基于BP神经网络的高速公路路段可靠性评价.docVIP

基于BP神经网络的高速公路路段可靠性评价 　　【摘要】随着我国高速公路里程的快速增长，高速公路可靠性也越来越受到人们的重视。无论是从高速公路管理者还是使用者的层面，对高速公路可靠性的研究都具有重要意义。本文对影响高速公路路段可靠性的主要因素进行了分析，建立起评价路段可靠性的BP神经网络模型，并通过仿真实验对模型有效性进行了验证。 　　【关键词】高速公路、BP神经网路、可靠性评价 　　0 引言 　　高速公路路段可靠性是分析整个路网可靠性的基础，是出行者对高速公路出行最直观的感受与体验。同时，高速公路路段可靠性也是管理者进行管理决策的重要参考依据。 　　Lint和Zuylen[1]于2005年对高速公路行程时间可靠性的指标进行了研究。2010年，Chien和Kolluri[2]研究了不同交通量和天气条件下高速公路行程时间的可变性和可靠性。从定量分析角度出发，得出高速公路上当天气晴转大雨或者大雨转雪的时候，行程时间不可靠性会增加，同时，缓冲指数从24%增至45%和90%。2011年，Arezoumandi[3]基于均值和标准差对高速公路行程时间可靠性进行了预测。2014年柏喜红等[4]从数理统计、缓冲时间、行程延误和行程时间分布宽度及斜度四个角度出发，总结了高速公路行程时间可靠性的评价指标，并对各指标的特点及适用性进行了归纳分析。 　　本文在已有研究成果的基础上，分析了影响高速公路路段可靠性的主要因素，提出采用BP神经网络技术，通过对影响高速公路路段可靠性的影响因素进行分析，建立起评价模型，并通过仿真实验对模型有效性进行验证。 　　1 BP神经网络 　　BP（Back Propagation）网络是1986年由Rinehart和McClelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。 　　BP神经网络评价可以解决多指标变权的动态求解问题，避免了多因素约束条件下主次因素相互转化的复杂模型求解问题，为进行高速公路路段可靠性评价提供了一种高效的方法。利用BP神经网络可以全面评价多因素共同作用下的路段可靠性，运用神经网络知识存储和自适应特征，实现历史经验与新知识的结合，在发展过程中动态评价高速公路路段可靠性。 　　2 高速公路路段可靠性影响因素及评价指标 　　2.1 影响因素 　　对高速公路本身的特性进行总结分析，得出影响高速公路路段可靠性的主要因素有如下四种： 　　（1）道路条件 　　道路条件分为两种：一种为高速公路技术标准所决定，如车道数、道路几何线形、路段标准断面、交通工程等；一种为运营期公路基础设施养护状况。一般来说，在同等其他条件下，更高技术标准的高速公路，其可靠性也更高。其次，高速公路运营期的养护也对路段可靠性有重要影响，破损的的路面会提高高速公路交通事故率，降低路段行车速度，更严重情况下可能导致交通大堵塞。同样，道路施工等养护工作也会对路段可靠性产生影响。 　　（2）环境因素 　　环境因素也分为两种：自然环境和社会环境。自然环境主要指：天气、自然灾害等。一般来说，雨雪天气普遍行车速度较低，并且容易产生交通事故，导致路段可靠性降低，夜晚受视距变短的影响，路段可靠性同样要低于白天。社会环境涉及比较广泛，国家政策、地区风俗习惯等都是影响高速公路可靠性的潜在因素，如我国节假日客车免费政策，节假日返乡客流、旅游客流激增等等。 　　（3）交通量 　　交通量是影响高速公路路段可靠性最直接的影响因素，特别是路段交通量已经接近或超过路段设计通行能力的路段，交通量的细微波动都有可能导致交通拥堵的产生。交通量对路段可靠性的影响还体现在车型比例组成的影响方面，较高的大车比例将降低路段平均车速，同时交通事故率也相对较高。 　　（4）偶然因素 　　影响高速公路路段可靠性的偶然因素很多，如天灾人祸等。鉴于其不可预测性，本文在这不做赘述。 　　通过对高速公路路段特征分析，从车辆运行原理出发，把交通量、路面养护、交通环境、路段设计技术标准等作为路段可靠性分析中的主要影响因素。 　　2.2 评价指标 　　柏喜红等通过分析现有的高速公路行程时间可靠性研究文献，根据行程时间可靠性的概念及其计算方法，将高速公路行程时间可靠性的评价指标分为三个类型：基于数理统计类指标、基于缓冲时间的指标、基于延迟行程的指标。由于基于缓冲时间的指标最接近出行者的实际感受，能有效衡量高速公路路段不确定性，作为出行者路径选择的依据，因此，本文采用该类型指标之一――缓冲指数――作为评价路段可行性