基于改进PSO-BP神经网络的公路隧道事故严重程度预测

发布时间：2020-03-27 02:19

【摘要】：交通安全一直是交通运输行业的重点关注问题,因为交通事故会造成人力,经济和社会方面的巨大损失,特别是伤害较大或致命的交通事故影响更大,相关研究人员也一直在为改善交通安全做出努力。在交通安全研究的各个方面,交通伤害严重程度分析是一个关键部分,因为它揭示了事故严重程度与各种解释变量之间的关系。而隧道作为公路上事故多发区段,近些年来重大事故频发,且隧道内部救援相对开放性道路更加困难。因此,对隧道交通事故进行深入的研究,探析各因素与事故严重程度的关系,对保障隧道内的行车安全有很大意义。本文通过对挪威公开数据中心(NVDB)中的隧道事故数据进行特征分析,并基于特征分析的结果建立了隧道事故严重程度预测指标体系,选取了隧道长度、年平均日交通量等十个指标作为预测模型的输入变量。选取隧道事故严重程度等级作为预测模型的输出变量。构建了基于改进PSO-BP神经网络的隧道交通事故严重程度预测模型。借助MATLAB软件,对经过了筛选之后的样本数据进行训练和测试,并将改进后的模型与改进前的模型预测进行对比分析,发现相较于传统的标准的BP模型,优化后的模型性能更好,预测的准确度更高。
【图文】：

技术路线图

网络有很强的网络计算能力和学习能力，对于处。人工神经网络（ANN）是一个自适应系统[31]，调整大量神经元连接的内部关系来处理信息。 A法相比具有许多独特的特点，如良好的容错性，，自关联中具有良好的应用效果。 统工作原理非常复杂，基本的构成单元是一个个的接。当信号对某一个神经元进行刺激，这个神经元一个神经元，并且这个过程是循环往复的。信号在的连接系数也不断的改变。这个不断的改变就慢杂的非线性的映射关系，人类通过这种传递，不断本的组成部分是神经元单元，其具体模型公式如下
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.31;U458

【参考文献】

相关期刊论文 前10条

1 马壮林;张yNyN;杨杨;谭晓伟;;公路隧道交通事故严重程度预测模型研究[J];中国安全科学学报;2015年05期

2 孙轶轩;邵春福;赵丹;欧阳松寿;;交通事故严重程度C5.0决策树预测模型[J];长安大学学报(自然科学版);2014年05期

3 Li Zhang;Jia-Qiang Zhao;Xu-Nan Zhang;Sen-Lin Zhang;;Study of a New Improved PSO-BP Neural Network Algorithm[J];Journal of Harbin Institute of Technology;2013年05期

4 戴忧华;郭忠印;马艳;倪洪亮;;高速公路隧道运行环境安全评价指标[J];同济大学学报(自然科学版);2010年08期

5 李萍;曾令可;税安泽;金雪莉;刘艳春;王慧;;基于MATLAB的BP神经网络预测系统的设计[J];计算机应用与软件;2008年04期

6 杜志刚;潘晓东;郭雪斌;;高速公路隧道进出口视觉适应实验[J];哈尔滨工业大学学报;2007年12期

7 李娟;邵春福;;基于BP神经网络的交通事故预测模型[J];交通与计算机;2006年02期

8 杨天军,张晓春,杨晓光,潘汉中;基于BP神经网络的城市道路交通安全评价研究[J];中国矿业大学学报;2005年01期

9 陈太聪,韩大建,苏成;参数灵敏度分析的神经网络方法及其工程应用[J];计算力学学报;2004年06期

10 吉小进,方守恩,黄进;高速公路基本路段V/C比与事故率的关系[J];公路交通科技;2003年01期

相关硕士学位论文 前6条

1 蒋维;基于改进PSO-BP神经网络的个人信用评价模型及算法研究[D];电子科技大学;2018年

2 任静;基于PSO-BP神经网络的车险客户风险等级评估模型研究[D];宁夏大学;2017年

3 刘海珠;道路交通事故严重程度影响因素分析及预测模型建立[D];吉林大学;2014年

4 李雪玲;高速公路长隧道车辆运行速度分析与安全措施研究[D];长安大学;2012年

5 白云;公路隧道安全等级评价方法研究[D];重庆交通大学;2008年

6 李晓芸;基于粒子群优化的神经网络对高速公路事故分析的研究[D];浙江工业大学;2008年

本文编号：2602310