道路交通伤害预测方法研究进展

道路交通伤害预测方法研究进展

摘要

道路交通伤害发生率高, 造成伤害严重, 已成为全球性公共卫生问题。道路交通伤害预测对掌握其未来的发生状况, 及时采取相应的措施, 具有重要作用。目前常用的预测方法主要有回归分析法、时间序列法、灰色模型法和BP（Back Propagation,BP）神经网络法等。回归分析法主要适用于样本量大、数据波动小、规律性较强的预测；时间序列分析法中应用较多的是自回归滑动平均混合模型（autoregressive integrated moving average model ,ARIMA）, 其对数据的要求不高, 具有较好的拟合效果, 适用于近期或短期预测；灰色模型法所需样本数据少、原理简单、运算方便, 特别适合对具有复杂性、随机性和灰色性特点的道路交通伤害的测；BP神经网络法则需要较为全面的数据, 短期预测精度高, 可用于宏观问题的预测。本文就道路交通伤害预测方法进行综述, 总结各方法的适用条件及优缺点, 为减少和预防道路交通伤害提供依据。

关键词

道路交通伤害 / 预测方法 / 文献综述