基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性.另外,计算结果表明基于主成分分析(PCA)的BP神经网络法优于BP神经网络法.     

BP神经网络主成分分析法在交通需求预测中的应用

主要介绍用主成分分析法对输入变量进行预处理的方法，解决了由于输入变量过多所造成的BP神经网络系统效率下降的问题，用实例证明，BP神经网络主成分分析法模型在模拟预测中与一般的BP神经网络模型相比有较好的效果。     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于模糊神经网络的交通事故微观预测方法研究

道路交通事故微观预测包括对路段和交叉口事故指标的预测．本文总结现有预测方法的优劣性,探讨现有预测方法的改善方向,提出了基于模糊神经网络的交通事故微观预测方法,分析了网络结构和学习算法。以石河子市交通事故调查数据进行实例分析,选择路段事故影响因素作为输入变量,通过Matlab编程实现模糊神经网络的算法,并与负二项回归模型...     

基于PCA-GA-BP模型对污水BOD的预测

针对污水处理系统的非线性、强耦性,结合主成分分析(PCA)、遗传算法(GA)和BP神经网络,提出了改进阈值参数的模型。以某污水处理厂月数据为例,利用PCA选取主参数的变化因子作为BP神经网络的输入,运用GA优化BP神经网络的权值预测BOD值,并与无优化BP网络的预测结果进行比较。结果表明:新模型对污水处理的预测平均误差为10～12,最大相对误差为1.7%,预测精度高,收敛速度快。     

基于遗传BP神经网络的电控发动机故障诊断研究

为提高发动机故障诊断的正确率与精确度,提出遗传算法和BP神经网络相结合的故障诊断模型。将发动机部分尾气信息和传感器数据作为BP神经网络诊断模型的输入变量,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,采用优化后的BP神经网络建立发动机故障的诊断模型。实验结果表明该诊断模型可提高发动机故障诊断的正确率。     

交通事故现场安全性综合评价

为了研究交通事故现场安全性,避免二次交通事故的发生,建立了交通事故现场安全性评价指标体系,准则层为人因因素、车辆因素、道路与环境因素和管理因素4个指标,决策层共15个指标. 为了统一各评价指标的度量标准,分别采用隶属度和无量纲化函数对定性和定量指标进行无量纲处理,将各属性值变换到［0, 1］范围内. 再将处理结果作为学习样本,进行神经网络训练. 最后以典型交通事故现场有关参数的实测值输入三层BP神经网络评价模型,对交通事故现场安全性进行评价,评价结果为0.5584,安全性等级为一般. 实例应用结果表明,选取的评价指标合理,评价结果客观     

��ͨ�¹��ֳ���ȫ���ۺ�����

为了研究交通事故现场安全性,避免二次交通事故的发生,建立了交通事故现场安全性评价指标体系,准则层为人因因素、车辆因素、道路与环境因素和管理因素4个指标,决策层共15个指标. 为了统一各评价指标的度量标准,分别采用隶属度和无量纲化函数对定性和定量指标进行无量纲处理,将各属性值变换到［0, 1］范围内. 再将处理结果作为学习样本,进行神经网络训练. 最后以典型交通事故现场有关参数的实测值输入三层BP神经网络评价模型,对交通事故现场安全性进行评价,评价结果为0.5584,安全性等级为一般. 实例应用结果表明,选取的评价指标合理,评价结果客观     

基于径向基函数神经网络的交通事故预测

基于径向基神经网络强大且准确的非线性关系映射能力,将其应用于交通事故预测中,获得了较高的预测精度。同时,与BP神经网络预测结果的对比表明,径向基神经网络预测方法明显优于BP神经网络预测方法。     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

交通拥挤状态模糊识别方法的设计与应用

交通状态是交通控制、交通诱导等管理措施的基础．在分析交通流运行特性的基础上,提出了交通流状态的拥挤和消散变化过程,并得出交通量和占有率对交通状态变化的敏感特性．建立了以交通量和占有率为输入量的交通状态模糊识别方法,并利用某路段环形线圈检测器的实测数据进行了仿真实验,实验的识别结果与实际交通状态相当吻合,可见该方法具有良好的实用性．     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于数据包络分析的单向交通网络运行效率评价

为了缓解交通拥堵和提高单向交通网络的运行效率,建立了基于数据包络分析法的评价模型并对其影响因素进行分析。首先确定了单向交通网络的运行效率评价指标,然后将路网结构和路网运行状况分别作为输入与输出变量建立了评价模型,选择路网级配水平、非直线系数、路网密度等指标作为投入指标层,路网平均饱和度和车辆绕行时间作为产出指标层。基于该运行效率评价模型对南京市某街区的单向交通网络运行效率进行分析,发现所提供的组织方案可实现该路网运行效率最优。最后,通过Vissim 数据显示功能对评价模型的有效性进行了验证。案例研究结果表明,采用Z形和C形走向的交通组织方案可使模型的运行效率达到最佳;适当提高支路网密度可使区域单向交通组织得以有效优化。     

基于灰色聚类理论和人工神经网络技术的道路交通安全评价

在深入研究了道路交通安全的评价指标确定的基础上,提出了一种基于灰色聚类理论和神经网络技术的综合评价方法,并对神经网络输入、输出指标属性值的量化方法进行了讨论,建立了道路交通安全的BP神经网络评价模型.最后,介绍了该模型在各省道路交通安全评价中的应用实例.     

BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.