改进BP神经网络在交通事故预测中的研究

被引：74

作者：

陈海龙 ^{[1
]}

彭伟 ^{[2
]}

机构：

[1] 华东师范大学计算中心

[2] 华东师范大学信息化办公室

来源：

华东师范大学学报(自然科学版) | 2017年 / 02期

关键词：

BP神经网络; 动量因子; 自学习; 交通事故;

D O I：

暂无

中图分类号：

U491.31 [交通事故处理、分析与统计]; TP183 [人工神经网络与计算];

学科分类号：

082301 [道路与铁道工程]; 140502 [人工智能];

摘要：

交通事故严重程度受多种因素的影响,适合用人工神经网络来建模预测.因为标准BP（Back Propagation,BP）神经网络具有收敛较慢的缺陷,所以在自适应学习和附加动量因子改进BP神经网络[1]基础上做了进一步的优化改进,使附加动量因子也具有自学习性.利用改进后的BP神经网络算法,选取英国利兹市的公开交通事故数据集,用影响交通事故严重程度的多种影响因素和事故严重程度构建并训练神经网络,并对最新数据进行预测.通过大量的实验对比收敛速度和预测结果,验证了改进后的算法具有更快的收敛速度和更高的预测准确率.

引用

页码：61 / 68

页数：8

共 14 条

[1]

Prediction for Traffic Accident Severity: Comparing the Bayesian Network and Regression Models [J].