基于马尔可夫链的道路交通事故预测研究及应用
|
摘要
交通安全是国民经济发展和社会安定的重要方面，也是道路交通管理的两项基本任务之一。道路交通事故预测是道路交通安全研究的一项重要内容，它的目的是为了掌握交通事故的未来状况，以便及时采取相应的对策，有效地控制各影响因素，避免工作中的盲目性和被动性，减少交通事故。道路交通系统的非线性、随机性、动态性以及不确定性等特点，决定了作为道路交通系统行为特征量的道路交通事故预测的复杂性。本文以交通统计年鉴中的资料为数据，以马尔可夫链理论和灰色理论为研究手段，以提高交通事故预测精度和可靠性为目标，详细地探索和研究适应不同道路交通事故特点的交通事故宏观预测方法。论文的主要工作及结论如下：
1.针对一般灰色马尔可夫链模型运用的转移概率矩阵固定不变而影响预测精度的问题，通过采用滑动转移概率矩阵方法，建立改进的灰色马尔可夫链模型。借助改进的灰色马尔可夫链模型对全国2002~2004年交通事故10万人口死亡率进行了预测分析。结果表明，改进的灰色马尔可夫链模型的预测精度高于一般灰色马尔可夫链模型的预测精度，具有较强的工程实用性。
2.基于交通事故指标为相依随机变量的特点，应用有序聚类的方法划分出反映交通事故衡量指标的变化区间，然后以指标序列规范化后的各阶自相关系数为权重，运用加权马尔可夫模型来预测未来交通事故的状态。以北京市1970~2010年共41年的事故受伤人数为例对该方法进行了预测分析。这种预测方法使得交通事故的预测由点值扩大到区间，大大提高了预测的可靠性。
3.鉴于GM(1,1)模型在分析多关联不确定因子系统失效的情况，采用理论基础更扎实的SCGM(1,1)c模型替代GM(1,1)模型，同时结合加权马尔可夫链的优点，构建灰色加权马尔可夫SCGM(1,1)c模型来预测未来时刻的交通事故。以北京市1975~2010年道路交通事故次数为例进行了预测分析。预测结果表明此模型是可靠可信的，具有很强的工程实用性。
4.鉴于传统GM(1,1)模型所具有的固有偏差及自身缺陷，采用无偏GM(1,1)模型代替传统GM(1,1),在无偏GM(1,1)模型拟合得到的系统总体趋势的基础上进行马尔可夫预测，结合新信息优先的思想，建立等维新息无偏灰色马尔可夫模型来预测交通事故。以全国2001~2010年道路交通事故死亡人数为例进行了预测分析。预测结果表明它不但短期预测准确度高，而且适合中长期预测。
5.针对单一灰色预测模型的假设条件及适用范围均受限的缺点，建立一种基于最优加权组合的预测模型。在权重系数之和为1的约束条件和拟合误差平方和为最小的目标函数下，运用最小二乘原理来求解权重系数。运用最优加权组合模型对我国2001~2010年道路交通事故死亡人数进行了预测分析。结果表明，组合预测模型比单一预测模型能有效降低预测误差，提高预测精度。
Traffic safety is an important aspect of national economic development and socialstability, and is also one of the two basic tasks in road traffic management. Road accidentprediction is an important element of road safety research, and its purpose is to grasp thefuture state of traffic accidents, to take corresponding countermeasures timely, to control thevarious influencing factors effectively, to avoid the blindness and passivity, and to reducetraffic accidents. The characteristics such as nonlinear, randomness, dynamic and uncertaintyof road traffic system, determine the complexity of road traffic accidents forecast as one of thebehavioral feature quantities of road traffic system. By means of the data in the transportationstatistical yearbook, and Markov theory and grey theory as research tools, in order to improvethe prediction accuracy and reliability as the goal,this paper discuss and study in detail themacro forecast methods of traffic accidents adapted to the different road characteristics.Themain work and conclusions are as follows:
1. Against the problem about prediction accuracy is affected during the generalgrey-Markov chain model for using fixed transition probability matrix; the paper improvesgrey-Markov chain model by using sliding transition probability matrix. By means of theimproved grey-Markov chain model, the100,000population death rate of traffic accidentfrom2002to2004has been predicted. The result shows that the prediction accuracy ofimproved gray-Markov chain model is better than that of the ordinary grey-Markov chainmodel, and the new model has a strong practicability.
2. Based on the special characteristics of the annually traffic accidents measurableindicators being a dependent stochastic variables, applying sequential cluster method to set upthe classification standard of traffic accident, regarding the standardized self-coefficients asweights,the paper applies the weighted Markov chain to forecast future state of trafficaccident. This method is used and analyzed during the injuried persons from1970to2010inBeijing.This prediction method makes accident prediction results from the point value to theinterval value, greatly improving the prediction reliability.
3. In view of the GM(1,1) model fails to analyze many uncertain factors relatedsystems,the paper uses the SCGM(1,1)c model with solid theoretical basis to replace the GM(1,1). Combining with the advantages of weighted Markov Chain, the grey weightedMarkov SCGM(1,1)c model is built to predict future traffic accident. This method is usedand analyzed during road traffic accidents from1975to2010in Beijing. The results showthat the grey weighted Markov SCGM(1,1)c model is reliable and credible,having a strongpracticability.
4. Given the traditional GM(1,1) model has inherent bias and own shortcomings, thepaper substitutes the traditional GM(1,1) model for unbiased grey model. The unbiased greymodel is used to fit the development tendency of the forecast system, while Markovprediction is used to forecast the fluctuation along the tendency. Combined with the idea ofnew information priority, the equal dimension and new information unbiased grey Markovmodel is constructed. This method is applied to predict the deaths from2011to2015with thenumber of road traffic deaths from2000to2010. Experiment results show that the equaldimensional and new information grey Markov forecasting model not only can remainadvantages of short-term forecasting accuracy, but also can improve the medium andlong-term forecast accuracy.
5. Considering the single gray prediction model has its own assumptions and limitedscopes, this paper puts forward the combined forecasting model based on optimal weightedmethod. The weight coefficients of combined forecasting model were determined by theprinciple of least squares under the constraint condition that weight coefficients sum is oneand objective function that the fitting error squares sum is minimized. The weightedcombination model was used to predict and analyze the road traffic deaths in the year from2001to2010. The results show that combination forecasting model can effectively reduce theprediction error and improve the prediction accuracy than the single forecasting models.
1.针对一般灰色马尔可夫链模型运用的转移概率矩阵固定不变而影响预测精度的问题，通过采用滑动转移概率矩阵方法，建立改进的灰色马尔可夫链模型。借助改进的灰色马尔可夫链模型对全国2002~2004年交通事故10万人口死亡率进行了预测分析。结果表明，改进的灰色马尔可夫链模型的预测精度高于一般灰色马尔可夫链模型的预测精度，具有较强的工程实用性。
2.基于交通事故指标为相依随机变量的特点，应用有序聚类的方法划分出反映交通事故衡量指标的变化区间，然后以指标序列规范化后的各阶自相关系数为权重，运用加权马尔可夫模型来预测未来交通事故的状态。以北京市1970~2010年共41年的事故受伤人数为例对该方法进行了预测分析。这种预测方法使得交通事故的预测由点值扩大到区间，大大提高了预测的可靠性。
3.鉴于GM(1,1)模型在分析多关联不确定因子系统失效的情况，采用理论基础更扎实的SCGM(1,1)c模型替代GM(1,1)模型，同时结合加权马尔可夫链的优点，构建灰色加权马尔可夫SCGM(1,1)c模型来预测未来时刻的交通事故。以北京市1975~2010年道路交通事故次数为例进行了预测分析。预测结果表明此模型是可靠可信的，具有很强的工程实用性。
4.鉴于传统GM(1,1)模型所具有的固有偏差及自身缺陷，采用无偏GM(1,1)模型代替传统GM(1,1),在无偏GM(1,1)模型拟合得到的系统总体趋势的基础上进行马尔可夫预测，结合新信息优先的思想，建立等维新息无偏灰色马尔可夫模型来预测交通事故。以全国2001~2010年道路交通事故死亡人数为例进行了预测分析。预测结果表明它不但短期预测准确度高，而且适合中长期预测。
5.针对单一灰色预测模型的假设条件及适用范围均受限的缺点，建立一种基于最优加权组合的预测模型。在权重系数之和为1的约束条件和拟合误差平方和为最小的目标函数下，运用最小二乘原理来求解权重系数。运用最优加权组合模型对我国2001~2010年道路交通事故死亡人数进行了预测分析。结果表明，组合预测模型比单一预测模型能有效降低预测误差，提高预测精度。
Traffic safety is an important aspect of national economic development and socialstability, and is also one of the two basic tasks in road traffic management. Road accidentprediction is an important element of road safety research, and its purpose is to grasp thefuture state of traffic accidents, to take corresponding countermeasures timely, to control thevarious influencing factors effectively, to avoid the blindness and passivity, and to reducetraffic accidents. The characteristics such as nonlinear, randomness, dynamic and uncertaintyof road traffic system, determine the complexity of road traffic accidents forecast as one of thebehavioral feature quantities of road traffic system. By means of the data in the transportationstatistical yearbook, and Markov theory and grey theory as research tools, in order to improvethe prediction accuracy and reliability as the goal,this paper discuss and study in detail themacro forecast methods of traffic accidents adapted to the different road characteristics.Themain work and conclusions are as follows:
1. Against the problem about prediction accuracy is affected during the generalgrey-Markov chain model for using fixed transition probability matrix; the paper improvesgrey-Markov chain model by using sliding transition probability matrix. By means of theimproved grey-Markov chain model, the100,000population death rate of traffic accidentfrom2002to2004has been predicted. The result shows that the prediction accuracy ofimproved gray-Markov chain model is better than that of the ordinary grey-Markov chainmodel, and the new model has a strong practicability.
2. Based on the special characteristics of the annually traffic accidents measurableindicators being a dependent stochastic variables, applying sequential cluster method to set upthe classification standard of traffic accident, regarding the standardized self-coefficients asweights,the paper applies the weighted Markov chain to forecast future state of trafficaccident. This method is used and analyzed during the injuried persons from1970to2010inBeijing.This prediction method makes accident prediction results from the point value to theinterval value, greatly improving the prediction reliability.
3. In view of the GM(1,1) model fails to analyze many uncertain factors relatedsystems,the paper uses the SCGM(1,1)c model with solid theoretical basis to replace the GM(1,1). Combining with the advantages of weighted Markov Chain, the grey weightedMarkov SCGM(1,1)c model is built to predict future traffic accident. This method is usedand analyzed during road traffic accidents from1975to2010in Beijing. The results showthat the grey weighted Markov SCGM(1,1)c model is reliable and credible,having a strongpracticability.
4. Given the traditional GM(1,1) model has inherent bias and own shortcomings, thepaper substitutes the traditional GM(1,1) model for unbiased grey model. The unbiased greymodel is used to fit the development tendency of the forecast system, while Markovprediction is used to forecast the fluctuation along the tendency. Combined with the idea ofnew information priority, the equal dimension and new information unbiased grey Markovmodel is constructed. This method is applied to predict the deaths from2011to2015with thenumber of road traffic deaths from2000to2010. Experiment results show that the equaldimensional and new information grey Markov forecasting model not only can remainadvantages of short-term forecasting accuracy, but also can improve the medium andlong-term forecast accuracy.
5. Considering the single gray prediction model has its own assumptions and limitedscopes, this paper puts forward the combined forecasting model based on optimal weightedmethod. The weight coefficients of combined forecasting model were determined by theprinciple of least squares under the constraint condition that weight coefficients sum is oneand objective function that the fitting error squares sum is minimized. The weightedcombination model was used to predict and analyze the road traffic deaths in the year from2001to2010. The results show that combination forecasting model can effectively reduce theprediction error and improve the prediction accuracy than the single forecasting models.
引文
[1]中国公路学会《交通工程手册》编委会.交通工程手册[M].北京:人民交通出版社,1998.
[2]赵前军.道路交通安全综合评价方法研究[D].天津大学,2011.
[3]邓捷.道路交通安全评价方法的改进和应用[D].西南交通大学,2012.
[4] A.T.Bharucha-Redi.马尔柯夫过程论及其应用[M].上海:上海科学技术出版社,1979.
[5]钱敏平,龚光鲁.应用随机过程[M].北京:北京大学出版社,1998.
[6]沈斐敏,张荣贵.道路交通事故预测与预防[M].北京:人民交通出版社,2007.
[7]中华人民共和国国家统计局.中国统计年鉴2012[M].北京:中国统计出版社,2012.
[8]徐蔼婷.德尔菲法的应用及其难点[J].中国统计,2006,(9):57-59.
[9]田军,张朋柱,王刊良.基于德尔菲法的专家意见集成模型研究[J].系统工程理论与实践,2004,1:57-62.
[10]刘学毅.德尔菲法在交叉学科研究评价中的运用[J].西南交通大学学报（社会科学版）,2007,8(2):21-25.
[11]任福田,刘小明.论道路交通安全[M].北京:人民交通出版社,2001.
[12] Talebnejad A, Nadaf A. The use of grey system theory in predicting the road trafficaccident in Fars province in Iran [J]. Australian Journal of Business and ManagementResearch,2011,1(9):18-23.
[13]刘志强,蔡策,童小田.我国道路交通安全现状分析[J].公路交通科技,2001,18(02):70-73.
[14]贾守镇,李兆鹏,陈思源,张守一.关于Smeed模型的适用性探讨[J].西安公路交通大学学报,1998, S1:136-139.
[15]赵恩棠,刘晞柏.道路交通安全[M].北京:人民交通出版社,1990.
[16]乔向明,徐安,舒伟.中国道路交通事故变化趋势预测[J].长安大学学报（自然科学版）,2004,24(6):64-66.
[17] Ren-de Y, Hong-bin Z, Fang L, Ping. S. The Study on Road Accidents ForecastingModel Based on Multi-level Recursive Method [C]. Proceedings of the WorldCongress on Engineering, London U.K.,2008.
[18] Xiaomin L, Futian R. Road accident forecasting in China [C]. The Proceeding of FirstSino-Japan International Symposium on DAAC, Shanghai,1991.
[19]刘志强.道路交通安全研究方法[J].中国安全科学学报,2000,10(6):14-16.
[20]李相勇.道路交通事故预测方法研究[D].成都:西南交通大学,2004.
[21]闫建华.道路交通事故预测方法研究[D].山东理工大学,2010.
[22]刘思峰,谢乃明,方志耕.灰色系统理论及其应用[M].北京:科学出版社,2008.
[23] Li H, Liu X, Xu Q. Establishment and application of forecast model base based onGM (1,1)[C]. International Conference on Challenges in Environmental Science andComputer Engineering, Wuhan, China,2010,241-244.
[24]刘建齐,陈兰,刘建武.道路交通事故预测中的灰色预测GM(1,1)模型[J].广西交通科技,2003,(04):106-109.
[25]韩文涛,张倩,贾安民.基于灰色系统的道路交通事故预测模型研究[J].西安建筑科技大学学报(自然科学版),2005,37(3):375-377.
[26] Xiang-yong L, N Z, Ge-fu J. Grey-markov Model for Forecasting Road Accidents [J].Journal of Highway and Transportation Research and Development,2003,(4):26-30.
[27]林震,杨浩.基于车速的交通事故贝叶斯预测[J].中国安全科学学报,2003,13(2):34-36.
[28]宇仁德,刘芳,石鹏.基于BP神经网络的道路交通事故预测[J].数学的实践与认识,2008,38(6):119-126.
[29]牛国宏.基于神经网络的交通事故预测[D].长安大学,2006.
[30] Yu-Rende, Zhang Qiang, Zhang-Xiaohong, Huo-Lianxiu. Traffic AccidentsForecasting Based on Neural Network and Principal Component Analysis [J].Research Journal of Applied Sciences, Engineering and Technology,2013,6(6):1065-1073.
[31]苏博,刘鲁,杨方廷.基于灰色关联分析的神经网络模型[J].系统工程理论与实践,2008,(09):98-104.
[32]唐阳山,李江,田育耕,陈昕.交通冲突量的混沌预测[J].吉林大学学报(工学版),2005,(06):84-86.
[33]陈淑燕,王炜.基于Lyapunov指数的交通量混沌预测方法[J].土木工程学报,2004,(09):96-99.
[34]赵小梅.混沌预测与混沌优化理论与算法研究[D].浙江大学,2002.
[35]刘小明,任福田,段海林.交通事故时间序列预测方法研究[J].中国公路学报,1995,8(1):125-130.
[36]李杰.生成数列回归分析法及其在道路交通事故预测中的应用[J].中国交通工程,1993,(02):22-24.
[37]张爱霞,朱明,赵亮.用回归分析预测法预测伤亡事故[J].河北理工大学学报(自然科学版),2007,29(4):11-13.
[38]李相勇,张南,蒋葛夫.道路交通事故灰色马尔可夫预测模型[J].公路交通科技,2003,20(4):98-101.
[39]钱卫东,刘志强.基于灰色马尔可夫的道路交通事故预测[J].中国安全科学学报,2008,18(3):33-36.
[40]薛勋国,刘宝新,李百川.灰色马尔可夫链在道路交通事故预测中的应用[J].人类工效学,2006,(03):26-28+16.
[41]张超,马存宝,许家栋.基于灰色马尔可夫SCGM(1,1)c模型的空难人数预测[J].系统工程理论与实践,2006,(5):135-139.
[42]吉培荣,黄巍松,胡翔勇.无偏灰色预测模型[J].系统工程与电子技术,2000,22(6):6-7.
[43]高阳,谭阳波.基于新维无偏灰色马尔科夫预测模型的中长期能源消费预测[J].统计与决策,2007,(22):55-57.
[44]吉培荣,邹红波,张玉文.无偏灰色预测模型在电力系统负荷预测中的应用[J].三峡大学学报(自然科学版),2005,(04):318-320.
[45]谢建文,张元标,王志伟.基于无偏灰色模糊马尔可夫链法的铁路货运量预测研究[J].铁道学报,2009,(01):1-7.
[46]张梅,雷国平.基于新维无偏灰色马尔科夫模型的建设用地预测[J].安徽农业科学,2009,(07):2825-2826+2837.
[47]朱芸,乐秀璠.可变参数无偏灰色模型的中长期负荷预测[J].电力自动化设备,2003,(04):25-27.
[48]李东,苏小红,马双全.基于新维灰色马尔科夫预测模型的股价预测算法[J].哈尔滨工业大学学报,2003,35(2):244-248.
[49]商勇,丁咏梅.最优组合预测方法评述[J].统计与决策,2005,(9):122-123.
[50]李宝仁,邬琼,刘寅.最优加权组合法在中国粮食产量预测中的应用研究[J].统计与决策,2010,(19):34-38.
[51]李秀珍,孔纪名,王成华.最优加权组合模型在滑坡变形预测中的应用[J].自然灾害学报,2008,(02):53-57.
[52]李秀珍,王成华,孔纪名.基于最优加权组合模型及高斯-牛顿法的滑坡变形预测研究[J].工程地质学报,2009,(04):538-544.
[53]孙惠子,粟晓玲,昝大为.基于最优加权组合模型的枯季径流预测研究[J].西北农林科技大学学报(自然科学版),2011,39(11):201-208.
[54]张乐.油田产量的最优加权组合预测方法[J].统计与决策,2009,(02):163-165.
[55]张亚民,马凤山,赵海军,郭捷,魏爱华,巩城城.基于最优加权组合的甘肃金川矿14行风井变形预测[J].中国地质灾害与防治学报,2010,(02):68-73.
[56]王臻,张兴强.基于ARIMA-FNN的道路交通事故最优加权组合预测模型[J].交通信息与安全,2010,28(3):89-92.
[57]郑建湖.基于最优加权的道路交通事故组合预测模型[J].中国安全科学学报,2009,19(9):37-40.
[58]陈绵云. SCGM(1,h)c模型和灰色预测模态控制[J].华中理工大学学报,1993,21(3):47-52.
[59]赵玲,许宏科.基于灰色加权马尔可夫SCGM(1,1)c的交通事故预测[J].计算机工程与应用,2012,48(31):11-15.
[60]中华人民共和国国家统计局.2010中国统计年鉴[M].北京:中国统计出版社,2010,10.
[61]何虔.2002年全国道路交通事故的主要特点[J].商用汽车,2003,(6):80-82.
[62]谢乃明,刘思峰.离散GM(1,1)模型与灰色预测模型建模机理[J].系统工程理论与实践,2005,(01):93-99.
[63]王忠桃.灰色预测模型相关技术研究[D].西南交通大学,2008.
[64]刘思峰,邓聚龙.GM(1,1)模型的适用范围[J].系统工程理论及实践,2000,20(5):121-124.
[65]陆大金.随机过程及其应用[M].北京:清华大学出版社,1986.
[66] David, Freedman. Markov Chains [M]. NewYork: Springer-Verlag,1983.
[67]雷兢.道路交通事故预测及控制研究[D].福州大学,2005.
[68]简艳群.灰色-马尔可夫链模型在股市预测中的应用[J].价值工程,2010,24:255-256.
[69]褚莹.灰色马尔柯夫模型在煤矿安全事故预测中的应用初探[J].能源技术与管理,2006,(01):18-20+34.
[70]彭世彰,魏征,窦超银等.加权马尔可夫模型在区域干旱指标预测中的应用[J].系统工程理论与实践,2009,29(9):173-178.
[71]冯耀龙,韩文秀.权马尔可夫链在河流丰枯状况预测中的应用[J].系统工程理论与实践,1999,(10):89-93+98.
[72]于剑,程乾生.模糊聚类方法中的最佳聚类数的搜索范围[J].中国科学E辑:技术科学,2002,(02):274-280.
[73]孙才志,王敬东,潘俊.模糊聚类分析最佳聚类数的确定方法研究[J].模糊系统与数学,2001,(01):89-92.
[74]曲福恒.一类模糊聚类算法研究及其应用[D].吉林大学,2009.
[75]孙才志,张戈,林学钰.加权马尔可夫模型在降水丰枯状况预测中的应用[J].系统工程理论与实践,2003,23(4):100-105.
[76]胡国定,张润楚.多元数据分析方法-纯代数处理[M].天津:南开大学出版社,1990.
[77]陈良军,朱庆棠.随机过程及应用[M].北京:高等教育出版社,2003.
[78]夏乐天.马尔可夫链预测方法及其在水文序列中的应用研究[D].南京:河海大学,2005.
[79]罗佑新,张龙庭,李敏.灰色系统理论及其在机械工程中的应用[M].长沙:国防科技大学出版社,2001.
[80]王秀.基于灰色理论和神经网络的道路交通事故预测研究[D].山东科技大学,2007.
[81]刘克.实用马尔可夫决策过程[M].北京:清华大学出版社,2004.
[82]胡其英,刘建庸.马尔可夫决策过程引论[M].西安:西安电子科技大学出版社,2000.
[83]谢乃明.序列算子与灰色预测模型研究[D].南京:南京航空航天大学,2005.
[84]张大海,汪世芳,史开泉.灰色预测公式的理论缺陷及改进[J].系统工程理论及实践,2002,22(8):140-142.
[85]夏乐天.梅雨强度的指数权马尔可夫链预测[J].水利学报,2005,(08):988-993.
[86]王亚雄,黄淑娴,刘祖发等.变化环境下北江下游年径流量的加权马尔可夫链预测[J].生态环境学报,2011,(04):754-760.
[87]刘德地,陈晓宏.一种北江流域年降雨量的权马尔可夫链预测模型[J].水文,2006,(06):23-26+96.
[88]陈才明,孙新新,白植帆.温州市年降水量的权马尔可夫链预测模型[J].浙江水利科技,2009,(02):8-10+13.
[89]夏乐天,朱永忠.工程随机过程[M].南京:河海大学出版社,2000.
[90]韩文涛,刘明琴.道路交通事故的神经网络预测方法研究[J].交通科技与经济,2004,(06):58-59.
[91]吕晓夫,杨亚东.回归分析方法在船舶交通事故预测中的应用[J].武汉理工大学学报(交通科学与工程版),2006,30(3):546-548.
[92]邵辉,王钰,李保安.交通事故损失的时间序列分析[J].中国安全科学学报,2007,17(7):10-13.
[93]张文会,崔淑华,邓红星.公路货物运输量灰色马尔可夫预测模型[J].武汉理工大学学报（交通科学与工程版）,2011,35(4):658-660.
[94]杨飞雨,俞茹.灰色-马尔柯夫预测模型在股指预测中的应用[J].农村经济与科技,2009,20(5):53-54.
[95]许海华,吴云溪.灰色马尔可夫模型在交通事故预测中的应用[J].交通科技与经济,2011,13(4):83-85.
[96]潘海泽,黄远春,汪磊,刘仍奎.基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究[J].铁道标准设计,2010,(10):5-8.
[97]聂相田,李东亮.基于GM(1,1)-马尔科夫模型的城市用水量预测[J].华北水利水电学院学报,2011,32(2):5-7.
[98]刘永阔,谢春丽,于竹君,凌霜寒.基于GM(1,1)模型与灰色马尔可夫GM(1,1)模型的核动力装置趋势预测方法研究[J].原子能科学技术,2011,45(9):1075-1079.
[99]黄敏珍,冯永冰.基于灰色-马尔可夫链的区域物流需求预测[J].统计与决策,2009,(16):166-168.
[100]高蔚.基于Markov理论的改进灰色GM(1,1)预测模型研究[J].计算机工程与科学,2011,33(2):159-163.
[101]燕臣颖,董宝田.基于灰色马尔可夫链模型的铁路客运量预测研究[J].铁道运输与经济,2007,(05):85-87.
[102]文军.基于灰色马尔可夫链模型的航空货运量预测研究[J].武汉理工大学学报(交通科学与工程版),2010,(04):695-698.
[103]张克中,毛树华,袁卫红.马尔科夫残差修正灰色模型及其在公路网规划中的应用[J].武汉理工大学学报:交通科学与工程版,2005,29(4):503-505.
[104]赵佳妮,吴兆麟.基于灰色马尔可夫模型的水上交通事故预测[J].大连海事大学学报,2005,31(4):15-18.
[105]梅振宇,王炜,李铭.高速公路交通生成预测的改进灰色马尔可夫模型[J].公路交通科技,2004,(12):89-92.
[106]温海彬.马尔可夫链预测模型及一些应用[D].南京邮电大学,2012.
[107]陈有孝,林晓言.灰色--马尔可夫链改进的预测方法[J].统计与决策,2005,(16):36-38.
[108]林晓言,陈有孝.基于灰色-马尔可夫链改进方法的铁路货运量预测研究[J].铁道学报,2005,(03):15-19.
[109]于洋,杨学斌,杜文.基于灰色-马尔可夫链改进方法的预测方法[J].统计与决策,2008,(13):53-55.
[110]赵琳琳,夏乐天.灰色马尔可夫链模型的改进及其应用[J].河海大学学报(自然科学版),2007,(04):487-490.
[111]党耀国.灰色预测与决策模型研究[M].北京:科学出版社,2009.
[112]赵欣,邹良超,倪林.基于有序聚类的模糊加权马尔可夫模型在降雨预测中的应用[J].江西农业学报,2009,(2):110-113.
[113]钟连德,陈永胜,孙小端,刘小明,贺玉龙.基于有序聚类分析的高速公路路段长度划分研究[J].武汉理工大学学报(交通科学与工程版),2008,(01):43-46.
[114]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社,1988.
[115]姜翔程,陈森发.加权马尔可夫SCGM(1,1)c模型在农作物干旱受灾面积预测中的应用[J].系统工程理论与实践,2009,29(4):179-185.
[116]金峻炎,陈进.加权马氏链在房地产投资回收期预测中的应用[J].湖南科技大学学报,2010,25(2):63-66.
[117]王涛,钱会,李培月.加权马尔可夫链在银川地区降雨量预测中的应用[J].南水北调与水利科技,2010,8(1):78-81.
[118]夏乐天,彭志行,沈永梅.加权马尔可夫链在农作物年景预测中的应用[J].数学的认识与实践,2005,(12):30-35.
[119]庄悉备,伍海华.加权马尔可夫链的理论及在股市中的应用[J].金融经济,2008,(1):82-83.
[120]陈克龙.随机过程及其应用[M].南京:东南大学出版社,1993.
[121]许洪国,周立,鲁光泉.中国道路交通安全现状、成因及其对策[J].中国安全科学学报,2004,14(8):34-38.
[122]张铁军,唐琤琤,康云霞等. Poisson系列交通事故预测模型特点分析及应用[J].公路交通科技,2010,(6):132-137.
[123] Tseng F-M, Yu H-C, Tzeng G-H. Applied hybrid grey model to forecast seasonal timeseries [J]. Technological Forecasting and Social Change,2001,67(2):291-302.
[124]舒怀珠.基于灰色理论的道路交通事故预测模型综述[J].道路交通与安全,2009,(6):25-27.
[125]熊岗,陈章潮.灰色预测模型的缺陷及改进方法[J].系统工程理论与实践,1992,10(6):32-36.
[126]李君伟,陈绵云,董鹏宇. SCGM(1,1)简化模型及应用[J].武汉交通科技大学学报,2000,24(6):615-618.
[127]王亚军,黎子卿.基于灰色SCGM(1,1)b模型的道路交通事故短期预测分析[J].交通科技与经济,2009,(05):33-35.
[128]张曙红,曹建会,陈绵云.灰色马尔可夫SCGM(1,1)预测模型[J].佛山科学技术学院学报,2004,22(1):16-19.
[129]北京市统计局.北京统计年鉴2010[M].北京:中国统计出版社,2011.
[130]刘强,陆化普,张永波等.我国道路交通事故特征分析与对策研究[J].中国安全科学学报,2006,16(6):124-128.
[131] Kalyoncuoglu SF, MesutTigdemir. An alternative approach for modeling andsimulation of traffic data:using artificial neural networks [J]. Simulation ModelingPractice and Theory,2004,12(5):351-362.
[132] Yang ZQ. Highway traffic accident prediction based on SVR trained by geneticalgorithm [J].Advanced Materials Research,2012,433-440:5886-5889.
[133]张效忠,李士友,吴以莉.基于新维改进灰色马尔科夫预测模型的现役桥梁荷载预测[J].公路,2011,(05):67-70.
[134]何自立,杨建国,靳国云等.基于新维无偏灰色马尔可夫模型的大坝沉降预测研究[J].西北农林科技大学学报(自然科学版),2013,(05):213-218.
[135]张宗国.马尔可夫预测方法及其应用研究[D].南京:河海大学,2005.
[136] Rujun Y, Xiuqing L. Study on Traffic Accidents Prediction Model Based on RBFNeural Network [C]. Information Engineering and Computer Science (ICIECS),20102nd International Conference on: IEEE,1-4.
[137] Lee S, Lee T, Kim HJ, Lee Y. Development of traffic accidents prediction model withintelligent system theory [C]. Computational Science and ITS Applications-ICCSA2005: Springer,2005,880-888.
[138]张杰,刘小明. ARIMA模型在交通事故预测中的应用[J].北京工业大学学报,2007,33(12):1295-1299.
[139]王福建,李铁强,俞传正.道路交通事故灰色Verhulst预测模型[J].交通运输工程学报,2006,6(1):122-126.
[140]耿悦敏.基于最优加权的组合预测模型及应用[[J].五邑大学学报(自然科学版),2008,22(1):63-67.
[141]李长锦,谭满春.基于最优加权法的改进交通流组合预测研究[J].暨南大学学报(自然科学与医学版),2010,(05):457-461.
[142]汪洪波,李宏远.基于最优加权的大面积金刚石膜衬底温度数据融合研究[J].中国机械工程,2011,(14):1676-1679.
[143]王焕焕,冯新龙.最优加权因子初步探讨[J].新疆大学学报(自然科学版),2000,(04):8-14.
[144]赵德勇,周海银,王正明.基于多源观测的联合定轨数据融合建模及最优加权算法[J].系统仿真学报,2008,(10):2515-2519.
[145]成卫.城市道路交通事故与交通冲突技术理论模型及方法研究[D].吉林大学,2004.
[2]赵前军.道路交通安全综合评价方法研究[D].天津大学,2011.
[3]邓捷.道路交通安全评价方法的改进和应用[D].西南交通大学,2012.
[4] A.T.Bharucha-Redi.马尔柯夫过程论及其应用[M].上海:上海科学技术出版社,1979.
[5]钱敏平,龚光鲁.应用随机过程[M].北京:北京大学出版社,1998.
[6]沈斐敏,张荣贵.道路交通事故预测与预防[M].北京:人民交通出版社,2007.
[7]中华人民共和国国家统计局.中国统计年鉴2012[M].北京:中国统计出版社,2012.
[8]徐蔼婷.德尔菲法的应用及其难点[J].中国统计,2006,(9):57-59.
[9]田军,张朋柱,王刊良.基于德尔菲法的专家意见集成模型研究[J].系统工程理论与实践,2004,1:57-62.
[10]刘学毅.德尔菲法在交叉学科研究评价中的运用[J].西南交通大学学报（社会科学版）,2007,8(2):21-25.
[11]任福田,刘小明.论道路交通安全[M].北京:人民交通出版社,2001.
[12] Talebnejad A, Nadaf A. The use of grey system theory in predicting the road trafficaccident in Fars province in Iran [J]. Australian Journal of Business and ManagementResearch,2011,1(9):18-23.
[13]刘志强,蔡策,童小田.我国道路交通安全现状分析[J].公路交通科技,2001,18(02):70-73.
[14]贾守镇,李兆鹏,陈思源,张守一.关于Smeed模型的适用性探讨[J].西安公路交通大学学报,1998, S1:136-139.
[15]赵恩棠,刘晞柏.道路交通安全[M].北京:人民交通出版社,1990.
[16]乔向明,徐安,舒伟.中国道路交通事故变化趋势预测[J].长安大学学报（自然科学版）,2004,24(6):64-66.
[17] Ren-de Y, Hong-bin Z, Fang L, Ping. S. The Study on Road Accidents ForecastingModel Based on Multi-level Recursive Method [C]. Proceedings of the WorldCongress on Engineering, London U.K.,2008.
[18] Xiaomin L, Futian R. Road accident forecasting in China [C]. The Proceeding of FirstSino-Japan International Symposium on DAAC, Shanghai,1991.
[19]刘志强.道路交通安全研究方法[J].中国安全科学学报,2000,10(6):14-16.
[20]李相勇.道路交通事故预测方法研究[D].成都:西南交通大学,2004.
[21]闫建华.道路交通事故预测方法研究[D].山东理工大学,2010.
[22]刘思峰,谢乃明,方志耕.灰色系统理论及其应用[M].北京:科学出版社,2008.
[23] Li H, Liu X, Xu Q. Establishment and application of forecast model base based onGM (1,1)[C]. International Conference on Challenges in Environmental Science andComputer Engineering, Wuhan, China,2010,241-244.
[24]刘建齐,陈兰,刘建武.道路交通事故预测中的灰色预测GM(1,1)模型[J].广西交通科技,2003,(04):106-109.
[25]韩文涛,张倩,贾安民.基于灰色系统的道路交通事故预测模型研究[J].西安建筑科技大学学报(自然科学版),2005,37(3):375-377.
[26] Xiang-yong L, N Z, Ge-fu J. Grey-markov Model for Forecasting Road Accidents [J].Journal of Highway and Transportation Research and Development,2003,(4):26-30.
[27]林震,杨浩.基于车速的交通事故贝叶斯预测[J].中国安全科学学报,2003,13(2):34-36.
[28]宇仁德,刘芳,石鹏.基于BP神经网络的道路交通事故预测[J].数学的实践与认识,2008,38(6):119-126.
[29]牛国宏.基于神经网络的交通事故预测[D].长安大学,2006.
[30] Yu-Rende, Zhang Qiang, Zhang-Xiaohong, Huo-Lianxiu. Traffic AccidentsForecasting Based on Neural Network and Principal Component Analysis [J].Research Journal of Applied Sciences, Engineering and Technology,2013,6(6):1065-1073.
[31]苏博,刘鲁,杨方廷.基于灰色关联分析的神经网络模型[J].系统工程理论与实践,2008,(09):98-104.
[32]唐阳山,李江,田育耕,陈昕.交通冲突量的混沌预测[J].吉林大学学报(工学版),2005,(06):84-86.
[33]陈淑燕,王炜.基于Lyapunov指数的交通量混沌预测方法[J].土木工程学报,2004,(09):96-99.
[34]赵小梅.混沌预测与混沌优化理论与算法研究[D].浙江大学,2002.
[35]刘小明,任福田,段海林.交通事故时间序列预测方法研究[J].中国公路学报,1995,8(1):125-130.
[36]李杰.生成数列回归分析法及其在道路交通事故预测中的应用[J].中国交通工程,1993,(02):22-24.
[37]张爱霞,朱明,赵亮.用回归分析预测法预测伤亡事故[J].河北理工大学学报(自然科学版),2007,29(4):11-13.
[38]李相勇,张南,蒋葛夫.道路交通事故灰色马尔可夫预测模型[J].公路交通科技,2003,20(4):98-101.
[39]钱卫东,刘志强.基于灰色马尔可夫的道路交通事故预测[J].中国安全科学学报,2008,18(3):33-36.
[40]薛勋国,刘宝新,李百川.灰色马尔可夫链在道路交通事故预测中的应用[J].人类工效学,2006,(03):26-28+16.
[41]张超,马存宝,许家栋.基于灰色马尔可夫SCGM(1,1)c模型的空难人数预测[J].系统工程理论与实践,2006,(5):135-139.
[42]吉培荣,黄巍松,胡翔勇.无偏灰色预测模型[J].系统工程与电子技术,2000,22(6):6-7.
[43]高阳,谭阳波.基于新维无偏灰色马尔科夫预测模型的中长期能源消费预测[J].统计与决策,2007,(22):55-57.
[44]吉培荣,邹红波,张玉文.无偏灰色预测模型在电力系统负荷预测中的应用[J].三峡大学学报(自然科学版),2005,(04):318-320.
[45]谢建文,张元标,王志伟.基于无偏灰色模糊马尔可夫链法的铁路货运量预测研究[J].铁道学报,2009,(01):1-7.
[46]张梅,雷国平.基于新维无偏灰色马尔科夫模型的建设用地预测[J].安徽农业科学,2009,(07):2825-2826+2837.
[47]朱芸,乐秀璠.可变参数无偏灰色模型的中长期负荷预测[J].电力自动化设备,2003,(04):25-27.
[48]李东,苏小红,马双全.基于新维灰色马尔科夫预测模型的股价预测算法[J].哈尔滨工业大学学报,2003,35(2):244-248.
[49]商勇,丁咏梅.最优组合预测方法评述[J].统计与决策,2005,(9):122-123.
[50]李宝仁,邬琼,刘寅.最优加权组合法在中国粮食产量预测中的应用研究[J].统计与决策,2010,(19):34-38.
[51]李秀珍,孔纪名,王成华.最优加权组合模型在滑坡变形预测中的应用[J].自然灾害学报,2008,(02):53-57.
[52]李秀珍,王成华,孔纪名.基于最优加权组合模型及高斯-牛顿法的滑坡变形预测研究[J].工程地质学报,2009,(04):538-544.
[53]孙惠子,粟晓玲,昝大为.基于最优加权组合模型的枯季径流预测研究[J].西北农林科技大学学报(自然科学版),2011,39(11):201-208.
[54]张乐.油田产量的最优加权组合预测方法[J].统计与决策,2009,(02):163-165.
[55]张亚民,马凤山,赵海军,郭捷,魏爱华,巩城城.基于最优加权组合的甘肃金川矿14行风井变形预测[J].中国地质灾害与防治学报,2010,(02):68-73.
[56]王臻,张兴强.基于ARIMA-FNN的道路交通事故最优加权组合预测模型[J].交通信息与安全,2010,28(3):89-92.
[57]郑建湖.基于最优加权的道路交通事故组合预测模型[J].中国安全科学学报,2009,19(9):37-40.
[58]陈绵云. SCGM(1,h)c模型和灰色预测模态控制[J].华中理工大学学报,1993,21(3):47-52.
[59]赵玲,许宏科.基于灰色加权马尔可夫SCGM(1,1)c的交通事故预测[J].计算机工程与应用,2012,48(31):11-15.
[60]中华人民共和国国家统计局.2010中国统计年鉴[M].北京:中国统计出版社,2010,10.
[61]何虔.2002年全国道路交通事故的主要特点[J].商用汽车,2003,(6):80-82.
[62]谢乃明,刘思峰.离散GM(1,1)模型与灰色预测模型建模机理[J].系统工程理论与实践,2005,(01):93-99.
[63]王忠桃.灰色预测模型相关技术研究[D].西南交通大学,2008.
[64]刘思峰,邓聚龙.GM(1,1)模型的适用范围[J].系统工程理论及实践,2000,20(5):121-124.
[65]陆大金.随机过程及其应用[M].北京:清华大学出版社,1986.
[66] David, Freedman. Markov Chains [M]. NewYork: Springer-Verlag,1983.
[67]雷兢.道路交通事故预测及控制研究[D].福州大学,2005.
[68]简艳群.灰色-马尔可夫链模型在股市预测中的应用[J].价值工程,2010,24:255-256.
[69]褚莹.灰色马尔柯夫模型在煤矿安全事故预测中的应用初探[J].能源技术与管理,2006,(01):18-20+34.
[70]彭世彰,魏征,窦超银等.加权马尔可夫模型在区域干旱指标预测中的应用[J].系统工程理论与实践,2009,29(9):173-178.
[71]冯耀龙,韩文秀.权马尔可夫链在河流丰枯状况预测中的应用[J].系统工程理论与实践,1999,(10):89-93+98.
[72]于剑,程乾生.模糊聚类方法中的最佳聚类数的搜索范围[J].中国科学E辑:技术科学,2002,(02):274-280.
[73]孙才志,王敬东,潘俊.模糊聚类分析最佳聚类数的确定方法研究[J].模糊系统与数学,2001,(01):89-92.
[74]曲福恒.一类模糊聚类算法研究及其应用[D].吉林大学,2009.
[75]孙才志,张戈,林学钰.加权马尔可夫模型在降水丰枯状况预测中的应用[J].系统工程理论与实践,2003,23(4):100-105.
[76]胡国定,张润楚.多元数据分析方法-纯代数处理[M].天津:南开大学出版社,1990.
[77]陈良军,朱庆棠.随机过程及应用[M].北京:高等教育出版社,2003.
[78]夏乐天.马尔可夫链预测方法及其在水文序列中的应用研究[D].南京:河海大学,2005.
[79]罗佑新,张龙庭,李敏.灰色系统理论及其在机械工程中的应用[M].长沙:国防科技大学出版社,2001.
[80]王秀.基于灰色理论和神经网络的道路交通事故预测研究[D].山东科技大学,2007.
[81]刘克.实用马尔可夫决策过程[M].北京:清华大学出版社,2004.
[82]胡其英,刘建庸.马尔可夫决策过程引论[M].西安:西安电子科技大学出版社,2000.
[83]谢乃明.序列算子与灰色预测模型研究[D].南京:南京航空航天大学,2005.
[84]张大海,汪世芳,史开泉.灰色预测公式的理论缺陷及改进[J].系统工程理论及实践,2002,22(8):140-142.
[85]夏乐天.梅雨强度的指数权马尔可夫链预测[J].水利学报,2005,(08):988-993.
[86]王亚雄,黄淑娴,刘祖发等.变化环境下北江下游年径流量的加权马尔可夫链预测[J].生态环境学报,2011,(04):754-760.
[87]刘德地,陈晓宏.一种北江流域年降雨量的权马尔可夫链预测模型[J].水文,2006,(06):23-26+96.
[88]陈才明,孙新新,白植帆.温州市年降水量的权马尔可夫链预测模型[J].浙江水利科技,2009,(02):8-10+13.
[89]夏乐天,朱永忠.工程随机过程[M].南京:河海大学出版社,2000.
[90]韩文涛,刘明琴.道路交通事故的神经网络预测方法研究[J].交通科技与经济,2004,(06):58-59.
[91]吕晓夫,杨亚东.回归分析方法在船舶交通事故预测中的应用[J].武汉理工大学学报(交通科学与工程版),2006,30(3):546-548.
[92]邵辉,王钰,李保安.交通事故损失的时间序列分析[J].中国安全科学学报,2007,17(7):10-13.
[93]张文会,崔淑华,邓红星.公路货物运输量灰色马尔可夫预测模型[J].武汉理工大学学报（交通科学与工程版）,2011,35(4):658-660.
[94]杨飞雨,俞茹.灰色-马尔柯夫预测模型在股指预测中的应用[J].农村经济与科技,2009,20(5):53-54.
[95]许海华,吴云溪.灰色马尔可夫模型在交通事故预测中的应用[J].交通科技与经济,2011,13(4):83-85.
[96]潘海泽,黄远春,汪磊,刘仍奎.基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究[J].铁道标准设计,2010,(10):5-8.
[97]聂相田,李东亮.基于GM(1,1)-马尔科夫模型的城市用水量预测[J].华北水利水电学院学报,2011,32(2):5-7.
[98]刘永阔,谢春丽,于竹君,凌霜寒.基于GM(1,1)模型与灰色马尔可夫GM(1,1)模型的核动力装置趋势预测方法研究[J].原子能科学技术,2011,45(9):1075-1079.
[99]黄敏珍,冯永冰.基于灰色-马尔可夫链的区域物流需求预测[J].统计与决策,2009,(16):166-168.
[100]高蔚.基于Markov理论的改进灰色GM(1,1)预测模型研究[J].计算机工程与科学,2011,33(2):159-163.
[101]燕臣颖,董宝田.基于灰色马尔可夫链模型的铁路客运量预测研究[J].铁道运输与经济,2007,(05):85-87.
[102]文军.基于灰色马尔可夫链模型的航空货运量预测研究[J].武汉理工大学学报(交通科学与工程版),2010,(04):695-698.
[103]张克中,毛树华,袁卫红.马尔科夫残差修正灰色模型及其在公路网规划中的应用[J].武汉理工大学学报:交通科学与工程版,2005,29(4):503-505.
[104]赵佳妮,吴兆麟.基于灰色马尔可夫模型的水上交通事故预测[J].大连海事大学学报,2005,31(4):15-18.
[105]梅振宇,王炜,李铭.高速公路交通生成预测的改进灰色马尔可夫模型[J].公路交通科技,2004,(12):89-92.
[106]温海彬.马尔可夫链预测模型及一些应用[D].南京邮电大学,2012.
[107]陈有孝,林晓言.灰色--马尔可夫链改进的预测方法[J].统计与决策,2005,(16):36-38.
[108]林晓言,陈有孝.基于灰色-马尔可夫链改进方法的铁路货运量预测研究[J].铁道学报,2005,(03):15-19.
[109]于洋,杨学斌,杜文.基于灰色-马尔可夫链改进方法的预测方法[J].统计与决策,2008,(13):53-55.
[110]赵琳琳,夏乐天.灰色马尔可夫链模型的改进及其应用[J].河海大学学报(自然科学版),2007,(04):487-490.
[111]党耀国.灰色预测与决策模型研究[M].北京:科学出版社,2009.
[112]赵欣,邹良超,倪林.基于有序聚类的模糊加权马尔可夫模型在降雨预测中的应用[J].江西农业学报,2009,(2):110-113.
[113]钟连德,陈永胜,孙小端,刘小明,贺玉龙.基于有序聚类分析的高速公路路段长度划分研究[J].武汉理工大学学报(交通科学与工程版),2008,(01):43-46.
[114]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社,1988.
[115]姜翔程,陈森发.加权马尔可夫SCGM(1,1)c模型在农作物干旱受灾面积预测中的应用[J].系统工程理论与实践,2009,29(4):179-185.
[116]金峻炎,陈进.加权马氏链在房地产投资回收期预测中的应用[J].湖南科技大学学报,2010,25(2):63-66.
[117]王涛,钱会,李培月.加权马尔可夫链在银川地区降雨量预测中的应用[J].南水北调与水利科技,2010,8(1):78-81.
[118]夏乐天,彭志行,沈永梅.加权马尔可夫链在农作物年景预测中的应用[J].数学的认识与实践,2005,(12):30-35.
[119]庄悉备,伍海华.加权马尔可夫链的理论及在股市中的应用[J].金融经济,2008,(1):82-83.
[120]陈克龙.随机过程及其应用[M].南京:东南大学出版社,1993.
[121]许洪国,周立,鲁光泉.中国道路交通安全现状、成因及其对策[J].中国安全科学学报,2004,14(8):34-38.
[122]张铁军,唐琤琤,康云霞等. Poisson系列交通事故预测模型特点分析及应用[J].公路交通科技,2010,(6):132-137.
[123] Tseng F-M, Yu H-C, Tzeng G-H. Applied hybrid grey model to forecast seasonal timeseries [J]. Technological Forecasting and Social Change,2001,67(2):291-302.
[124]舒怀珠.基于灰色理论的道路交通事故预测模型综述[J].道路交通与安全,2009,(6):25-27.
[125]熊岗,陈章潮.灰色预测模型的缺陷及改进方法[J].系统工程理论与实践,1992,10(6):32-36.
[126]李君伟,陈绵云,董鹏宇. SCGM(1,1)简化模型及应用[J].武汉交通科技大学学报,2000,24(6):615-618.
[127]王亚军,黎子卿.基于灰色SCGM(1,1)b模型的道路交通事故短期预测分析[J].交通科技与经济,2009,(05):33-35.
[128]张曙红,曹建会,陈绵云.灰色马尔可夫SCGM(1,1)预测模型[J].佛山科学技术学院学报,2004,22(1):16-19.
[129]北京市统计局.北京统计年鉴2010[M].北京:中国统计出版社,2011.
[130]刘强,陆化普,张永波等.我国道路交通事故特征分析与对策研究[J].中国安全科学学报,2006,16(6):124-128.
[131] Kalyoncuoglu SF, MesutTigdemir. An alternative approach for modeling andsimulation of traffic data:using artificial neural networks [J]. Simulation ModelingPractice and Theory,2004,12(5):351-362.
[132] Yang ZQ. Highway traffic accident prediction based on SVR trained by geneticalgorithm [J].Advanced Materials Research,2012,433-440:5886-5889.
[133]张效忠,李士友,吴以莉.基于新维改进灰色马尔科夫预测模型的现役桥梁荷载预测[J].公路,2011,(05):67-70.
[134]何自立,杨建国,靳国云等.基于新维无偏灰色马尔可夫模型的大坝沉降预测研究[J].西北农林科技大学学报(自然科学版),2013,(05):213-218.
[135]张宗国.马尔可夫预测方法及其应用研究[D].南京:河海大学,2005.
[136] Rujun Y, Xiuqing L. Study on Traffic Accidents Prediction Model Based on RBFNeural Network [C]. Information Engineering and Computer Science (ICIECS),20102nd International Conference on: IEEE,1-4.
[137] Lee S, Lee T, Kim HJ, Lee Y. Development of traffic accidents prediction model withintelligent system theory [C]. Computational Science and ITS Applications-ICCSA2005: Springer,2005,880-888.
[138]张杰,刘小明. ARIMA模型在交通事故预测中的应用[J].北京工业大学学报,2007,33(12):1295-1299.
[139]王福建,李铁强,俞传正.道路交通事故灰色Verhulst预测模型[J].交通运输工程学报,2006,6(1):122-126.
[140]耿悦敏.基于最优加权的组合预测模型及应用[[J].五邑大学学报(自然科学版),2008,22(1):63-67.
[141]李长锦,谭满春.基于最优加权法的改进交通流组合预测研究[J].暨南大学学报(自然科学与医学版),2010,(05):457-461.
[142]汪洪波,李宏远.基于最优加权的大面积金刚石膜衬底温度数据融合研究[J].中国机械工程,2011,(14):1676-1679.
[143]王焕焕,冯新龙.最优加权因子初步探讨[J].新疆大学学报(自然科学版),2000,(04):8-14.
[144]赵德勇,周海银,王正明.基于多源观测的联合定轨数据融合建模及最优加权算法[J].系统仿真学报,2008,(10):2515-2519.
[145]成卫.城市道路交通事故与交通冲突技术理论模型及方法研究[D].吉林大学,2004.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |