基于RNN的交通事故预测及救援资源调度算法的研究

发布时间：2020-12-26 06:31

　　智能交通系统中有一个特殊的子系统-紧急救援系统,紧急救援系统的存在是为了解决生活中常见的意外事件。该系统的高效运行依赖于智能交通系统中其他的子系统,并且可以将交通监控中心与职业的救援机构连成一个有机的整体从而实现该系统的存在意义。在我们的日常生活中,交通事故的发生是不可预测的,这就需要完善的紧急救援系统的快速响应来减少事故发生造成的损失。一般来说,当事故发生时,会同时需要很多救援资源到场合作处理,如何在最短时间内最高效率的完成资源的调度成了现在研究人员关心的问题之一。针对上述问题,本文提出了基于现有条件的解决办法,具体如下:（1）基于循环神经网络（Recurrent Neural Network,简称RNN）的交通事故预测算法首先提出了一个基于RNN模型的交通事故预测算法。该算法对车联网中车辆上传的实时数据和网络基础设施采集的信息进行处理,并根据历史数据信息训练得出一个预测模型。该模型根据现有的交通天气情况对道路信息进行实时分析,并利用RNN模型对事故发生概率进行预测,为后续的资源调度提供依据。从模型的训练结果可以看出,预测的准确度和误判度都达到智能交通系统（Intelligent T... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图２．１简单神经网络圈结构：??接下来，我们通过展示一个循环神经网路的内部模型图２．２，来讲述ＲＮＮ模型的结??

为后续操作提供基础保障。??本文采用监督学习方法，通过构建和监督一个ＲＮＮ模型，预测事故发生的概率，??如图３．１所示。??Ｍｅａｎ??Ｃｏｎｓｔ?〇＇?￣ｌｏｓｓ??李????Ｓｑｕａｒｅ??ＣＺ＞?ｇｒａｄｉｅｎｔｓ?ＧｒａｄｉｅｎｔＤｅ?…??！??Ｖａｒｉａｂｌｅ」片??—１?／??ＧｒａｄｉｅｎｔＤｅ．．．?＼?．?、丨?＼７．ｉ＿ｉ?｝?ＧｒａｄｉｅｎｔＤｅ?…??ｍｎ?Ｉ?．，?ｉｎｉ，?ｒａｎｄ〇ｍ＿ｎ〇ｒ．．．?｜?Ｊ?Ｖａｒｉａｂｌｅ?ｙｌ?＾??Ｖ?Ｚ??Ｎｖ?＼??Ｘｅｓｈａｐｅ?＞＇?＞?、??ｓｈａｐｅ?ｒａｎｄｏｍ?一?ｎｏｒ＂．??ｉ??ＰｌａｃｅｈｏＫ．??图３．１塞于ＲＮＮ的预测模型结构图??具体来说，我们采用了以ＳｏｆｔＭａｘ函数作为输出层激活函数的反向传播模型来预测??事故发生的可能性，输入参数包括：周末／工作Ｈ、雾、雨、空气能见度和风力。ＲＮＮ是??一组连接的单元，被定义为人工神经元，任何两个单元之间的连接都可以将数据号从＾??１７??

为输入层、隐藏层和输出层的参数变化。众所周知，深度学习模型的主要目标是找到最??合适的权重以最小化损失函数。然后，我们模拟模型中三层权重的变化图。模拟结果的??直方图如图３．３，３．４和３．５所示。??从这篇个图中，我们可以发现Ｍ层的权重变化是不一样的。横轴是权重，纵轴是步??长。颜色越深，完成时间越早，颜色越浅，完成时间越晚。换句话说，图片下方的训练??图更接近结束状态。??－１．９?－１．７?－１．５?－１．３?－１．１?－０．９?－０．７?－０．５?－０．３?－０．１?０．１?０．３?０．５?０．７?０．９?１．１?１．３?１．５?１．７?１．９??权重值??图３．３输入层参数变化??２２??

【参考文献】：
期刊论文
[1]基于多条件随机场的短时交通流预测模型[J]. 邓箴,任静,刘立波.  计算机工程与设计. 2017(10)
[2]关于微博平台特征信息优化检测仿真研究[J]. 陆含波,杨长春.  计算机仿真. 2017(05)
[3]基于组合模型的短时交通流量预测算法[J]. 芮兰兰,李钦铭.  电子与信息学报. 2016(05)
[4]人工蜂群算法优化SVR的预测模型[J]. 高雷阜,高晶,赵世杰.  计算机工程与应用. 2016(11)
[5]基于组合预测模型的短时交通流预测[J]. 李颖宏,刘乐敏,王玉全.  交通运输系统工程与信息. 2013(02)
[6]云计算资源调度研究综述[J]. 林伟伟,齐德昱.  计算机科学. 2012(10)
[7]改进粒子群算法优化BP神经网络的短时交通流预测[J]. 李松,刘力军,翟曼.  系统工程理论与实践. 2012(09)
[8]基于改进型贝叶斯组合模型的短时交通流量预测[J]. 王建,邓卫,赵金宝.  东南大学学报(自然科学版). 2012(01)
[9]简单平均法预测误差平方和的进一步研究[J]. 邓雪.  数学的实践与认识. 2008(12)
[10]基于RBF神经网络的短时交通流预测[J]. 况爱武,黄中祥.  系统工程. 2004(02)



本文编号：2939215