BP神经网络在平曲线路段交通事故预测中运用.docVIP

BP神经网络在平曲线路段交通事故预测中运用 　　摘要：道路交通事故与道路线型有着直接的关系，文章对我国国道上平曲线路段的线形特点与交通事故数目进行分析，建立了道路平曲线路段交通事故数目预测的BP人工神经网络模型。结果表明用BP神经网络模型预测平曲线路段的交通事故有相当的准确性，这对道路平曲线设计的安全性有着重要的现实意义。 　　关键词：交通事故；平曲线路段线形；BP网络；交通安全研究现状 　　中图分类号：U491.31文献标识码：A文章编号：1009-2374（2009）02-0067-02 　　 　　一、我国交通安全研究现状 　　 　　道路交通事故是涉及千家万户，人人关注的社会问题。在当今的世界上，道路交通事故与战争，疾病，自然灾害一样，严重的危害人类的生命安全。据有关报道表明，自从有机动车道路交通事故死亡记录以来，全世界已有3200余万人死于道路交通事故，接近第二次世界大战的死亡人数。道路交通事故造成的经济损失也相当惊人，许多国家应道路交通事故的经济损失约为国民经济总产值的1％[1]。与世界各国相比，我国交通运输事业底子薄，基础差，人口众多，道路少，管理水平低，因此交通事故就显得更为严重。我国已经成为世界上交通事故死亡人数最多的国家。 　　综上所述，交通事故已经是一个严重的社会问题，从方法论的角度讲，要从根本上减低和防止交通事故的发生首先就必须客观、全面、科学地审视引发交通事故的原因。一切交通活动都是发生在人员－车辆－道路这个系统之中的，因此，引发事故的基本要素必然是人，车辆和道路。但是，我们在统计事故成因时大都倾向于简单的认为：事故的基本原因是人为的，主要是驾驶员的失误和错误，道路因素相对来说是次要的。而实际上，驾驶员的驾驶行为是对交通客观条件的主观反映的外在表现，不合理的道路交通特征会导致驾驶员错误的驾驶行为，从而导致交通事故。前苏联学者对苏联境内Ⅰ～Ⅴ级公路上13000余起交通事故进行分析，并仔细考虑了事故地点道路的特征后，得出的结论为，不良道路条件的影响是70％交通事故的直接或间接原因。欧洲联合经济委员会在关于道路不幸事件问题的研究中指出，70％的事故是由于道路的缺陷所致[2]。因此，研究道路特征与事故率之间的关系是交通安全的一个重要方面，对改善道路安全状况，消除事故隐患有着直接的作用。 　　人工神经网络是一种模拟结构和功能的信息处理系统，具有学习，记忆和容错的特点。当前，人工神经网络主要用于函数逼近，模式识别和数据压缩方面[3]。人工神经网络的模型已有几十种，大体可分为三大类，即：前向网络、反馈网络和自组织网络。在这些模型和算法中，BP算法是比较成熟的算法之一，根据Kolmogolov定理，三层网络可输入任何非线性连续函数的信号，所以本文选择使用三层的BP神经网络模型的函数逼近功能以道路线形元素为参数来预测道路事故。通过与交通事故相关的主要道路线形要素（交通量，行车道宽度，路肩宽度，圆曲线半径，平曲线长度，缓和曲线长度，平曲线转角）分析建立BP神经网络模型，用调查来的湖南某国道的事故资料和线形资料的分析来训练BP神经网络，从而建立起各道路平曲线线形参数对道路交通事故影响的关系模型，让自学习后的网络预测具有不同道路平曲线参数的路段的交通事故。预测结果与资料的交通事故结果相近，表明BP网络在道路线形元素预测道路事故中的运用是可行的。 　　 　　二、BP神经网络预测道路事故 　　 　　用BP人工神经元网络预测道路交通事故，首先要用学习样本对神经元网络进行训练，以得到交通事故预测的BP算法模型；然后利用此模型来预测具有不同道路平曲线要素的路段交通事故发生次数。 　　 （一）样本资料 　　本文资料收集了湖南某国道的事故资料和线形资料进行分析。该国道属于二级汽车专用道，路面宽9米，双向双车道。统计了1995年1月～1997年12月，历时3年的交通事故数。收集的线形和事故的部分样本资料见表1[4]。 　　 表1 湖南某国道部分事故资料和线形资料统计 　　 　　 （二）网络设计 　　由于原始数据有限，影响了RBF网络中心点的调整，所以采用RBF网络试算结果不理想，故采用BP网络。所采用的BP神经元网络结构如图1所示。 　　其中： 　　 P1P2P3P4P5P6P7 为输入，a1为输出。 　　 P1为交通流量ADT 　　 P2 为行车道宽度 　　 P3 为路肩宽度 　　 P4 为圆曲线半径 　　 P5 为平曲线长度 　　P6 为平曲线转角 　　 P7 为缓和曲线长度 　　 a1为交通事故数（次） 　　 　　 （三）学习算法 　　由于BP算法收敛较慢，而且容易陷入局部极小，故采用L-M（Levenberg-Marquardt）反向传播算法修正权值。 　　权值修正公式