道路交通伤害预测方法研究

发布时间：2017-05-23 13:17

  本文关键词：道路交通伤害预测方法研究，由笔耕文化传播整理发布。

【摘要】：研究背景：道路交通伤害目前已成为全球不可忽视的社会安全和公共卫生问题。若不实施有效的干预,到2030年,道路交通伤害将成为全球第五位死因。道路交通伤害绝大多数发生在发展中国家,只有约10%发生在发达国家。据WHO预计,同1990年相比,2020年道路交通死亡在发展中国家将平均上升80%,在发达国家将下降近30%。我国是最大的发展中国家,也是道路交通伤害发生最多的国家之一,随着经济迅速发展,机动车数量不断快速增长,但交通管理的改善和道路建设的发展却明显滞后,道路交通伤害及伤亡人数呈不断上升趋势。我国道路交通伤害(Road Traffic Injury, RTI)死亡60%发生在16-45岁的中青年人,对劳动生产力人口造成严重影响。因此有必要对道路交通伤害的流行规律及其发展趋势进行研究。本研究通过回归分析模型、自回归滑动平均混合模型(Autoregressive Integrated Moving Average Model, ARIMA)、灰色模型和BP神经网络(Back Propagation Neural Networks, BP Neural Networks)等4种方法,运用道路交通伤害数据,建立预测模型,对道路交通伤害死亡进行预测,并对这几种方法进行综合比较,为道路交通伤害预测的方法选择提供依据,也为制定预防和减少道路交通伤害、降低事故严重程度的策略提供科学依据。研究目的：1、道路交通伤害预测各种方法的建立与使用；2、不同预测方法进行综合比较,为道路交通伤害预测的方法选择提供依据。研究方法：以1951-2012年中国道路交通伤害十万人口死亡率数据为样本数据,分别运用回归分析模型法、ARIMA模型法和BP神经网络法建立预测模型；以2006-2012年中国道路交通伤害十万人口死亡率数据为样本数据,分别运用回归分析模型法和灰色模型法建立预测模型；以2000-2012年中国道路交通伤害十万人口死亡率月数据为样本数据,分别运用季节性ARIMA (Seasonal ARIMA, SARIMA)模型法和BP神经网络法建立预测模型。研究结果：1、以1951-2011年中国道路交通伤害十万人口死亡率数据为建模数据,回归分析模型法构建的预测模型为Y=-0.000164X3+0.015669X2-0.267856X+1.275373,模型及参数均具有统计学意义,对2012年道路交通伤害十万人口死亡率进行预测,预测值(95%CI)为5.74(4.02-7.46),实际值为4.45,误差率较大；以2006-2011年中国道路交通伤害十万人口死亡率数据为建模数据,回归分析模型法构建的预测模型为Y=-0.439X'+7.079模型及参数均具有统计学意义,对2012年道路交通伤害十万人口死亡率进行预测,预测值(95%CI)为4.01(3.22-4.79),实际观测值在预测值的95%CI内。2、ARIMA模型法构建道路交通伤害十万人口死亡率预测模型ARIMA (1,1,0)：Yt=eYt-1+0.325(?)Yt-1+e1,其中,et为随机误差,模型残差序列为白噪声,Ljung-Box检验P0.05,拟合效果良好。应用该模型预测2012年中国道路交通伤害十万人口死亡率,预测值(95%CI)为4.67(3.05-6.87),预测值与实际观测结果相符,实际观测值在预测值95%CI内；SARIMA模型法构建道路交通伤害十万人口死亡率预测模型SARIMA(1,1,1)(0,1,1)12，Ljung-Box检验P0.05,应用该模型预测2012年中国道路交通伤害十万人口死亡率,预测结果与实际观测值相符,观测值在预测值的95%CI内；3、灰色模型法构建道路交通伤害十万人口死亡率预测方程为x(k+2)=6.0778e-0-073k,对2012年我国道路交通伤害十万人口死亡率进行预测,预测值为4.22,与实际值误差较小：4、以1951-2012年道路交通伤害十万人口死亡率为样本数据建立的BP神经网络,最终选择的BP神经网络为：以过去4年十万人口死亡率为网络输入,下一年十万人口死亡率为期望输出,隐含层神经元数目为6个,模型对2012年道路交通伤害十万人口死亡率的预测误差率为0.67%；以2000-2012年各月道路交通伤害十万人口死亡率为样本数据建立的BP神经网络,最终选择的BP神经网络为：以过去5年同期十万人口死亡率为网络输入,当前周期十万人口死亡率为期望输出,隐含层神经元数目为5个,模型对2012年各月道路交通伤害十万人口死亡率的预测值与实际值平均绝对误差率为3.8040%,预测效果较好。研究结论：1、以1951-2012年中国道路交通伤害十万人口死亡率数据为样本数据建立的预测模型,BP神经网络模型预测效果最好,其次是ARIMA模型,回归分析模型预测效果最差；2、以2006-2012年中国道路交通伤害十万人口死亡率数据为样本数据建立的预测模型,灰色模型的预测效果明显优于回归分析模型；3、以2000-2012年各月中国道路交通伤害十万人口死亡率数据为样本数据建立的预测模型,BP神经网络模型预测效果略优于SARIMA模型；4、当样本数据没有明显的季节性,且数据数量足够多时,可选择BP神经网络法进行建模预测；样本数据较少时,可选择灰色模型法进行建模预测；5、当样本数据显示有季节性或周期性时,SARIMA模型法和BP神经网络法均可用于预测模型的建立,BP神经网络法的预测效果略优于SARIMA模型法：6、在对道路交通伤害进行预测时,可尽可能考虑多种预测方法,最后进行综合比较,选择预测精度较好的预测方法进行建模预测。
【关键词】：道路交通伤害 回归分析模型法 ARIMA模型法 灰色模型法 BP神经网络法
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U491.31;R181.3
【目录】：

• 中文摘要4-7
• Abstract7-12
• 缩略词中英文对照12-13
• 第一章 绪论13-16
• 1.1 研究的目的和意义13-15
• 1.2 研究的主要内容15-16
• 第二章 回归分析模型法16-25
• 2.1 资料与方法16-19
• 2.2 结果19-22
• 2.3 讨论22-24
• 本章小结24-25
• 第三章 ARIMA模型法25-36
• 3.1 资料与方法25-26
• 3.2 结果26-33
• 3.3 讨论33-35
• 本章小结35-36
• 第四章 灰色模型法36-42
• 4.1 资料与方法36-39
• 4.2 结果39-40
• 4.3 讨论40-41
• 本章小结41-42
• 第五章 BP神经网络法42-51
• 5.1 资料与方法42-44
• 5.2 结果44-48
• 5.3 讨论48-50
• 本章小结50-51
• 第六章 结论、建议及不足51-55
• 6.1 结论与建议51-53
• 6.2 不足53-55
• 参考文献55-60
• 附录60-62
• 道路交通伤害预测方法研究进展62-71
• 参考文献68-71
• 作者简介71-73
• 致谢73

【参考文献】

中国期刊全文数据库 前10条

1 梁剑晖;郭海庆;何忠意;党亚倩;;灰色模型预测在真空预压工程中的应用研究[J];河南科学;2014年08期

2 谭爱春;田丹平;黄渊秀;高林;邓欣;李黎;何琼;陈田木;胡国清;吴静;;致死性道路交通伤害预测模型的构建[J];中华流行病学杂志;2014年02期

3 贾现召;张涛;赵海莲;段明德;;截尾时间下数控机床可靠性分析的灰色模型法[J];河南科技大学学报(自然科学版);2013年04期

4 庞媛媛;张徐军;涂志斌;崔梦晶;顾月;;自回归移动平均混合模型在中国道路交通伤害预测中的应用[J];中华流行病学杂志;2013年07期

5 胡振方;张录达;王珏璇;Shamaila Z;曾爱君;宋坚利;刘亚佳;Wolfram S;Joachim M;何雄奎;;BP神经网络在使用红外热像仪技术预测冬小麦产量中的应用(英文)[J];光谱学与光谱分析;2013年06期

6 董玉波;;道路交通事故多元线性回归模型及其检验方法[J];中国人民公安大学学报(自然科学版);2013年02期

7 刘文东;吴莹;艾静;梁祁;胡建利;戴启刚;李媛;汤奋扬;;BP神经网络在痢疾发病趋势预测中的应用研究[J];中国卫生统计;2012年06期

8 董晓梅;彭淋;王声ng;;道路交通伤害干预研究进展[J];中国公共卫生;2012年05期

9 彭振仁;杨莉;刘勇;张海英;陈世艺;尹晔;覃莉;;南宁市2000—2009年道路交通伤害时间序列分析[J];中国公共卫生;2012年05期

10 黄开勇;杨莉;;道路交通伤害的流行病学研究进展[J];中国慢性病预防与控制;2012年02期

中国硕士学位论文全文数据库 前7条

1 石志安;基于MATLAB神经网络模型的道路交通事故预测[D];长安大学;2010年

2 闫建华;道路交通事故预测方法研究[D];山东理工大学;2010年

3 李阳;摩托车道路交通事故及其伤害特点研究[D];第三军医大学;2009年

4 刘淑环;北京市道路交通事故灰色预测模型的构建与应用[D];首都师范大学;2008年

5 张恩亮;基于BP神经网络的道路交通安全预测研究[D];北京交通大学;2007年

6 刘利;道路交通事故统计分析及预测模型研究[D];重庆大学;2004年

7 李相勇;道路交通事故预测方法研究[D];西南交通大学;2004年

  本文关键词：道路交通伤害预测方法研究，，由笔耕文化传播整理发布。

本文编号：388065