基于主成分分析和神经网络的港区道路安全性预测方法

摘要

本发明属于道路交通安全的技术领域，涉及一种基于主成分分析和神经网络的港区道路安全性预测方法，包括下列步骤：确定影响港区道路安全性的因素；对历史交通数据原始数据进行提取，对原始数据进行归一化，然后对数据进行主成分分析，得到影响港区道路安全性的主成份；建立BP神经网络模型；对建立好的BP神经网络模型进行训练，并利用训练好的模型进行灵敏度分析；第五步：对港区道路的安全性进行预测。本发明的比经典BP神经网络结构简单，预测精度高，而且能够应用于道路安全核查中，为道路的建设与整修提供理论依据。

主权项

一种基于主成分分析和神经网络的港区道路安全性预测方法，包括下列步骤：第一步：确定影响港区道路安全性的因素：确定驾驶员数量，汽车驾驶员数量，区域人口总数，机动车数量，道路总长度，港口货物吞吐量，道路区段的长度，小型支路的数量，路肩宽度，车道数，路侧危险等级以及平曲线曲度参数12个变量为影响港区道路安全性的因素；第二步：主成分分析：对历史交通数据中有关上述12个变量的原始数据进行提取，对原始数据进行归一化，然后对数据进行主成分分析，得到影响港区道路安全性的主成分；第三步：建立BP神经网络模型：以所得到的主成分作为输入变量，以交通事故的次数作为输出变量，根据所确定的隐含层神经元个数的范围，建立一个隐含层神经元数目可变的单隐含层BP神经网络模型；对原始数据进行训练，通过每次训练的误差对比，确定最佳的隐含层神经元个数，通过每次训练后的误差平方和的下降速率，判断所选定的学习速率是否合适，最终得到最佳学习速率；第四步：对建立好的BP神经网络模型进行训练，并利用训练好的模型进行灵敏度分析，确定小型支路的数量，路肩宽度，车道数，路侧危险等级，平曲线曲度参数对交通事故次数的影响；第五步：对港区道路的安全性进行预测。