基于粒子群优化人工神经网络的临界行车安全距离预测

针对行车安全距离预测中的各种非线性问题,提出一种基于粒子群优化人工神经网络(PSO-ANN)的临界安全距离预测方法。通过粒子群优化(PSO)算法优化人工神经网络(ANN)的权值和阈值,避免ANN容易陷入局部最优的问题,并通过迭代找到全局最优解。以路面情况、前后车速度以及前车减速度作为输入,临界行车安全距离作为输出,应用PSOANN建立预测模型,通过训练收集的样本数据预测行车安全距离,并与当前常用的ANN预测结果进行比较,结果表明:与ANN方法相比,PSO-ANN算法更稳定,且预测结果的平均绝对误差降低了7.8%。