域公路交通事故致因因素和预测特点的基础上,引入了基于改进PSO算法的RBF神经网络的混合优化(MPSO-RBF)算法,即将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,并建立了区域公路交通事故的预测模型.最后,利用某城市1990-2003年交通事故资料和相关数据对MPSO-RBF神经网络预测模型进行了训练、拟和,同时用2004-2006年的外推样本数据对模型进行了检验,计算结果表明,MPSO-RBF预测模型较传统方法具有更高的预测精度,与此同时也证明了本文所选取区域公路交通事故致因因素的有效性.

交通事故下的交通波特性分析--以广州市机场高速公路为例

针对目前高速公路交通事故时空性质方面研究较为匮乏的现象,提出了一种交通事故时空分析下的交通波划分方法,用于从时空特性对交通事故进行微观分析.利用高速公路交通事故下的车辆时空图建立交通波分析模型,通过拥挤速度和交通事故风险函数获取交通事故的时间特性.分别对各个交通波和交通事故区域进行定义,通过图例展示交通事故的空间分解.通过交通波传播模型和速度及加速度的限制条件建立交通事故下的交通波空间模型,对处于交通波上的时空节点进行筛选以获取交通波方程.以广州市机场高速公路为例对部分事故段绘制车辆时空图,利用交通事故的时空特征对数据进行筛选确定了集结波,启动波,停止波和消散波的方程,集结波和消散波的波速及事故发生点坐标等信息.确定了拥堵区域和消散区域的位置,利用凸包算法计算其面积,同时将该方法利用在该路段其他次的交通事故区域中以得到该方法的普适性.该特性分析方法同样可以用于其他交通事件的微观分析以及特性建模中,具有很强的理论和现实意义.