基于综合改进的BP神经网络车速预测模型的方法研究

精准预测驾驶员行车速度是识别驾驶员异常驾驶行为的先决条件,该方法不仅能够为交通运行条件的改进、道路标识、道路线形等设计提供参考意见,而且可一定程度地提升乘客的安全感与舒适感。文章以某客运公司运营安全监测系统提供的车辆驾驶数据为基础,摒弃传统BP神经网络车速预测模型,发明一种在自适应学习率调整、附加冲量项和模拟退火算法进行耦合基础上综合改进的BP神经网络车速预测模型。通过考察某城际客运线路30位客车驾驶员行为,以平均绝对误差（MAE）、均方误差（MSE）、平均相对误差（MRE）作为评价指标,横向对比传统BP神经网络模型、改进后BP神经网络模型以及灰色序列模型预测的车速真实性。研究表明：改进后的BP神经网络模型预测车速均方误差、平均绝对误差、平均相对误差均小于另外两种模型。这种新型车速预测模型能够满足路段行程车速预测的实时性要求,能及时对客运驾驶员行为作出危险预警判断,保障乘客生命财产安全。