专利名称：基于主成分分析和神经网络的港区道路安全性预测方法
技术领域：
本发明属于道路交通安全的技术领域，涉及一种公路交通事故预测的方法。
背景技术：
随着公路里程和车辆保有量的增加，我国交通事故呈不断上升趋势，人们的生命 和财产安全受到了极大的威胁，已成为当今备受关注的严重社会问题之一。道路安全评价 的研究对于交通事故的减少有很大的作用。道路安全评价是指从微观的角度分析道路交通 环境因素与交通事故的关系，以改善道路安全状况，制定技术与政策措施，指导道路安全设 计。现在已经存在一些有关交通事故预测分析的研究，但基本都是从宏观的角度进行 分析，选取的影响因素是总人口，机动车保有量等宏观数据，得出的分析结果是一个区域的 交通事故次数的预测，这对于预防和减少交通事故起不到太大作用。本发明是从微观的角 度，分析道路的因素对交通事故的影响，这样就可以指导道路的设计与整修。交通事故是由众多因素共同作用产生的复杂的非线性系统，而且这些因素之间的 关系很难用解析的方法进行描述，而神经网络模型通过对历史数据的学习，能够以任意精 度逼近任意非线性映射，因此本发明利用神经网络模型对交通事故进行预测分析。但是，影 响交通事故的因素很多，为了预测的准确性，不遗漏重要信息，会考虑尽量多的因素，而这 些因素由于都是对交通事故的反映，不可避免会有大量的信息重叠，这可能会隐藏交通事 故的真正特征与内在规律。因此，本发明引入了主成分分析法，对原始数据进行主成分分 析，从影响因素之间错综复杂的关系中提取出一些主要成分，从而有效地利用大量统计数 据进行定量分析，揭示变量之间的内在关系。
发明内容
本发明的目的是克服现有技术的上述不足，提供一种操作简单，适用于道路安全 核查中交通事故预测的方法。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 份；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总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。本发明的技术效果如下1、基于主成分分析的BP神经网络模型。经典BP神经网络直接利用原始数据作为 输入变量进行训练，但这些原始数据存在两方面的问题，一是数据量大，维数多，一是数据 之间存在相关性，信息有重叠，这就会造成结果的精度不高以及训练速度的降低。对原始数 据进行主成分分析，从影响因素之间错综复杂的关系中提取出一些主要成分，从而有效地 利用大量统计数据进行定量分析，揭示变量之间的内在关系。2、从微观的角度选取影响因素进行预测。传统的交通事故预测方法都是利用一些 宏观的影响因素作为输入变量进行分析，得到的是一个整体的交通事故的数据。本发明是 将道路的线形因素作为输入数据，分析道路因素与交通事故的关系，从而得到道路线形对 交通事故的影响，这个结论可以应用到道路交通安全评价中，为道路的设计和整修提供理 论依据。
图1:BP神经网络结构。图2 基于主成分分析的BP神经网络模型框架。
具体实施例方式在当今社会，道路交通安全受到人们的广泛关注，道路安全评价的研究对于交通 事故的减少有很大的作用。本发明从微观的角度，应用基于主成分分析的BP神经网络模型 对道路线形和交通事故的关系进行了分析研究。下面详细介绍本发明的工作流程一、数据的选取道路交通是由人、车、路和环境等四大要素构成的动态系统。交通事故是道路交通 系统中，由于人、车、路、环境诸要素的配合失调而偶然突发的事件。因此，在选取交通事故 的影响因子时，要从以上四方面进行分析。表1列出了我国2002年道路交通事故主要原因 的统计结果。表1我国道路交通事故主要原因分布(2002年)
项目次数死亡人数受伤人数经济损失(元)数量占总数数量占总数数量占总数数量占总数合计773137100%109381100%562074100%3324381078100%机械故障209252.70%41503.78%173373.09%1663473895.00%机动车驾驶员67544987.37%8591678.56%47945285.29%301707502890.79%
权利要求
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份；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总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。
全文摘要
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。
文档编号G08G1/00GK101976501SQ20101052585
公开日2011年2月16日 申请日期2010年10月29日 优先权日2010年10月29日
发明者付晓敦, 冯炜, 刘润有, 刘超, 周骊巍, 张国梁, 张洋, 张颖, 曾伟, 李文明, 李明剑, 杜鹏, 杨贤贵, 段绪斌, 狄升贯, 王志华, 王晓华, 田春林, 白子建, 程海波, 练象平, 苑红凯, 谭伟姿, 贺海, 靳灿章, 龚凤刚 申请人:天津市市政工程设计研究院