基于神经网络的高速公路交通事故预测 http://www.paper.edu.cn 姜盼，张蕊，曲冰 辽宁工程技术大学理学院，辽宁阜新（123000） E-mail：jiangpan1126@126.com 摘 要:随着经济的发展，车辆逐渐曾多，随之而来的是高速公路交通事故的频繁发生，每 一次交通事故都会给家庭和国家带来一定的损失，本文介绍了BP神经网络及其算法，解释 了神经网络确定的一些准则和学习算法的步骤，详细分析了高速公路发生交通事故的各种可 能因素。并在此基础上建立了基于BP神经网络的神经网络模型。该模型运用了神经网络的 理论和方法，运用matlab进行网络训练，经过多次训练得到较好的模型，并用实例验证该模 型的可行性。本模型目的是减少高速公路交通事故的发生率，通过对高速公路各指标值的观 察, 能够获得如何提高高速公路灾害安全等级的信息，提高高速公路运行的安全性。此模型 还可应用到其他领域，只要根据不同情况输入不同的数据即可。 关键词：神经网络；高速公路；交通事故；安全性 1. 引言 1943年，心理学家Mcculloch和数理逻辑学家Pitts提出了MP模型，这是第一个用数理 语 言描述脑的信息处理过程的模型，虽然神经元的功能比较弱，但它为以后的研究工作提供 了 依据。 人脑是产生自然智能的源泉，是真正出色的并行计算机。人工神经网络（Artificial Neural Networks，简称ANN）是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某 种功能的神经网络，它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构 和功能而建立的一种非算法的信息处理系统。 人工神经网络[1]吸取了生物神经网络的许多优点，因而有其固有的特点： （1）高度并行性：人工神经网络是由许多相同的简单处理单元并联组合而成，使其对信息 的处理能力与效果惊人。 （2）高度非线性全局作用：人工神经网络每个神经元接受大量其它神经元的输入，并通过 并行网络产生输出，影响其它神经元。网络之间的这种相互制约和相互影响，实现了从输入 状态到输出状态空间的非线性映射。从全局的观点来看，网络整体性能不是网络局部性能的 简单迭加，而表现出某种集体性的行为。 （3）良好的容错性与联想记忆功能：人工神经网络通过自身的网络结构能够实现对信息的 记忆，而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所存储的信息内 容，因而是分布式的存储方式，这使得网络具有良好的容错性，既能进行模式信息处理工作， 有能进行模式联想等的模式信息处理工作，又能进行模式识别工作。 （4）十分强的自适应、自学习功能：人工神经网络可以通过训练【2】和学习来获得网络的权 值与结构，呈现出很强的自学习能力和对环境的适应能力。 高速公路交通灾害是指对高速公路的正常运营产生巨大影响, 并对生命财产和社会生 活造成灾难性后果的事件。人们无法准确地预测灾害将于何时何地及何种条件下发生。本文 将采用神经网络建立高速公路交通灾害预带模型, 并将其应用于实例。 - 1 - 

http://www.paper.edu.cn 2．BP 神经网络及其算法简介 2.1 BP 神经网络介绍 BP 模型是误差反向传播神经网络是神经网络模型中使用最广泛的一类。从结构上讲， BP 网络是典型的多层网络，分为输入层、隐层和输出层，层与层之间多采用全连接方式。 同一层单元之间不存在相互连接【3】。图1 给出三层BP 网络结构。BP 模型实现了多层网络 学习的设想。当给定网络的一个输入模式时，它由输入层传到隐层单元，经过隐层单元逐个 处理后传送到输出单元，由输出层单元处理产生一个输出模式。如果输出响应与期望输出模 式有误差，不满足要求，那么就转入误差反向传播，将误差值沿着连接通路逐层传送并修正 各层连接权值。对于给定的一组训练模式，不断用一个个训练模式训练网络，重复前向传播 和误差反向传播过程，使误差趋于减小。当各个训练模式都满足要求时，我们说BP 网络学 习好了。 x1 y1 x2 y2 x3 y3 输入层 隐层 输出层 图 1ＢＰ网络结构 2.2 BP 神经网络确定的一些重要准则 （1）对于一个一般的模式识别问题，三层网络【4】（输入层、隐层和输出层）可以很好 的解决； （2）三层网络中隐层神经元个数m 和输入层神经元个数n 有这样一个近似关系m = 2n +1。 2.3 BP 学习算法的步骤 （1）初始化 在依据实际问题（输入变量和输出变量个数）给出网络连接结构【5】，随机地设置所有 联接权值为任意小。 （2）提供训练集 如果输入变量为n 个，输出变量为m 个，则每个训练样本形式为（x1;x2;…xn;t1;t2;…;tm） 这里t1,t2,…,tm是输入为x1,x2,…,xn时的期望输出。 （3）计算实际输出 利用非线性函数 .逐级计算各层节点（不包括 - 2 - 

http://www.paper.edu.cn 输入层）的输出值，令最后的输出为o1,o2,…,om。 （4）权值调整 用 递 归 方 法 从 输 出 点 开 始 返 回 到 隐 层 节 点 ， 按 下 式 调 整 权 值 这里 是上层第i个节点的输出。若j是输出层节点，则 ; 若j是隐层节点，则 点。 ,其中k是节点j所在层次的下层次的所有节 （5）返回（2）步，重复之，直到误差e满足为止。 3. 预测模型构建 3.1 网络层设计 结构层数对网络的性能具有非常重要的影响, 严格意义上讲, 确定网络层数的方法是通 过大量实际问题的求解来寻求最合适的网络层数。网络的输入与输出层维数是根据所求解的 任务和要求来确定。本文选取 15 个指标作为网络的输入详见表2。选取5个输出层节点，见 表1. 表1高速公路交通事故等级及状态表 表征状态 指标状况好 指标状况较好 指标状况一般 指标状况较差 指标状况差 系统特征 系统输出 对交通事故无影响 （1，0，0，0，0） 对交通事故有轻微影响 （0，1，0，0，0） 对交通事故有一定影响 （0，0，1，0，0） 对交通事有较大无影响 （0，0，0，1，0） 对交通事故有重大影响 （0，0，0，0，1） 表2高速公路交通事故预测系统评价指标体系 等级 1 2 3 4 5 目标 层 高 速 准则层 通 行 车 辆 道 路 环 境 较好 5—10 4—8 2—4 1—2 3—6 2—3 因素层 好 交通量变化率（%） 0—5 0—4 危险品运输比例 （%） 超限车辆比例（%） 0—2 0—1 驾驶员违章率（%） 0—3 路基路围完好率 （%） 0—2 交通标志完好率 （%） 车流饱和度（%） 0—45 - 3 - 一般 较差 差 10—25 25—45 45—100 8—15 15—20 20—100 4—7 2—3 6—8 3—5 7—10 3—10 8—12 5—6 10—100 10—100 12—100 8—100 45—59 59—68 68—76 ≥76 

http://www.paper.edu.cn 设备完好率（%） 98—100 95—98 85—95 70—85 96—100 93—96 86—93 77—86 交通管制有效性 （%） 客户投诉率（%） 员工离职率（%） 0—3 0—3 3—8 3—9 8—12 9—13 12—25 25—100 13—27 27—100 0—70 0—77 0—77 0—77 0—64 差 公 路 事 故 评 价 营 运 管 理 社 会 救 援 救援出警效率（%） 96—100 93—96 86—93 77—86 道路清障绿（%） 96—100 93—96 86—93 77—86 救援投入比例（%） 84—100 78—84 70—78 64—70 现场指挥协调性 （％） 好 较好 一般 较差 根据下述公式 确定隐层节点数h。其中n为输入节点数，m为输出节 点数。同时, 在网络训练过程中对h进行动态调整, 即当网络的误差下降非常缓慢(小于 0.01%)，且网络还没有收敛倒所需水平时, 增加一个隐层节点。 3.2 网络训练 本 文 采 用 MATLAB7.0.1 编 程 进 行 网 络 训 练 , 经 过 39000 步 运 算 , 网 络 精 度 达 到 （SEE=0.000999983）。我们利用训练好的网络对检验样本进行评价, 结果证明此网络模型 可行, 并具有良好的预测能力。 3.3 实例应用 通过分析某一高速公路路段的各项灾害指标的专家评定得到： x=[21.4,14.6,6.7,1.1,2.7,1.4,52,98.5,97,3.2,9.1,97,96,77,84]. 经过处理后输入模型, 模型输出T二[0.032,0.853,0.003,0.021],根据表1可知灾害等级为2 级, 即该高速公路处于对交通灾害有轻微影响的状态。观察系统中各指标值, 发现危险品运 输比例及超限车辆比例和员工离职三个指标处于一般性指标状态, 因此可以通过控制超限 车辆及危险品运输车辆的上路量, 控制员工离职情况达到减少高速公路交通事故的目的。 4. 结论 由本文可知利用BP神经网络构建高速公路交通事故预测模型的方法是可行的, 通过运 用此模型可以直接预测高速公路交通事故的发生率。通过对高速公路各指标值的观察, 能够 获得如何提高高速公路灾害安全等级的信息。同时, 此模型还可以广泛应用，只需要改变输 入因子, 训练出适合其他领域的模型。 - 4 - 

http://www.paper.edu.cn 参考文献 [1]郭嗣琮,陈刚．《信息科学中的软计算方法》[M],沈阳:东北大学出版社,2001. [2] 王歌, 黄金玮, 郑新奇．土地规划环境影响评价指标体系的构建。水土保持研究，2008，15（1）：142-144 [3]喻金平, 翁发禄．基于神经网络确定安全库存量的研究。农业网络信息, ，2004（11：24-26） [3] 袁曾任．《人工神经网络及其应用》[M],北京:清华大学出版社,1999. [4] 阎平凡．《人工神经网络与模拟进化计算》[M],北京:清华大学出版社,2003. [5] 戴维.I.克里夫．《项目管理战略设计与实施》[M],北京:机械工业出版社,2003. highway traffic accidents is Based on the neural network forecasting Jiang Pan, Zhang Rui, Qu Bing College of Science,Liaoning Technology University, Fuxin (123000) Abstract With economic development, the vehicle has been more gradual, followed by highway traffic accidents occur frequently, every traffic accident to the family and the state will bring a certain degree of loss, this paper, BP neural network and its algorithm, Explained the neural network to determine the criteria for a number of steps and learning algorithm, a detailed analysis of highway traffic accidents occurred in a variety of factors that may be. On this basis, and based on BP neural network of neural network models. The model uses neural network theory and methods, the use of matlab training network, through a series of training to be a good model and example to verify the feasibility of the model. The purpose of this model is to reduce the incidence of highway traffic, highway through the index value of observation, how to improve access to the highway safety level of disaster information, to improve the operation of highway safety. This model can also be applied to other areas, according to different situations as long as the input data can be different. .Keywords: neural network; Highway; Traffic Accidents; Security - 5 -