中国市政工程西南设计研究总院有限公司四川610081
摘要：在交通事故统计的基础上，运用灰色理论建立了一阶单变量的交通事故预测模型，即GM（1，1）模型。GM（1，1）模型是最常用的一种灰色模型，尤其适合于交通事故预测“小样本”的随机不确定问题。本文针对交通事故发生的特点，探讨了灰色模型GM（1，1）在道路交通事故预测中的应用，对四川省道路交通事故死亡人数进行了预测。
关键词：道路交通；灰色系统；GM（1，1）模型；交通事故预测
引言
道路交通安全是一个复杂的系统，受到人、车、路、环境等多种因素的综合影响[1-2]。现行的道路交通事故预测方法主要有回归分析法、经验模型法、时间序列法、指数平滑法和灰色系统预测法等[3]。前3种方法普遍存在着长周期、大区域、低信度的缺陷，需要大量的历史数据，然后进行数学分析，得出现对稳定的、长期的发展趋势，但它没有充分考虑到实际的长期发展趋势是波动的。
灰色系统主要研究“小样本、贫信息”的不确定性系统，把观测数据序列看作随时间变化的灰色过程，通过累加生成挖掘出系统潜藏的有序规律，从而建立相应的预报模型[4]。
1.道路交通事故的灰色性分析
1.1交通事故发生的特点
交通事故作为一个随机事件，其本身具有相当大的偶然性和模糊性；如果把某地区的道路交通作为一个系统来看，则此系统中存在着一些确定因素（灰色系统称为白色信息），如道路状况、信号标志等；同时也存在一些不确定因素（灰色系统称为灰色信息），如车辆状况、气候因素、驾驶员心理状态等等，具有明显的不确定性特征。因此可以认为一个地区的道路交通安全系统是一个灰色系统，可以应用灰色系统的理论进行研究。
1.2交通事故灰色预测的特点分析
道路交通事故灰色预测的原理、方法及所具有的特点表现在[5]：
（1）灰色预测方法认为，某一地区在某一时间区间内的交通事故指标值，是在一定范围内变化的且与时间坐标有关的灰色量。
（2）数学模型GM（1，1）是一阶单变量微分方程；这与以往的概率统计方法利用高散数据所建立的按时间作逐段分析、递推、高散的模型有本质的区别。
（3）GM（1，1）灰色预测模型不是交通事故原始数学模型，而是生成数据序列模型；通过对生成数列的处理，使杂乱无章的原始数据呈现出一定的规律性。
2.灰色预测模型GM（1，1）的建立
GM（1，1）模型是最常用的一种灰色模型；它是由一个只包含单变量的一阶微分方程构成的模型。
记x（0）为历年交通事故次数的统计数列，即x（0）（t）={x（0）（1），x（0）（2），x（0）（3），…，x（0）（n）}。
x（0）是随机过程，不稳定。原始数据一次累加生成运算，得一次累加道路交通事故数据序列x（1）（t），
此外，我们还可以用灰色预测模型进行道路交通事故数以及道路交通事故损失财产的预测。当然地，只需要对模型参数重新标定，建立新的模型即可。
4.结束语
预测分析结果依赖于原始数据的精确程度，这是任何一种预测方法都不可能超越的一点。在作预测分析时，不能不予以高度重视。运用灰色理论的方法实现交通安全考核指标的预测，精度较好；从分析结果来看，其预测值是可信的。在数据结构较为完整时，可以对交通事故的成因进行关联度分析，从中寻找出与交通安全关系密切的影响因子，以便于交通部门、公安部门、道路设计规划部门有针对性的对交通事故实施治理[6]。
参考文献：
[1]李金龙，孙晚华.高速公路交通事故成因分析及对策研究[J].中国安全科学学报，2005，15（1）：59~62.
[2]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.
[3]刘志强.道路交通事故预测方法比较研究[J].交通与计算机，2001，19（5）：7~10.
[4]邓聚龙.灰色控制系统[M].武汉：华中理工大学出版社，1993.
[5]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，2006，12（3）：26-29.
[6]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，2003，28（4）：106-109.