基于粗糙集属性理论和差分进化算法的交通事故黑点成因分析

道路交通事故黑点作为交通事故的高发段,造成了大量的人员死亡和财产损失.文章首先运用粗糙集属性理论对诱发交通事故的因素进行评价分析,接着采用差分进化法筛选出主要影响因素,提出相应治理措施,并以兰州市滨河路交通事故黑点分析为例进行了说明,验证了该方法的实用性.     

基于粗糙集理论的交通事故形态成因分析

交通事故成因复杂且具有不确定性,难以用一两种因素表征。为提取影响交通事故的核心因素并量化各因素的影响力,引入不确定性分析方法--粗糙集理论。首先根据历史事故数据建立粗糙集信息决策表,之后利用粗糙集理论的简约算法求出各因素相对于事故形态的属性重要度,最终判断出各因素对事故形态的影响程度,为道路事故形态预测模型的建立提供科学、合理的指标选取依据。     

粗集及遗传算法在交通事故黑点分析中的应用

交通事故黑点是由好多种因素综合到一起而形成的。利用粗集理论及遗传算法对冗余的黑点成因进行删减,得到主要的黑点成因,从而进行有针对性的治理,以达到减少交通事故的目的。     

基于LOF改进的K-means算法在交通事故黑点识别中的应用

为改进传统K-means聚类算法受初始聚类中心及异常点影响较大的问题,提出使用离群点检测(LOF)改进的K-means聚类算法,并应用到交通事故的黑点识别中.使用数据集为2018年7月1日至2018年12月31日于美国洛杉矶发生的交通事故数据.首先,利用LOF对事故点坐标数据集进行离群点检测;其次,剔除掉原数据集中的离...     

基于遗传算法的交通事故黑点排查方法

本文通过对交通安全系统属性的研究,认为可以用遗传算法对交通事故黑点进行排查。这种方法可以在给定的道路条件和事故历史数据下,以安全度为评价函数(适应度)进行度量,利用遗传算法得到全部黑点信息(全部最优解)。通过具体实例应用,介绍了该方法的使用步骤,并考虑经济效益原则,用累计频率法对排查出的黑点进行遴选,为以较少的经济代价获得较大的治理效果提供实用的方法。     

道路交通事故黑点整治策略选择的粗集算法

粗集算法比较适合于不完全信息条件下的推理分析。在简要介绍粗集理论的基础上,设计了该理论应用于道路交通事故黑点整治的基本步骤与实施要点,并给出了一个计算示例。结果表明,粗集算法具有较强的实用性与合理性,有助于道路交通管理部门合理选择黑点的整治策略。     

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。     

基于BP神经网络的沙漠公路交通事故预测模型

介绍人工神经网络理论,论述BP神经网络的模型结构与原理,利用BP神经网络构建了交通事故预测模型,用MATLAB语言编写了相应的程序,并给出了模拟与预测的结果。模拟结果表明,构建的BP神经网络预测模型是成功的、有效的。     

基于粗糙集-BP神经网络客户群特征与服务映射模型研究

针对客户服务项目的不确定性,基于不可分辨关系的粗糙集理论和BP神经网络算法优良的分类映射能力,提出了面向细分客户群的基于粗糙BP神经网络客户群特征与服务项目映射模型。本文将分析客户特征,运用粗糙集理论进行客户特征约简、划分等价关系、建立BP神经网络的初始拓扑结构,运用K-means算法划分客户群。通过引入粗糙集理论,改进BP神经网络算法,加快BP网络收敛的速度和逃离局部极小值点,并利用rosetta软件和Matlab编程实现面向细分客户群的客户特征与服务项目映射模型。     

基于粗糙集和遗传算法的道路交通事故分析

通过对道路交通事故的原因分析,确定了造成道路交通事故的影响因素.研究了利用粗糙集理论从交通事故历史数据中提取有效信息的方法,并给出了基于遗传算法的道路交通事故决策表属性约简算法,得出了道路交通事故决策规则表.计算结果表明:文中所建数学模型科学合理,算法高效可行.为建立道路交通事故智能分析系统提供了一个有效的方法.     

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．     

基于粗糙集和遗传算法的驼峰超速连挂事故分析

驼峰超速连挂事故受多种因素影响,运用粗集相关理论分析线路、调速设备和车流等事故因素,引入遗传算法进行属性约简,得到包括驼峰设计和运营线路纵断面变化、调速设备合理配置和新型重载车辆等几个关键影响因素。通过对影响因素分析能够在决策时给出科学依据,以此降低或避免事故发生的可能性。     

基于粗糙集的城市交通拥堵预警算法分析

通过摒弃传统的以分析交通流参数来判断是否会发生交通拥堵的方法，综合考虑各种导致城市交通拥堵因素（包括天气、时间段等），以粗糙集理论为依据，建立一套判断城市交通拥堵算法，为交通拥堵预警提供分析与支持，并进行模拟实验仿真。仿真结果表明：该方法是可行有效的，可改善拥堵预警的准确率并减少误报率。     

基于粗糙集理论的公交信号优先算法研究

提出一种基于粗糙集理论的公交信号优先控制算法,以绿灯阻塞参数和红灯拥挤度为条件属性,以绿灯延时率为决策属性,构造知识库和边界域函数并约简规则,然后利用VISSIM仿真软件,以车辆延误和人均延误为评价指标对该算法进行评价。结果表明,该算法能减少交叉口4．93％的车辆延误和8．25％的人均延误。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.