基于神经网络的道路交通事故预测.pdfVIP

2009年第 2期 农业装备与车辆工程 No．2 20o9 总第211期 AGRICULTURALEQUIPMENT＆VEHICLEENGINEERING Totally211 基于神经网络的道路交通事故预测 刘芳。宇仁德 山东理工大学交通与车辆工程学院，山东 淄博 255049 摘要：道路交通事故预测是交通研究的一个重要课题，以我国交通安全状况为研究对象，依据我国道路交通事故的特 点，利用神经网络具有自学习、自组织、自适应能力特征，g／,~l神经网络的方法及我国多个年度道路交通事故统计数 据，建立了道路交通事故神经网络宏观预测模型，预测精度符合道路交通事故预测的要求。 关键词 ：交通事故：预测；BP神经网 ；MATLAB 中图分类号：U491 文献标识码：A 文章编号：1673—3142 2009 02—0006—03 ForecastingofRoadTrafficAccidentsBasedonNeuralNetwork LIU Fang，YU Ren—de SchoolofTransportationandVehicleEngineering，ShandongUniversityofTechnology，Zibo255049，China Abstract：Forecastingofroadtrafficaccidentsisanimportantaspectoftrafficresearch．Withthepriorityofneuralnetworksystem S abilityofself-organizationandself—adaption，bymeansofneuralsystem androadtrafficaccidentsstatisticdata，thisarticlesetup themacromodelofneuralnetwork predictionsystem oftrafficaccidentbyinvestigation oftrafficsafetyconditioninChina．The forecastingaccuracyiSsatisfactorytopredictionofroadtrafficaccidents． KeyWords：trafficaccidents；prediction；BPneuralnetwork；MATLAB 引言 的神经网络模型是采用BP网络和它的变化形式。 交通安全系统是一个复杂的人车路环境循环 它也是前向网络的核心部分，体现了人工神经网络 系统。道路交通事故的有效预测，对交通事故的预 最精华的部分。 防、系统规律、控制 以及对交通安全的评价有着重 BP网络是一种单向传播的多层前向网络．其结 大意义。因此，运用较好且符合中国 目前道路交通 构如图 1所示 以5个输入层，3个输出层为例 。由 环境特点交通事故预测方法尤其重要。道路交通事 图可见．BP网络是一种具有三层或三层以上的神经 故的预测是交通安全管理的重要方面，预测方法多 网络，包括输入层、中间层 隐层 和输出层。上下层 种多样 ，但大多需要繁杂的数学模型。且难 以保证 之间实现全连接，而每层神经元之间无连接。当一对 预测精度_I_。 学习样本提供给网络后，神经元的激活值从输入层 人工神经网络是具有非线性容错性和 自组织 自 经各中间层向输出层传播，在输出层的各神经元获 学习自推理的自适应能力，不需要建立其他相关模 得网络的输出相应。接下来，按照减少 目标输出与实 型。它通过学习训练能够 自己揣摩、总结出复杂的 际误差的方向，从输出层经过各中间层修正个连接 内在联系规律。它 自己能 自动删除重叠和无关的信 权值 ，最后回到输出层，这种算法称为 “误差逆传播 息．根据不完整的有错误的信息，也能做出完整的正 算法”，即BP算法。随着这种误差逆的传播修正不 确的结论[]。它有效地避免传统的数学模型 “机械 拟合”所造成的误差l6。本文依据道路交通事故的 特点，建立了神经网络宏观预测模型，并对部分年度 的交通事故进行了预测，精度较高。 1BP神经网络 目前．在人工神经网络的实际应用中，绝大部分 收稿 日期：2008—10—29 X5 作者简介：刘芳 1982一 ，女，山东威海人，在读硕士，主要研究领域 为交通安全。 图1道路交通事故神经网络结构 · 6· 刘芳 等：基于神经网络的道路交通事故预测 2009年2月 断进行，网络对输入模式相应的正确率也不断上升。 2 实例分析 以全国 1985~2005年的道路交通事故资料及 相关数据建立预测模型，并将前 17年的数据作为训 练样本 ，后 4年的数据作为预测样本，即预测 2002～ 2005年的