基于量子神经网络的道路交通事故预测

被引：11

作者：

孙棣华

唐亮

付青松

李永福

解佳

机构：

[1] 重庆大学自动化学院

来源：

交通运输系统工程与信息 | 2010年 / 10卷 / 05期

关键词：

交通工程; 道路交通事故; 预测; 量子神经网络; 相空间重构;

D O I：

10.16097/j.cnki.1009-6744.2010.05.021

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用]; 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：

道路交通事故预测是道路交通安全研究的一项重要内容.针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型.模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性.实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.

引用

页码：104 / 109

页数：6

共 7 条

[1]

回归分析方法在船舶交通事故预测中的应用 [J].