基于動(dòng)態(tài)灰色預(yù)測(cè)的交通事故損失預(yù)測(cè)

楊書霞，胡 艷

(武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070)

基于動(dòng)態(tài)灰色預(yù)測(cè)的交通事故損失預(yù)測(cè)

楊書霞，胡 艷

(武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070)

為了解我國(guó)未來(lái)的交通事故損失情況，提出運(yùn)用灰色系統(tǒng)理論的方法對(duì)我國(guó)交通事故的財(cái)產(chǎn)損失進(jìn)行預(yù)測(cè)。首先運(yùn)用灰色關(guān)聯(lián)分析找出與我國(guó)交通事故財(cái)產(chǎn)損失關(guān)系最密切的統(tǒng)計(jì)指標(biāo)，即事故發(fā)生數(shù)；然后對(duì)交通事故財(cái)產(chǎn)損失和事故發(fā)生數(shù)兩個(gè)指標(biāo)采用動(dòng)態(tài)GM(1,1)模型對(duì)其未來(lái)值進(jìn)行預(yù)測(cè)。結(jié)果表明，盡管我國(guó)的交通事故損失和事故發(fā)生數(shù)在未來(lái)6年呈現(xiàn)下降趨勢(shì)，但下降幅度不大，因此在交通安全方面還需要進(jìn)一步強(qiáng)化管理，如加強(qiáng)機(jī)動(dòng)車駕駛?cè)藛T和交通管理部門對(duì)道路交通的安全意識(shí)，充分利用高科技技術(shù)等。

交通事故；灰色系統(tǒng)理論；灰色關(guān)聯(lián)分析；動(dòng)態(tài)GM(1,1)模型；損失預(yù)測(cè)

交通事故是我國(guó)公共危機(jī)事件中事故災(zāi)難類死亡人數(shù)最多、造成經(jīng)濟(jì)損失最大的事故類型之一，隨著人們生活水平的提高，私家車數(shù)量迅速增多，由交通事故所導(dǎo)致的人員傷亡和財(cái)產(chǎn)損失并沒(méi)有因?yàn)榭萍嫉倪M(jìn)步而減少，反而在我國(guó)呈現(xiàn)逐漸上升的趨勢(shì)。據(jù)相關(guān)統(tǒng)計(jì)，我國(guó)每年因交通事故造成的直接財(cái)產(chǎn)損失高達(dá)10億元以上，由交通事故造成的各種綜合社會(huì)經(jīng)濟(jì)損失占國(guó)民生產(chǎn)總值的1%以上，為了遏制我國(guó)交通事故造成的各經(jīng)濟(jì)損失大、人員傷亡多的現(xiàn)狀，非常有必要對(duì)我國(guó)交通事故的損失評(píng)估預(yù)測(cè)進(jìn)行研究。

1 文獻(xiàn)綜述

在對(duì)交通事故損失進(jìn)行評(píng)估預(yù)測(cè)時(shí)，由于信息的不充分性以及統(tǒng)計(jì)的不完整性，傳統(tǒng)的回歸分析等方法并不能對(duì)交通事故所造成的損失情況進(jìn)行全面把握，因此筆者引入灰色系統(tǒng)理論，作為進(jìn)行交通事故損失評(píng)估預(yù)測(cè)和關(guān)聯(lián)分析的主要方法?；疑到y(tǒng)理論是鄧聚龍教授在1982年開創(chuàng)的一門新的理論和學(xué)科方法，灰色系統(tǒng)以其研究對(duì)象具有信息不完全性為特征，通過(guò)少量數(shù)據(jù)建模達(dá)到動(dòng)態(tài)信息的利用、開發(fā)和加工[1]。

灰色系統(tǒng)理論從學(xué)科開創(chuàng)發(fā)展至今，取得了巨大的成果，特別是在2004—2014年間更是取得突破性的進(jìn)展，如關(guān)于灰色預(yù)測(cè)的各種派生模型、端點(diǎn)混合三角白化權(quán)函數(shù)的灰色聚類評(píng)估模型等[2]。在灰色系統(tǒng)理論的應(yīng)用方面，宋傳平等[3]運(yùn)用GM(1,1)對(duì)軍用車輛的交通事故起數(shù)和死亡人數(shù)進(jìn)行了預(yù)測(cè)；王振振等[4-5]以GM(1,1)為主要模型分別測(cè)算了未來(lái)15年間老年人口的消費(fèi)規(guī)模和河源市的旅游收入情況。周豪奇等[6]運(yùn)用灰色預(yù)測(cè)模型對(duì)我國(guó)建筑垃圾的產(chǎn)量進(jìn)行了預(yù)測(cè)和分析。

在灰色系統(tǒng)理論的方法研究方面，黃克[7]從算法的角度提出將移動(dòng)窗算法與傳統(tǒng)灰色預(yù)測(cè)模型相結(jié)合；李夢(mèng)婉等[8]為提高GM(1,1)的預(yù)測(cè)精度，給出了將求解優(yōu)化和多項(xiàng)式擬合優(yōu)化相結(jié)合的改進(jìn)灰色等維動(dòng)態(tài)預(yù)測(cè)方法；孫麗芹等[9]將逐步回歸的方法引入灰色預(yù)測(cè)模型，構(gòu)造出耦合模型以改善預(yù)測(cè)效果；CRISTBAL等[10]運(yùn)用殘差灰色預(yù)測(cè)模型對(duì)項(xiàng)目管理中S曲線各階段的成本進(jìn)行了計(jì)算，表明殘差灰色預(yù)測(cè)模型比傳統(tǒng)回歸模型的精度要高；MEMON等[11-12]將灰色系統(tǒng)理論與不確定性理論相結(jié)合，以制定減少與供應(yīng)商相關(guān)采購(gòu)風(fēng)險(xiǎn)的框架。

綜上所述，由于灰色系統(tǒng)所涉及的研究對(duì)象遍布經(jīng)濟(jì)、社會(huì)、生態(tài)等各個(gè)領(lǐng)域，有關(guān)應(yīng)用研究非常廣泛，但是在道路交通事故的預(yù)測(cè)方面，已有的研究主要側(cè)重于對(duì)傳統(tǒng)GM(1,1)模型的應(yīng)用，并沒(méi)有從損失的角度對(duì)交通事故進(jìn)行度量。

2 交通事故損失統(tǒng)計(jì)指標(biāo)的關(guān)聯(lián)分析

根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》中關(guān)于我國(guó)交通事故的損失統(tǒng)計(jì)指標(biāo)，以直接財(cái)產(chǎn)損失值作為基準(zhǔn)數(shù)據(jù)，對(duì)其他的統(tǒng)計(jì)指標(biāo)作關(guān)聯(lián)分析，找出與財(cái)產(chǎn)損失值關(guān)聯(lián)最大的統(tǒng)計(jì)指標(biāo)，并與交通事故的財(cái)產(chǎn)損失數(shù)據(jù)一起進(jìn)行灰色預(yù)測(cè)，以提高預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確率。

2.1 模型原理與模型構(gòu)建

(1)模型原理。灰色關(guān)聯(lián)分析其實(shí)是一種發(fā)展態(tài)勢(shì)的量化比較分析，根據(jù)關(guān)聯(lián)度的大小就各統(tǒng)計(jì)指標(biāo)對(duì)交通事故損失的影響大小進(jìn)行排序，以此反映各指標(biāo)對(duì)交通事故損失的密切程度。根據(jù)相關(guān)統(tǒng)計(jì)得到4個(gè)指標(biāo)，分別是交通事故直接財(cái)產(chǎn)損失(X0)、事故發(fā)生起數(shù)(X1)、事故死亡人數(shù)(X2)和事故受傷人數(shù)(X3)，其中以直接財(cái)產(chǎn)損失(X0)作為比較的基準(zhǔn)，衡量我國(guó)交通事故的損失情況，來(lái)確定另外3個(gè)統(tǒng)計(jì)指標(biāo)與交通事故損失的關(guān)聯(lián)程度。

(2)模型構(gòu)建。①建立我國(guó)交通事故損失數(shù)據(jù)列，記為X0={X0(1),X0(2),…,X0(n)}，其中k=1,2,…,n,表示年份時(shí)間；②建立比較指標(biāo)的數(shù)據(jù)列，記為Xi={Xi(1),Xi(2),…,Xi(n)}，i=1,2,3；③數(shù)據(jù)處理，為了使各數(shù)據(jù)列具有可比性，需對(duì)所有數(shù)據(jù)進(jìn)行無(wú)量綱化處理，由于筆者使用的是具有時(shí)間序列的數(shù)據(jù)，因此采用初值化無(wú)量綱處理；④確定關(guān)聯(lián)度ρi，令第k時(shí)刻比較數(shù)據(jù)列中Xi(k)與參考數(shù)據(jù)列X0(k)的相對(duì)差值為k時(shí)刻的關(guān)聯(lián)系數(shù)，記為εi(k)，其計(jì)算公式為：

(1)

(2)

2.2 指標(biāo)選取與數(shù)據(jù)來(lái)源

筆者選取直接財(cái)產(chǎn)損失、事故發(fā)生數(shù)、事故死亡人數(shù)和事故受傷人數(shù)4個(gè)指標(biāo)作為主要研究對(duì)象；所需數(shù)據(jù)均來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》，搜集我國(guó)2005—2015年交通事故各指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)。

2.3 測(cè)算結(jié)果

根據(jù)搜集的數(shù)據(jù)生成各指標(biāo)的序列，并對(duì)各數(shù)據(jù)列進(jìn)行無(wú)量綱化處理，然后利用式(1)計(jì)算每組數(shù)據(jù)列在對(duì)應(yīng)年份的關(guān)聯(lián)度系數(shù)，各指標(biāo)的評(píng)價(jià)關(guān)聯(lián)系數(shù)如表1所示。

根據(jù)式(2)可得出ρ1=0.615 937，ρ2=0.606 049，ρ3=0.541 536，表明交通事故的發(fā)生起數(shù)與直接財(cái)產(chǎn)損失的關(guān)聯(lián)度為0.615 937，事故死亡人數(shù)與直接財(cái)產(chǎn)損失的關(guān)聯(lián)度為0.606 049，事故受傷人數(shù)與直接財(cái)產(chǎn)損失的關(guān)聯(lián)度為0.541 536?？梢钥闯鼋煌ㄊ鹿实陌l(fā)生起數(shù)與直接財(cái)產(chǎn)損失的發(fā)展趨勢(shì)最為接近，即交通事故的發(fā)生起數(shù)對(duì)財(cái)產(chǎn)損失的直接影響程度最大，因此選取交通事故的發(fā)生起數(shù)與直接財(cái)產(chǎn)損失一起進(jìn)行動(dòng)態(tài)GM(1,1)預(yù)測(cè)。

表1 交通事故損失統(tǒng)計(jì)指標(biāo)間關(guān)聯(lián)系數(shù)

3 基于動(dòng)態(tài)灰色預(yù)測(cè)模型的交通事故損失預(yù)測(cè)

3.1 灰色預(yù)測(cè)模型

選擇GM(1,1)模型作為交通事故損失評(píng)估的預(yù)測(cè)模型，因?yàn)镚M(1,1)不僅在建模過(guò)程中只需要一個(gè)數(shù)列，而且也是使用最為廣泛的灰色預(yù)測(cè)模型。

以直接財(cái)產(chǎn)損失為例，將其統(tǒng)計(jì)數(shù)列計(jì)為如下形式：X(0)={X(0)(1),X(0)(2),…,X(0)(n)}，其中，k=1,2,…,n。為了消除數(shù)據(jù)的不平穩(wěn)性，使之成為有規(guī)律的時(shí)間序列數(shù)據(jù)，對(duì)數(shù)據(jù)列作一次累加生成處理：

(3)

則得到新的生成數(shù)列X(1)={X(1)(1),X(1)(2),…,X(1)(n)}。然后用X(1)建立白化方程：

(4)

(5)

zN=[X(0)(2),X(0)(3),…,X(0)(n)]T

(7)

計(jì)算可得a,u的值，其中參數(shù)a代表交通事故損失的變化系數(shù)，反映的是原始交通事故損失序列的發(fā)展趨勢(shì)；參數(shù)u代表灰色作用量，反映歷年交通事故財(cái)產(chǎn)損失或事故發(fā)生起數(shù)數(shù)據(jù)間的變化關(guān)系。

建立如下預(yù)測(cè)公式：

(8)

(9)

根據(jù)預(yù)測(cè)公式則能夠測(cè)算出我國(guó)交通事故未來(lái)的財(cái)產(chǎn)損失數(shù)據(jù)和交通事故發(fā)生數(shù)。

3.2 動(dòng)態(tài)灰色預(yù)測(cè)模型

動(dòng)態(tài)灰色預(yù)測(cè)模型是基于上述GM(1,1)模型建立的數(shù)列預(yù)測(cè)，其動(dòng)態(tài)性主要體現(xiàn)在將由已知數(shù)列建立的GM(1,1)模型預(yù)測(cè)出的值加入到新的數(shù)據(jù)列中，同時(shí)替換掉最老的數(shù)值，依此循環(huán)往復(fù)，逐個(gè)預(yù)測(cè)，依次遞補(bǔ)，直到達(dá)到預(yù)測(cè)目標(biāo)為止，這種動(dòng)態(tài)的灰色預(yù)測(cè)模型也稱為等維灰數(shù)遞補(bǔ)動(dòng)態(tài)預(yù)測(cè)，已有研究證實(shí)其比GM(1,1)具有更高的預(yù)測(cè)準(zhǔn)確率[13]。

3.3 我國(guó)交通事故的財(cái)產(chǎn)損失與事故發(fā)生數(shù)預(yù)測(cè)

表2 交通事故財(cái)產(chǎn)損失(X)與事故發(fā)生數(shù)(Y)數(shù)據(jù)列表

運(yùn)用GM(1,1)模型得出交通事故財(cái)產(chǎn)損失數(shù)據(jù)列的參數(shù)aX=-0.016 782 77，uX=114 250.356，則預(yù)測(cè)公式為：

6 807 598.249

(10)

同理得出事故發(fā)生數(shù)的預(yù)測(cè)公式為：

8 187 254.887

(11)

對(duì)上述兩個(gè)模型進(jìn)行殘差檢驗(yàn)，以判定模型預(yù)測(cè)值的準(zhǔn)確度，結(jié)果如表3所示。其中，交通事故財(cái)產(chǎn)損失和事故發(fā)生數(shù)的平均相對(duì)誤差ε均低于5%，模型的平均精度p0也均大于90%，表明灰色預(yù)測(cè)模型通過(guò)檢驗(yàn)，模型的預(yù)測(cè)精度良好。

表3 殘差檢驗(yàn)

表4 2016—2021年交通事故財(cái)產(chǎn)損失預(yù)測(cè)值

由表4可以看出，未來(lái)6年間我國(guó)的交通事故財(cái)產(chǎn)損失和交通事故發(fā)生數(shù)均呈下降趨勢(shì)，財(cái)產(chǎn)損失從2015年的103 691.7萬(wàn)元下降到2021年的91 357.61萬(wàn)元，交通事故發(fā)生數(shù)下降為2021年的160 317起，但是總體上的下降幅度并不高，即在未來(lái)6年間，我國(guó)的交通事故財(cái)產(chǎn)損失和事故發(fā)生數(shù)仍然保持著一個(gè)較高的數(shù)額。一方面，隨著城鎮(zhèn)汽車保有量迅速增加，隨之而來(lái)的交通事故不可避免地造成了巨大的財(cái)產(chǎn)損失；另一方面，關(guān)于車輛安全駕駛的高科技技術(shù)與實(shí)際應(yīng)用之間還存在一定的差距，實(shí)現(xiàn)安全駕駛絕對(duì)化的標(biāo)準(zhǔn)任重而道遠(yuǎn)。綜上所述，無(wú)論哪種情況造成的交通事故損失巨大的現(xiàn)象，對(duì)于我國(guó)當(dāng)下的發(fā)展形勢(shì)都非常不利，因此，加強(qiáng)交通安全管理勢(shì)在必行。

4 結(jié)論

通過(guò)對(duì)我國(guó)交通事故的損失預(yù)測(cè)發(fā)現(xiàn)，盡管我國(guó)交通事故損失情況趨于下降，但總體下降幅度不大，加快采取行動(dòng)以制止交通事故造成的各種財(cái)產(chǎn)損失已刻不容緩。①我國(guó)應(yīng)加強(qiáng)機(jī)動(dòng)車駕駛?cè)藛T和交通管理部門對(duì)道路交通的安全意識(shí)。交通事故一旦發(fā)生，將產(chǎn)生無(wú)法挽回的損失，所以減小損失的第一步就是盡量避免損失情況的發(fā)生，提高交通安全意識(shí)，可以從加強(qiáng)道路交通安全法律法規(guī)建設(shè)，加大對(duì)違反交通管理法規(guī)和條例的懲罰力度等方面實(shí)施；②完善交通事故損失數(shù)據(jù)的搜集與記錄。目前獲得的一些交通事故方面的統(tǒng)計(jì)數(shù)據(jù)主要來(lái)源于國(guó)家統(tǒng)計(jì)年鑒，而國(guó)家統(tǒng)計(jì)年鑒記載的數(shù)據(jù)繁多，有關(guān)交通事故方面的記載數(shù)據(jù)相對(duì)較少，內(nèi)容也不夠豐富，建議相關(guān)部門編制一本專門針對(duì)交通事故數(shù)據(jù)情況的統(tǒng)計(jì)年鑒或書籍，并進(jìn)行跟蹤記載和實(shí)時(shí)更新，根據(jù)詳細(xì)的統(tǒng)計(jì)分析情況有針對(duì)性地制定交通安全措施；③充分利用高科技儀器等加強(qiáng)對(duì)道路交通安全的預(yù)防和監(jiān)測(cè)，打造智能交通系統(tǒng)，將有關(guān)道路交通安全的應(yīng)用開發(fā)深入進(jìn)行下去，同時(shí)，充分借鑒國(guó)外在交通安全方面的成就，并因地制宜進(jìn)行應(yīng)用探索，以科技促經(jīng)濟(jì)，減少交通安全方面的經(jīng)濟(jì)損失和社會(huì)損失。

[1] 鄧聚龍．灰色系統(tǒng)理論教程[M].武漢：華中理工大學(xué)出版社，1990：12-12.

[2] 劉思峰，楊英杰．灰色系統(tǒng)研究進(jìn)展(2004—2014)[J].南京航空航天大學(xué)學(xué)報(bào)，2015,47(1)：1-18.

[3] 宋傳平，王鵬飛，李濤．基于GM(1,1)模型的軍用車輛交通事故預(yù)測(cè)研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2010，20(11)：52-55.

[4] 王振振，胡晗，李敏．老年消費(fèi)需求規(guī)模預(yù)測(cè)及影響因素分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2016,46(21)：1-9.

[5] 伍新蕾．基于MATLAB平臺(tái)的河源市旅游收入與旅游人數(shù)灰色預(yù)測(cè)研究[J].經(jīng)濟(jì)論壇，2016,546(1)：29-32.

[6] 周豪奇，張?jiān)茖?，趙杰．基于灰色預(yù)測(cè)模型GM(1,1)的建筑垃圾產(chǎn)量研究[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版)，2016，38(5)：612-615.

[7] 黃克．灰色預(yù)測(cè)模型算法的改進(jìn)研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2015,35(11)：1347-1357.

[8] 李夢(mèng)婉，沙秀艷．基于GM(1,1)灰色預(yù)測(cè)模型的改進(jìn)與應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2016,52(4)：24-30.

[9] 孫麗芹，常安定，位龍虎,等．基于GM(1,1)-逐步回歸模型的用水量預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2016,20(3)：95-97.

[11] MEMON M S, LEE Y H, MARI S I. Group multi-criteria supplier selection using combined grey systems theory and uncertainty theory[J].Expert Systems with Applications ,2015,42(21):7951-7959.

[12] BEZUGLOV A,COMERT G. Short-term freeway traffic parameter prediction: application of grey system theory models[J]. Expert Systems with Applications,2016(62):284-292.

[13] 王學(xué)萌．等維灰數(shù)遞補(bǔ)動(dòng)態(tài)預(yù)測(cè)[J].華中理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，1989(4)：9-16.

PredictionofTrafficAccidentLossBasedonDynamicGreyPrediction

YANGShuxia,HUYan

In order to estimate the future traffic accident loss in China, the gray system theory is put forward to forecast the property loss of traffic accidents in China. Firstly, the gray relational analysis is used to find the most closely related indicator of the traffic accident which is the number of accidents. Then the dynamic GM (1, 1) model is used to predict the future value of the traffic accident loss and the number of accidents. The results show that although the traffic accident losses and the number of accidents in China will decline in the future, the decline is not significant, so the further management concerning to traffic safety is needed, such as strengthen the safety awareness of motor vehicle drivers and traffic management departments on the road traffic, make full use of high-tech technology.

transport accident; gray system theory; gray relational analysis; dynamic GM(1,1) model; loss prediction

2095-3852(2017)06-0674-05

A

2017-05-26.

楊書霞(1992-)，女，湖北孝感人，武漢理工大學(xué)管理學(xué)院碩士研究生，主要研究方向?yàn)榧夹g(shù)經(jīng)濟(jì)及管理.

安全預(yù)警與應(yīng)急聯(lián)動(dòng)技術(shù)湖北省協(xié)同創(chuàng)新中心開放課題基金項(xiàng)目(JD2015050502).

U491.3

10.3963/j.issn.2095-3852.2017.06.006

YANGShuxia:Postgraduate; School of Management, WUT, Wuhan 430070, China.