基于BP算法的多层前馈网络在道路安全评价中的应用及Matlab实现.docVIP

学号： 000000000 北京工商大学 人工神经网络实验报告 实验一 基于BP算法的多层前馈网络在道路安全评价中的应用及Matlab实现 院 （系） 计算机与信息工程 专 业 控制工程 学生姓名 000000 成 绩 指导教师 0000000 2012年10月实验目的： 熟悉MATLAB中神经网络工具箱的使用方法； 了解BP神经网络各种优化算法的原理； 掌握BP神经网络各种优化算法的特点； 掌握使用BP神经网络各种优化算法解决实际问题的方法。 实验内容（功能）： 道路安全评价，是以特定道路交通系统为对象，采用定性或定量方式，对该系统安全特征做出客观的描述，以便进行评定和比较的过程。道路安全评价是道路交通安全工作的重要任务。道路安全评价主要目的可归纳为：评定特定区域的交通安全状况；预测交通安全态势，提出预警信息；为交通安全决策提供科学依据。 影响道路安全的重要因素 道路交通系统中各方面对交通安全都有不同程度的影响，但是这些因素对道路安全评价的意义是不同的。针对本例的安全评价范围和内容，对影响道路安全的因素要有所侧重和取舍，侧重对道路安全本身影响因素的选取。道路环境对交通安全有着明显的影响，其中道路条件的影响最为显著，它对交通安全的影响主要反应在道路不能满足汽车正常行驶和驾驶员视觉、心理、反应等需要。通过对道路的各方面因素进行具体分析。最终确定其中道路线型、道路环境及交通因素中的7个因素作为影响道路安全的主要因素，各因素的名称及量纲如表1所示。 表1 影响交通安全主要因素 P1 P2 P3 P4 P5 P6 P7 因素 最大纵坡度(%) 连续坡长(km) 平曲线最小半径(km) 平面交叉口个数 桥隧构造 物个数 大型车比例(%) 平均车速(km/h) 本例所采用的人工神经网络技术可有效地解决上述问题。神经网络的非线性处理能力突破了基于线性处理现有评价方法的局限。一般的评价方法在信息含糊、不完整、存在矛盾等复杂环境中往往难以应用，而神经网络技术则能跨越这一障碍；网络所具有的自学习能力使得知识获取工作转换为网络的变结构调节过程，从而大大方便了知识的记忆和提取；网络通过学习，可以从典型事例中提取所包含的一般原则、学会处理具体问题，且能对不完整信息进行补全。从评价的角度来看，神经网络通过对己有系统及其评价结果的学习，可获得隐含其中的人的经验、知识以及对各目标重要性的看法等直觉思维。一旦用来评价时，网络便可再现这些经验、知识与直觉思维，对复杂问题做出合理的判断。 实现方法（设计）： 道路安全评价中BP网络的设计 （1）BP网络的结构及参数 确定BP网络为单隐层的三层网络，即为输入层、隐层、输出层。转移函数从输入层到隐含层和隐含层到输出层的传递函数分别采用tansig函数和logsig函数。 （2）输入层神经元个数及参数的确定 本例中输入层神经元确定为7个，分别是最大纵坡度(%)，连续坡长(km)，平曲线最小半径(km)}，平面交叉口个数，桥隧构造物个数，大型车比例(%)，平均车速(km/h ) 。 （3）输出层及隐层神经元个数的确定 交通事故等级可分为：特大事故、重大事故、一般事故、轻微事故。本例中输出层神经元确定为4个。输出层的神经元以不同等级的交通事故数作为目标量，可以客观的表征道路的安全性。在进行道路安全评价时，将输出的目标量再进行加权平均，以得到道路安全的量化评价。具体可参见（6）。 （4）选定样本路段，确定神经网络的样本数据 神经网络的训练样本要求能够全面的反映被评价的问题。因此样本一定要有代表性。另外，样本的选择要注意样本类别的均衡，尽量使每个类别的样本数量大致相等。对于道路安全评价来说，要选择道路安全状况认识较明确，对道路特征和安全形势都有较成熟结论的道路。因此，本例选择蓝(田)一小(商源)二级汽车专用公路和咸永一级公路马家坡段作为训练样本路段。结合样本路段实际情况，最终确定表2.13中的10个输入样本表、表2中的10个输出样本表。 表2 道路安全评价输入样本表 样本 序号 最大纵坡度(%) 连续坡长(km ) 平曲线最小半径(km) 交叉口个数 桥隧构造物个数 大型车比例(%) 平均车速(km/h ) 1 3 2 160 10 1 60 62 2 6 2.9 260 4 1 57 58 3 6.142 5 62.328 5 8 65 40 4 3 0.7 200 14 2 72 45 5 2.5 2