交通事故嚴(yán)重程度預(yù)測方法范文

本站小編為你精心準(zhǔn)備了交通事故嚴(yán)重程度預(yù)測方法參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：極限學(xué)習(xí)機(jī)是單隱層前饋神經(jīng)網(wǎng)絡(luò)，作為BP神經(jīng)網(wǎng)絡(luò)的一種改進(jìn)，極限學(xué)習(xí)機(jī)克服BP神經(jīng)網(wǎng)絡(luò)需要設(shè)置大量網(wǎng)絡(luò)訓(xùn)練參數(shù)，并容易產(chǎn)生局部最優(yōu)解問題的缺隱，交通事故嚴(yán)重程度的預(yù)測適合用極限學(xué)習(xí)機(jī)建模預(yù)測。研究選取某城市道路交通事故數(shù)據(jù)，利用基于LM算法（Levenberg－Marquardt）的BP神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)建立事故嚴(yán)重程度的預(yù)測模型，隨機(jī)選取80％的樣本作為訓(xùn)練集、選取20％的樣本作為測試集，對測試集的期望值和網(wǎng)絡(luò)輸出值進(jìn)行比較，結(jié)果表明，極限學(xué)習(xí)機(jī)的預(yù)測性能比BP神經(jīng)網(wǎng)絡(luò)的要好。

關(guān)鍵詞：交通安全；事故嚴(yán)重程度；機(jī)器學(xué)習(xí)；極限學(xué)習(xí)機(jī)；BP神經(jīng)網(wǎng)絡(luò)

隨著經(jīng)濟(jì)的發(fā)展和城市機(jī)動化水平的飛速提升，道路交通事故日益增多，對人們的生命財(cái)產(chǎn)安全產(chǎn)生了巨大威脅，交通事故研究逐漸成為交通領(lǐng)域重點(diǎn)關(guān)注的問題之一。交通事故的研究目的除了減少交通事故數(shù)量以外，同時(shí)也需要降低交通事故的嚴(yán)重程度。近年來，國內(nèi)外研究人員對于交通事故嚴(yán)重程度的研究做了大量工作。人工神經(jīng)網(wǎng)絡(luò)方法因其在模式識別及預(yù)測方面的優(yōu)勢受到了學(xué)者的青睞，在交通事故嚴(yán)重程度預(yù)測方面的應(yīng)用十分廣泛。DursunDelen［1］利用國家汽車抽樣系統(tǒng)通用評估系統(tǒng)，考慮人、車、環(huán)境、事故及其他信息，建立了嚴(yán)重程度五分類和二分類的BP神經(jīng)網(wǎng)絡(luò)模型，結(jié)果二分類的模型較五分類預(yù)測要好。C．OH［2］利用行人發(fā)生事故的數(shù)據(jù)，考慮行人的年齡、車輛的類型以及碰撞速度等因素，將事故嚴(yán)重程度分為兩類，建立了行人致死概率神經(jīng)網(wǎng)絡(luò)預(yù)測模型。DarinAkin［3］將因變量分為致命事故、受傷事故及財(cái)產(chǎn)損失事故三類，建立事故類型與事故屬性（例如時(shí)間、天氣、照明和路面狀況、司機(jī)和車輛特性等）之間的BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測美國密歇根州的馬科姆縣交叉口事故的嚴(yán)重程度。F．RezaieMoghaddam［4］考慮網(wǎng)絡(luò)結(jié)構(gòu)（采用一層隱含層或兩層隱含層）和學(xué)習(xí)規(guī)則的不同，建立了不同的BP神經(jīng)網(wǎng)絡(luò)模型，考慮到伊朗德黑蘭公路的人、道路、車、天氣及交通特征因素（包括交通量、速度），預(yù)測城市道路事故的嚴(yán)重程度。MehmetMetinKunt［5］將事故嚴(yán)重程度分為三類，利用德黑蘭－庫姆高速公路的相關(guān)事故數(shù)據(jù)，分別建立遺傳算法、遺傳算法與模式搜索的組合、BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測司機(jī)受傷的嚴(yán)重程度，且比較了三種模型的預(yù)測性能。易富君［6］建立了遺傳算法優(yōu)化的徑向基（RBF）神經(jīng)網(wǎng)絡(luò)，預(yù)測西漢高速公路隧道群的交通事故嚴(yán)重程度（即安全等級）。QiangZeng［7］提出一種凸組合（convexcombina－tion）算法用于快速穩(wěn)定地訓(xùn)練神經(jīng)網(wǎng)絡(luò)，用N2PFA算法優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型。利用佛羅里達(dá)州公路安全局提供的雙車碰撞數(shù)據(jù)集建立新的神經(jīng)網(wǎng)絡(luò)模型，并且與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)比較，結(jié)果表明，改進(jìn)的神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)預(yù)測要好。DahaiLiu［8］利用佛羅里達(dá)州的兩車事故數(shù)據(jù)集，建立了BP神經(jīng)網(wǎng)絡(luò)，預(yù)測是否發(fā)生受傷事故，并對模型進(jìn)行了靈敏度分析。LiuWenjun［9］將胸部受傷程度分為六類，車輛撞擊速度和行人年齡作為輸入變量，建立BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測重慶人車事故中行人胸部受傷程度。L．Mussone［10］利用城市道路交叉口的數(shù)據(jù)，以5min間隔考慮交通量對交通事故的影響，建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

綜上所述，對于交通事故嚴(yán)重程度的預(yù)測，學(xué)者們研究了不同區(qū)域，并采用多種類型的數(shù)據(jù)，考慮了各種相關(guān)影響因素建立預(yù)測模型。在方法上，眾多學(xué)者采用BP神經(jīng)網(wǎng)絡(luò)及改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)等多種神經(jīng)網(wǎng)絡(luò)模型。但在這些研究中，涉及城市交通事故的整體數(shù)據(jù)（包括人車數(shù)據(jù)和多車數(shù)據(jù)等），或分別采用人車數(shù)據(jù)、多車數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)進(jìn)行交通事故嚴(yán)重程度預(yù)測的研究很少，同時(shí)尚未發(fā)現(xiàn)將較新的機(jī)器學(xué)習(xí)方法應(yīng)用到該領(lǐng)域的研究中。本研究擬采用極限學(xué)習(xí)機(jī)方法對交通事故嚴(yán)重程度進(jìn)行預(yù)測，該方法是基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)上的一種重要改進(jìn)。BP神經(jīng)網(wǎng)絡(luò)作為在人工神經(jīng)網(wǎng)絡(luò)中使用最廣泛的網(wǎng)絡(luò)，因?yàn)槠洫?dú)特的優(yōu)點(diǎn)，非常適合應(yīng)用在多輸入、存在非線性復(fù)雜關(guān)系的交通事故嚴(yán)重程度預(yù)測的建模中。極限學(xué)習(xí)機(jī)作為對單隱層BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)，克服了BP神經(jīng)網(wǎng)絡(luò)需要設(shè)置大量網(wǎng)絡(luò)訓(xùn)練參數(shù)和容易產(chǎn)生局部最優(yōu)解問題，在交通事故嚴(yán)重程度預(yù)測中有著潛在而廣泛的應(yīng)用空間。本研究利用某城市的道路交通事故數(shù)據(jù)，將事故集分為整體事故（未按事故狀態(tài)分類）、人車事故、多車事故，分別用BP神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)建立模型，并對模型結(jié)果進(jìn)行比較，以驗(yàn)證極限學(xué)習(xí)機(jī)方法的有效性及該方法相比于BP神經(jīng)網(wǎng)絡(luò)在預(yù)測性能等方面的優(yōu)劣。研究結(jié)果表明，極限學(xué)習(xí)機(jī)作為一種新興方法在交通事故嚴(yán)重程度預(yù)測上是一種有意義的探索，并且可為事故嚴(yán)重程度的預(yù)測提供一種新思路。

1模型的影響因素

交通事故的嚴(yán)重程度預(yù)測受到多種因素的影響，從國內(nèi)外研究來看，交通事故嚴(yán)重程度的預(yù)測主要考慮人的因素、車的因素、道路因素以及環(huán)境因素。對于交通事故嚴(yán)重程度的劃分，國內(nèi)外學(xué)者根據(jù)實(shí)際情況，將事故嚴(yán)重程度劃分為二分類、三分類以及五分類等。本文將事故嚴(yán)重程度作為二分類變量，分為死亡事故和非死亡事故；借鑒國內(nèi)外學(xué)者對事故嚴(yán)重程度預(yù)測所考慮的影響因素，將難以量化的變量剔除。

2BP神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)簡介

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的選擇十分重要，網(wǎng)絡(luò)結(jié)構(gòu)選擇是否合理直接關(guān)系到網(wǎng)絡(luò)能否收斂。結(jié)構(gòu)選擇合理可減少網(wǎng)絡(luò)的訓(xùn)練次數(shù)，提高網(wǎng)絡(luò)的預(yù)測精度。BP網(wǎng)絡(luò)結(jié)構(gòu)的選擇主要涉及到網(wǎng)絡(luò)輸入層神經(jīng)元個(gè)數(shù)、輸出層神經(jīng)元個(gè)數(shù)、隱含層神經(jīng)元個(gè)數(shù)、學(xué)習(xí)算法的確定等。

2．1BP神經(jīng)元個(gè)數(shù)的確立輸入層神經(jīng)元個(gè)數(shù)：輸入層神經(jīng)元個(gè)數(shù)為19。輸出層神經(jīng)元個(gè)數(shù)：輸出層神經(jīng)元個(gè)數(shù)為1。

2．2BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法和簡介為克服傳統(tǒng)的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法本身收斂速度慢、模型訓(xùn)練容易陷入局部最優(yōu)的問題，本文采用收斂速度快、計(jì)算精度高的LM算法（Leven－berg－Marquardt）訓(xùn)練網(wǎng)絡(luò)。

3實(shí)例分析

為比較兩種模型的預(yù)測性能，并驗(yàn)證兩種模型的可靠性和計(jì)算精度，將兩種模型的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置為一層隱含層，然后以從某市取得的道路交通事故數(shù)據(jù)為例進(jìn)行實(shí)例分析。

3．1數(shù)據(jù)來源選擇某市2010—2015年道路交通事故數(shù)據(jù)，以事故形態(tài)將事故數(shù)據(jù)劃分為整體事故數(shù)據(jù)、人車事故數(shù)據(jù)、多車事故數(shù)據(jù)三大類，其中整體事故是所有事故形態(tài)的數(shù)據(jù)。整體事故數(shù)據(jù)3744起；人車事故數(shù)據(jù)1442起；多車事故數(shù)據(jù)2017起。為比較BP神經(jīng)網(wǎng)絡(luò)與極限學(xué)習(xí)機(jī)的預(yù)測性能，參照相關(guān)文獻(xiàn)［12］，隨機(jī)選取80％的樣本作為訓(xùn)練集，隨機(jī)選取20％的樣本作為測試集。

3．2網(wǎng)絡(luò)學(xué)習(xí)和檢驗(yàn)由于數(shù)據(jù)是分類變量，經(jīng)過對變量的合理賦值后，將影響因素作為輸入、事故嚴(yán)重程度作為輸出，BP神經(jīng)網(wǎng)絡(luò)使用LM算法，極限學(xué)習(xí)機(jī)使用sig－moid激活函數(shù)。以訓(xùn)練集和測試集的誤差在0．3以下、訓(xùn)練集準(zhǔn)確率高于測試集的準(zhǔn)確率、訓(xùn)練集準(zhǔn)確率較高為準(zhǔn)，經(jīng)過對BP神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)的訓(xùn)練，得到BP神經(jīng)網(wǎng)絡(luò)三類事故的合適隱含層神經(jīng)元個(gè)數(shù)，均為10個(gè)，而極限學(xué)習(xí)機(jī)整體事故數(shù)據(jù)的隱含層神經(jīng)元個(gè)數(shù)為2995，人車事故數(shù)據(jù)隱含層神經(jīng)元個(gè)數(shù)為30，多車事故數(shù)據(jù)隱含層神經(jīng)元個(gè)數(shù)為20。

4結(jié)論與展望

本文在某城市交通事故數(shù)據(jù)基礎(chǔ)上，將其分為整體事故、人車事故及多車事故三類。考慮時(shí)間、氣候、道路物理幾何條件等影響因素，用極限學(xué)習(xí)機(jī)方法構(gòu)建了預(yù)測交通事故嚴(yán)重程度模型，同時(shí)構(gòu)建基于經(jīng)典BP神經(jīng)網(wǎng)絡(luò)的交通事故嚴(yán)重程度模型，并將極限學(xué)習(xí)機(jī)的預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果在預(yù)測精度上進(jìn)行比較。兩種模型的預(yù)測結(jié)果表明：極限學(xué)習(xí)機(jī)方法構(gòu)建的預(yù)測模型，在整體事故、人車事故、多車事故分類數(shù)據(jù)下，其預(yù)測精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。該方法應(yīng)用于交通事故預(yù)測研究尚屬首次，可為交通事故嚴(yán)重程度預(yù)測提供一種新的思路和研究方法。本研究中，由于數(shù)據(jù)內(nèi)容等原因，沒有將人、車的影響因素加入到模型中進(jìn)行考慮，未來需要加入該方面的內(nèi)容，以期對交通事故嚴(yán)重程度影響因素進(jìn)行更為全面的考量。此外，從本文的預(yù)測結(jié)果可知，模型預(yù)測的精度有待進(jìn)一步提高，未來研究可考慮將極限學(xué)習(xí)機(jī)方法與其他方法進(jìn)行混合，進(jìn)一步提高模型的預(yù)測精度。

作者：李濤；王立曉；左志 單位：新疆大學(xué)建筑工程學(xué)院