为提高道路交通事故的预测精度以及建模速度，在分析道路交通事故影响因素基础上，提出了基于灰色关联分析的LS-SVM道路交通事故预测模型。该模型采用灰色关联分析完成影响因素的相关性分析，结合关联度值，筛选最小二乘向量机模型的输入变量，简化LS-SVM模型结构；然后运用动态改变惯性权重自适应粒子群算法（DCW-APSO）对模型参数进行优化选取；最后应用模型预测1996—2000年的综合道路交通事故死亡率，并将预测结果与其他模型进行对比分析。结果表明，相较其他预测模型，该模型具有较快的收敛速度，并能明显提高道路交通事故预测的精度。

马尔可夫链模型在交通事故预测中的应用，杨洋，，随着社会经济的飞速发展，带来了大量的信息和数据，所以现今对数据的整理挖掘及根据现有事件的数据对将来做出预测等信息处理技术

CSE6242数据和视觉分析（2019年Spring） 第74小组-道路交通事故预测Web应用程序 项目说明 在此项目中，我们着手提供一种预测RTA风险的工具，以解决英国伦敦的道路交通事故（RTA）问题，从而使用户可以做出有关其行驶路线的明智决定。 我们还对过去的数据和图像进行了详细分析，以更好地了解RTA。 我们的Web界面包含两个部分，即探索和交互。 在探索部分，我们介绍了我们的研究方法，所使用的算法，数据的分析和可视化。 在交互部分中，用户可以利用交互式仪表板来预测他们选择的路线中RTA的可能性。 该应用程序使用机器学习模型进行预测。 用户将必须输入日期和时间，出发地和旅行目的地。 然后，该应用程序将调用进行路线规划和天气API，进行天气预报。 这些数据随后将被输入到模型中，并且在用户路线中出现RTA的可能性将在地图上显示为危险图标。 该Web应用程序是使用Python Fla

为了提高矿山安全事故预测的可靠性，在灰色预测模型GM（1, 1）和支持向量机SVM的基础上，提出了矿山安全事故次数的灰色支持向量机G - SVM的组合预测模型。首先采用GM（1, 1）进行数据趋势预测，然后对于残差序列采用支持向量机预测进行捕获，最后将两种模型的结果进行融合，得到组合预测结果。结果表明，组合模型比单一的GM （1, 1）模型和SVM模型具有更高的预测精度。

道路碰撞预测模型是确定高速公路事故频率和事故严重程度的潜力，因此在高速公路安全中是非常有用的工具。 事故发生频率是指对一段时期内特定路段或交叉路口发生的事故数量的预测，而事故严重性模型通常会探索事故严重性伤害与影响因素（如驾驶员行为，车辆特性，道路几何形状和道路环境条件。 减少撞车事故的有效干预措施包括设计更安全的基础设施，并将道路安全功能纳入土地使用和运输规划； 改善车辆安全功能； 改善对道路交通事故受害者的事后护理； 改善驾驶员行为，例如制定和执行与关键风险因素有关的法律，以及提高公众意识。 尽管运输机构付出了巨大的努力来采取预防措施，但每年的交通事故数量尚未显着减少。 举例来说，2015年美国录得交通事故死亡35,092人，比上年增长7.2％。 在这种趋势下，本文概述了交通运输机构和研究人员使用的道路碰撞预测模型，以更好地了解预测道路交通事故的技术以及导致事故发生的危险因素。

基于神经网络的高速公路交通事故预测，姜盼，张蕊，随着经济的发展，车辆逐渐曾多，随之而来的是高速公路交通事故的频繁发生，每一次交通事故都会给家庭和国家带来一定的损失，本文

基于量子神经网络的道路交通事故预测，孙棣华，付青松，道路交通事故预测是道路交通安全研究的一项重要内容。针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题，提出基于�

MATLABMATLABMATLABMATLAB 基于BP神经网络的水上交通事故预测及MATLAB实现基于BP神经网络的水上交通事故预测及MATLAB实现