隱藏式馬可夫模型於交通事故發生率的預測

Abstract

對於連年增長的交通事故事件數，研究者致力於更進一步地了解交通事故發生的可能因素。然而，因為沒有更多詳細資料能夠了解個別事故發生的原因，多數研究者投入於了解影響交通事故發生頻率的因素，透過統計方法來解決此問題。因此，本研究對於此領域提出一個新的蒐集資料方法，可應用於交通事故，將Google Maps內部蒐集的路網車速資料，以應用程式介面(Application Programming Interface; API)提取出來，並將它與隱藏式馬可夫模型做結合，進行隱藏狀態(交通事故發生率)的辨識與預測。 本研究將臺北市於2008-2013年發生的交通事故點位置，編入臺北市的路網結構內，以此分析每條路段上發生交通事故的時序資料，再與車速資料做對比並估計機率參數來建立模型。研究結果顯示，以此方法預測交通事故的發生率，在交通事故發生較多的路段上有很好的表現。且對於界定隱藏狀態的臨界值，因應不同路段給定不同的臨界值，能對於模型的預測強度再提升。本研究的應用可延伸為評估路段的風險指數，為都市風險管理者或即時導航系統做出決策。