基于RBF神經(jīng)網(wǎng)絡的交通事故預測

李婷

【摘要】針對道路交通事故的預測問題，文章引入徑向基神經(jīng)網(wǎng)絡（RBF）建立交通事故預測模型。計算結(jié)果表明，RBF神經(jīng)網(wǎng)絡預測模型優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡模型，從而可以更有效地對道路交通事故進行預測。

【關(guān)鍵詞】道路交通事故 RBF神經(jīng)網(wǎng)絡 BP神經(jīng)網(wǎng)絡 預測模型

道路交通事故預測對于探究道路交通事故的發(fā)生規(guī)律，分析現(xiàn)有條件下交通事故未來發(fā)展趨勢以及道路交通安全控制等具有重要意義。因此，準確的交通事故預測是做好交通安全評價的重要前提。影響交通事故發(fā)生的因素眾多，并且各個因素之間相互影響，與事故的發(fā)生數(shù)呈現(xiàn)出復雜的非線性關(guān)系。近幾年來，神經(jīng)網(wǎng)絡被廣泛地運用到交通事故預測中，它對解決非線性問題具有很好的效果。

人工神經(jīng)網(wǎng)絡在預測領(lǐng)域有比較成熟的應用，而相比較傳統(tǒng)的BP神經(jīng)網(wǎng)絡，RBF神經(jīng)網(wǎng)絡具有唯一最佳逼近的特性且無局部極小值的問題，可以做更精準高效的預測分析。本文構(gòu)建了RBF神經(jīng)網(wǎng)絡的交通事故預測模型，并且與傳統(tǒng)的BP神經(jīng)網(wǎng)絡模型的預測結(jié)果進行了對比。實驗結(jié)果表明RBF神經(jīng)網(wǎng)絡模型預測精度更高，誤差更小。

一、基于RBF的交通事故預測建模

RBF神經(jīng)網(wǎng)絡是一種前饋式神經(jīng)網(wǎng)絡，它由三層，即輸入層、隱含層和輸出層構(gòu)成。本文的預測變量選擇交通事故死亡人數(shù)。其他三個指標分別選擇人均GDP、機動車保有量，公路里程。詳細見表1所示。

其中，1990-1998年的樣本為訓練數(shù)據(jù)，1999-2001年的樣本為檢測樣本，分別用BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡進行預測分析。表2為預測值誤差指標的比較結(jié)果，可以看出在交通事故預測結(jié)果中，RBF的預測精度要優(yōu)于BP神經(jīng)模型。

二、結(jié)束語

文章利用人工神經(jīng)網(wǎng)絡理論，建立了RBF神經(jīng)網(wǎng)絡預測模型，與BP神經(jīng)網(wǎng)絡相比，該模型預測精度高，能有效的反映交通事故各因素之間的非線性關(guān)系。

Abstract：Aimed against the forecast problem of traffic accident，this paper presents a new method by introducing RBF Neural Network model. The experimental results show that the RBF Neural Network has greater accuracy than traditional BP Neural Network，and is more effective to forecast traffic accident

Key words：traffic accident； RBF Neural Network model； BP Neural Network；forecasting model

參考文獻：

[1]李湘勇，張南，蔣葛夫.道路交通事故灰色馬爾可夫預測模型[J].公路交通科技，2003，（4）.

[2]文培娜，張志勇，羅琳.基于BP神經(jīng)網(wǎng)絡的北京物流需求預測分析[J].物流技術(shù)，2009，（6）.

[3]Ramachandran V，Buchanan C.Kali Linux Wireless Penetration Testing：Master Wireless Testing Techniques to Survey and Attack Wireless Networks with Kali Linux[J].Packt Publishing 2015.

[4]張明舵，張卷美.滲透測試之信息搜集的研究與漏洞防范[J].信息安全研究，2016，（03）.

[5]雷驚鵬，沙有闖.利用Kali Linux開展?jié)B透測試[J].長春大學學報，2015，（06）.