论文部分内容阅读
摘要：基于高速公路交通事故的多发性，国内目前大多采用灰色预测模型对未来交通事故发生次数进行预测，但在预测未来某一特定时间段内发生交通事故概率方面的研究却寥寥无几，因此，本文结合大数据技术的特点及可视化技术应用，对大数据环境下的交通事故预测进行分析，构建灰色GM（1，1）预测模型，从而做到在事故发生前预警，减少因无法预测事故发生而造成时间上的浪费，将生命与财产的损失降到最低，提高事故发生时的快速救援系数。
关键词：交通事故预测;大数据;灰色预测;可视化
引言：
现阶段国内的大数据在高速公路尤其是在交通事故预测上的研究少之又少，但高速公路却是交通事故多发的地段，因此，如何利用大数据技术预测未来某一短时间段内交通事故的发生，增加救援时间变得越来越重要。
一、大数据的简述
随着互联网科技的不断发展和即将到来的5G时代，我们每天都面对着庞大的数据量，如何处理和利用这些数据便成了摆在人类面前又一个棘手的问题。实际上，大数据是指采用一定的技术或手段捕获一定时期范围内的海量数据的集合，并运用数据库软件或处理数据的系统将捕获的数据进行整合、处理和分析，转变为可利用、可服务于各大行业的有用的信息资源。大数据时代的到来，让我们在解决问题时不再局限于数据的精确性，也不再需要数据精确化。
二、大数据在高速公路交通事故上前期研究
（一）大数据下的高速公路交通数据来源
高速公路收费站联网数据、交通视频监控数据、传感器数据等都是高速公路交通数据的主要来源途径。不同的高速公路都设有一定数量的收费站，这些收费站每天都有成百上千的车辆通过，而其专有的收费软件、闸机口视频监控都将记录下路过车辆的车牌信息、车辆类别、载货量、通行频率与区间位置等数据信息，这些庞大的数据量都可以运用大数据技术进行分析处理利用起来。
（二）高速公路交通事故致因
1 人为因素
造成高速公路交通事故的人为因素主要可分为行人和驾驶员两部分。行人方面，目前国家在高速公路实行的是全封闭式交通管制政策，因此大多是位于偏远地区或农村周边范围的高速公路会出现因行人擅自穿越高速公路而造成交通事故的现象。驾驶员方面，其自身视力、年龄、驾驶行为等多方面因素均会引起交通事故的发生。车辆长时间在高速公路上的行驶、路面单调的白线这些都会让司机在驾驶中产生厌倦情绪，极易造成交通事故的产生。
2 车辆因素
我国车辆类型复杂，车辆使用者对于车辆性能方面的检测意识不强，而高速公路中因车辆故障原因导致的交通事故不占少数，主要集中在爆胎、制动失灵、转向灯光失效、方向盘不灵敏等方面。车辆在爆胎的过程中，轮胎摩擦加剧，表面温度升高;爆胎瞬间，车辆会偏离原来的行驶轨迹，而在这一点上，路旁的摄像头是可以及时捕捉到车辆的异常行驶轨迹现象，并反馈到后台进行预警。
3 环境因素
环境的影响包括天气影响、道路路况影响、其他不可预测事件的影响等。天气影响主要指极端恶劣天气影响，如雷雨天气、雨雪天气、强风天气等;道路路况影响主要指因极端天气、人为因素或非人为因素造成道路毁坏，进而导致车辆在行驶发生事故;而对于一些不可预测的事件影响属于不可控因素，现阶段的技术水平还难以预测，有待于进一步研究。
三、大数据环境下的交通事故预测研究模型分析
交通事故的发生具有随机性、不可控性等特点，采用传统的方法难以进行预测，但可以考虑从车辆在发生事故前的行车轨迹改变这一点入手，通过灰色预测模型对交通事故进行预测。而灰色预测模型指的是灰色动态GM（1，1）模型，它主要针对的是系统内部已有的部分数据，对这一类数据信息发展到未来更新为新的一类数据信息进行预测。
目前的灰色预测交通事故的方法主要是通过找寻交通事故序列中数据间的动态关系，利用交通事故中原始累计的数据数列进行累加或累减，进而生成GM（1，1）数学模型，预测事故未来走向。其中很值得注意的一点是传统的灰色预测只能根据原有的交通事故发生的次数来预测未来交通事故的发生次数，而无法直接预测出某一时间点的交通事故。在此，本文将以高速公路中行驶的C类轿车爆胎情形为例进行分析，具体为步骤如下：
后台系统将获取到的信息与原始数据结合对比，系统内部快速构建灰色预测模型。
四、灰色GM（1，1）模型在交通事故预测上的应用
针对高速公路未来某一时间段内的交通事故预测建立的基于灰色预测理论的GM（1，1）模型，在预测交通事故这种不确定因素问题上有着显著的意义，但由于之前灰色预测模型大多被用来预测未来发生的交通事故次数，而在预测未来某一时间内发生的交通事故上的应用少之又少，具体的实用性有待于进一步的研究与实践。
五、结论
如今大数据时代已然到来，在交通领域大数据被推向新一波的高潮，交通事故发生的不确定性、造成的公共财产和生命的损失都使得人们迫切地想要预测交通事故的发生，大数据无疑是一个预测未来的很好的技术手段，云计算技术、可视化技术在大数据上的运用对于解决交通问题，预测交通事故都提供了强大的技术保障。相信在不久的将来，大数据技术将会被广泛运用在智慧交通领域，保障人们的日常交通出行。
参考文献：
[1]沙爱敏.高速公路交通事故分析及预防对策研究[D].东南大学，2006.
[2]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.
[3]邹真子.浅谈大数据对出行安全的效用[J].江西通信科技，2017（04）：5-7.
[4]朱笠.国内大数据与交通研究综述[A]. 中国城市规划学会、贵阳市人民政府.新常态：传承与变革——2015中国城市规划年会论文集（04城市规划新技术应用）[C].中国城市规划学会、贵阳市人民政府：中国城市规划学会，2015：10.
[5]甘灵.城市公共交通可持续发展研究[D].西南交通大学，2002.
[6]覃明贵. 城市道路交通数据挖掘研究与应用[D].复旦大学，2010.
[7]周维新.交通事故灰色预测模型的研究[J].西安公路交通大學学报，2000（02）：73-75.
作者简介：
杨诗妮（1998-07-），女，壮族，湖南祁阳，本科，无职称，桂林理工大学学生。
关键词：交通事故预测;大数据;灰色预测;可视化
引言：
现阶段国内的大数据在高速公路尤其是在交通事故预测上的研究少之又少，但高速公路却是交通事故多发的地段，因此，如何利用大数据技术预测未来某一短时间段内交通事故的发生，增加救援时间变得越来越重要。
一、大数据的简述
随着互联网科技的不断发展和即将到来的5G时代，我们每天都面对着庞大的数据量，如何处理和利用这些数据便成了摆在人类面前又一个棘手的问题。实际上，大数据是指采用一定的技术或手段捕获一定时期范围内的海量数据的集合，并运用数据库软件或处理数据的系统将捕获的数据进行整合、处理和分析，转变为可利用、可服务于各大行业的有用的信息资源。大数据时代的到来，让我们在解决问题时不再局限于数据的精确性，也不再需要数据精确化。
二、大数据在高速公路交通事故上前期研究
（一）大数据下的高速公路交通数据来源
高速公路收费站联网数据、交通视频监控数据、传感器数据等都是高速公路交通数据的主要来源途径。不同的高速公路都设有一定数量的收费站，这些收费站每天都有成百上千的车辆通过，而其专有的收费软件、闸机口视频监控都将记录下路过车辆的车牌信息、车辆类别、载货量、通行频率与区间位置等数据信息，这些庞大的数据量都可以运用大数据技术进行分析处理利用起来。
（二）高速公路交通事故致因
1 人为因素
造成高速公路交通事故的人为因素主要可分为行人和驾驶员两部分。行人方面，目前国家在高速公路实行的是全封闭式交通管制政策，因此大多是位于偏远地区或农村周边范围的高速公路会出现因行人擅自穿越高速公路而造成交通事故的现象。驾驶员方面，其自身视力、年龄、驾驶行为等多方面因素均会引起交通事故的发生。车辆长时间在高速公路上的行驶、路面单调的白线这些都会让司机在驾驶中产生厌倦情绪，极易造成交通事故的产生。
2 车辆因素
我国车辆类型复杂，车辆使用者对于车辆性能方面的检测意识不强，而高速公路中因车辆故障原因导致的交通事故不占少数，主要集中在爆胎、制动失灵、转向灯光失效、方向盘不灵敏等方面。车辆在爆胎的过程中，轮胎摩擦加剧，表面温度升高;爆胎瞬间，车辆会偏离原来的行驶轨迹，而在这一点上，路旁的摄像头是可以及时捕捉到车辆的异常行驶轨迹现象，并反馈到后台进行预警。
3 环境因素
环境的影响包括天气影响、道路路况影响、其他不可预测事件的影响等。天气影响主要指极端恶劣天气影响，如雷雨天气、雨雪天气、强风天气等;道路路况影响主要指因极端天气、人为因素或非人为因素造成道路毁坏，进而导致车辆在行驶发生事故;而对于一些不可预测的事件影响属于不可控因素，现阶段的技术水平还难以预测，有待于进一步研究。
三、大数据环境下的交通事故预测研究模型分析
交通事故的发生具有随机性、不可控性等特点，采用传统的方法难以进行预测，但可以考虑从车辆在发生事故前的行车轨迹改变这一点入手，通过灰色预测模型对交通事故进行预测。而灰色预测模型指的是灰色动态GM（1，1）模型，它主要针对的是系统内部已有的部分数据，对这一类数据信息发展到未来更新为新的一类数据信息进行预测。
目前的灰色预测交通事故的方法主要是通过找寻交通事故序列中数据间的动态关系，利用交通事故中原始累计的数据数列进行累加或累减，进而生成GM（1，1）数学模型，预测事故未来走向。其中很值得注意的一点是传统的灰色预测只能根据原有的交通事故发生的次数来预测未来交通事故的发生次数，而无法直接预测出某一时间点的交通事故。在此，本文将以高速公路中行驶的C类轿车爆胎情形为例进行分析，具体为步骤如下：
后台系统将获取到的信息与原始数据结合对比，系统内部快速构建灰色预测模型。
四、灰色GM（1，1）模型在交通事故预测上的应用
针对高速公路未来某一时间段内的交通事故预测建立的基于灰色预测理论的GM（1，1）模型，在预测交通事故这种不确定因素问题上有着显著的意义，但由于之前灰色预测模型大多被用来预测未来发生的交通事故次数，而在预测未来某一时间内发生的交通事故上的应用少之又少，具体的实用性有待于进一步的研究与实践。
五、结论
如今大数据时代已然到来，在交通领域大数据被推向新一波的高潮，交通事故发生的不确定性、造成的公共财产和生命的损失都使得人们迫切地想要预测交通事故的发生，大数据无疑是一个预测未来的很好的技术手段，云计算技术、可视化技术在大数据上的运用对于解决交通问题，预测交通事故都提供了强大的技术保障。相信在不久的将来，大数据技术将会被广泛运用在智慧交通领域，保障人们的日常交通出行。
参考文献：
[1]沙爱敏.高速公路交通事故分析及预防对策研究[D].东南大学，2006.
[2]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.
[3]邹真子.浅谈大数据对出行安全的效用[J].江西通信科技，2017（04）：5-7.
[4]朱笠.国内大数据与交通研究综述[A]. 中国城市规划学会、贵阳市人民政府.新常态：传承与变革——2015中国城市规划年会论文集（04城市规划新技术应用）[C].中国城市规划学会、贵阳市人民政府：中国城市规划学会，2015：10.
[5]甘灵.城市公共交通可持续发展研究[D].西南交通大学，2002.
[6]覃明贵. 城市道路交通数据挖掘研究与应用[D].复旦大学，2010.
[7]周维新.交通事故灰色预测模型的研究[J].西安公路交通大學学报，2000（02）：73-75.
作者简介：
杨诗妮（1998-07-），女，壮族，湖南祁阳，本科，无职称，桂林理工大学学生。