中华创伤杂志
中華創傷雜誌
중화창상잡지
Chinese Journal of Traumatology
2010年
6期
546-550
,共5页
张路%熊鸿燕%张胜%饶中林%黄国容%邱俊%周继红%张良%李阳%李国灵%袁丹凤
張路%熊鴻燕%張勝%饒中林%黃國容%邱俊%週繼紅%張良%李暘%李國靈%袁丹鳳
장로%웅홍연%장성%요중림%황국용%구준%주계홍%장량%리양%리국령%원단봉
事故,交通%ARMA%时间序列%预测模型
事故,交通%ARMA%時間序列%預測模型
사고,교통%ARMA%시간서렬%예측모형
Accidents,traffic%ARMA%Time series%Prediction model
目的 建立预测一般交通事故的自回归滑动平均(auto regression moving average,ARMA)模型,观察其时间序列展示特征与发生频数的分布差异,为探索稳定、准确的交通事故预测模型奠定基础.方法 从重庆市道路交通管理局收集重庆市某城市发展新区2000-2006年的一般交通事故登记信息,采用流行病学描述性研究方法,对该区交通事故月分布规律进行分析,建立ARMA模型并进行回顾和前瞻性预测,分析并比较预测数据.结果 从不同月份的分布特征看,该区一般交通事故发生频数有一定周期规律;建立的以月为单位的一般交通事故发生频数的ARMA预测模性预测值与实际值的符合率基本稳定在80%以上.结论 ARMA模型可以用于一般交通事故发生频数的时间序列指标预测,并且其短期预测的精度优于长期预测.
目的 建立預測一般交通事故的自迴歸滑動平均(auto regression moving average,ARMA)模型,觀察其時間序列展示特徵與髮生頻數的分佈差異,為探索穩定、準確的交通事故預測模型奠定基礎.方法 從重慶市道路交通管理跼收集重慶市某城市髮展新區2000-2006年的一般交通事故登記信息,採用流行病學描述性研究方法,對該區交通事故月分佈規律進行分析,建立ARMA模型併進行迴顧和前瞻性預測,分析併比較預測數據.結果 從不同月份的分佈特徵看,該區一般交通事故髮生頻數有一定週期規律;建立的以月為單位的一般交通事故髮生頻數的ARMA預測模性預測值與實際值的符閤率基本穩定在80%以上.結論 ARMA模型可以用于一般交通事故髮生頻數的時間序列指標預測,併且其短期預測的精度優于長期預測.
목적 건립예측일반교통사고적자회귀활동평균(auto regression moving average,ARMA)모형,관찰기시간서렬전시특정여발생빈수적분포차이,위탐색은정、준학적교통사고예측모형전정기출.방법 종중경시도로교통관리국수집중경시모성시발전신구2000-2006년적일반교통사고등기신식,채용류행병학묘술성연구방법,대해구교통사고월분포규률진행분석,건립ARMA모형병진행회고화전첨성예측,분석병비교예측수거.결과 종불동월빈적분포특정간,해구일반교통사고발생빈수유일정주기규률;건립적이월위단위적일반교통사고발생빈수적ARMA예측모성예측치여실제치적부합솔기본은정재80%이상.결론 ARMA모형가이용우일반교통사고발생빈수적시간서렬지표예측,병차기단기예측적정도우우장기예측.
Objective To establish an autoregression moving average (ARMA) model for predicting general traffic accidents and analyzing distributional difference on time series and frequency of common traffic accident so as to provide certain basis for a prediction model with better stability and accuracy. Methods The data of road traffic accidents in one newly developed zone of Chongqing in 2000-2005 were collected. The monthly distribution regularity of road traffic accidents was analyzed with descriptive epidemiologic method. ARMA model was set up for retrospective and prospective prediction. The predicted data were compared. Results Based on the characteristics of monthly distribution, the frequency of general traffic accidents in this area showed a cyclic fashion. The frequency of general traffic accidents predicted by ARMA model had over 80% of coincidence with the actual value. Conclusion The ARMA model can be used to predict the frequency of general traffic accidents, with better accuracy of short-term prediction than the long-term prediction.
