为了掌握高速公路未来的安全状况，通过有效地控制各种影响因素，减少交通事故，增进高速公路安全，在路段划分和影响因素分析的基础上，利用收集的多条高速公路数据建立了基于广义线性回归的高速公路事故预测模型，通过比较泊松、负二项、零堆积泊松和零堆积负二项4种概率分布模型回归的结果，最终确定了负二项分布形式的事故预测模型，并利用弹性分析的方法确定了模型中单个变量对事故的边际影响。研究表明：环境变量和交通流变量对事故的发生有较大影响。

使用Panel Data模型进行不同路段交通事故的统计回归，可以识别路段样本间的固有差异以及未观测到的变量影响。作者介绍了个体固定效应模型和随机效应模型的建立过程和相关检验，并以京津塘高速为例，分别建立了一般混合回归模型、个体固定效应模型和随机效应模型，通过Hausman检验比较模型效果，最终得出个体固定效应模型更加合理、适合于高速公路事故分析的结论。

【老生谈算法】MATLAB交通事故预测算法原理及源码.doc

人工智能-基于BP神经网络的军用车辆事故预测可行性分析.pdf

最近的研究预测，到2030年，交通事故将成为全球第五大死因。 由于驾驶员的精神状态、道路状况、天气状况、交通和违反交通规则等特征的复杂组合，如今很难确定交通事故的根本原因。 交通事故造成的死亡和驾驶员伤害的成本对社会产生了很大的影响。 如今，机器学习技术在道路事故领域的应用越来越受欢迎。 机器学习分类器的部署取代了传统的数据挖掘技术，以产生更高的结果和准确性。 这项工作对使用机器学习领域的与事故预测相关的各种现有工作进行了调查。

通过对广州市天寿路交叉口高峰时段的流量调查及广州市的交通事故数据分析,发现北京市与广州市交通流量与事 故数据存在相近性关系。应用线性回归分析法、事故率法建立北京市交通流量与交通事故数之间的一元线性关系模型,对 广州市某交叉口的交通事故数进行预测分析。结果表明,在交通流量高峰时段,影响交通事故的最主要因素为交通流量,交通流量对于快速处理的事故影响作用大于一般事故 ;在交通流量相当小时段,交通事故存在着很大的偶然性,两者的关 联度不高。

针对频发的道路交通事故,以2009—2013年影响山东省道路交通事故严重程度的交通事故发生次数、死亡人数、受伤人数、财产损失4个指标的统计数据为原始数据,建立了灰色GM(1,1)道路交通事故预测模型。结果表明,未来4年的道路交通事故4项指标呈平稳下降趋势。预测模型误差概率小,精度较高,结果具有可靠性。

本数据集适合有意向做交通事故预测的小伙伴使用，里面包含事故等级、天气、驾驶员、路面条件、检测点位置等等几十条信息。最重要的是，还有我在英国地图上根据检测点位置一一对应寻找的交通流数据，绝对良心！

为准确预测道路交通事故死亡人数和有效解决道路交通安全问题,以中国2001~2012年交通事故死亡人数的统计数据为研究对象,首先,采用三次指数平滑法,建立三次指数交通事故预测模型,对道路交通事故数据进行拟合与预测分析,绘制了中国道路交通事故的未来发展趋势图;然后,通过与一次指数平滑法、二次指数平滑法进行对比分析,得出了三次指数平滑法预测精度较高,预测值与实际值相符合的结论;最后,预测出2013年和2014年的道路交通事故死亡人数.研究结果表明:三次指数平滑法预测模型适用于短期预测,对有效预测道路交通事故具有一定的参考价值和指导意义.

道路交通事故是道路交通安全水平的具体体现，为使预测数据更科学地为交通管理系统提供决策。提出建立基于LSTM（Long Short-Term Memory）神经网络的交通事故模型，训练交通事故相关的数据，对交通安全水平的指标进行预测。经过与传统回归模型和传统神经网络模型进行实验对比，实验显示LSTM拟合效果最佳，另外LSTM模型对同一趋势上的预测效果有明显优势。通过使用LSTM模型捕获数据中存在的时序依赖关系，能够更准确地对交通事故安全水平进行预测，使交通管理部门制定更加科学准确的决策。