基于GM-BP模型的交通事故預測.pdf

1、城市交通擁堵、交通事故頻發(fā)已經(jīng)成為不容忽視的社會問題。交通事故預測的基本思想是在對已發(fā)生事故的資料統(tǒng)計、分析和處理的基礎上，以事故發(fā)生的原因和發(fā)展變化規(guī)律為依據(jù)，對目前尚未發(fā)生或還不明確的事故預先做出合乎邏輯的推測判斷。
　　 本文首先介紹了交通事故預測所用的基本理論知識：預測理論，灰色系統(tǒng)理論，BP神經(jīng)網(wǎng)路。其次，則根據(jù)前面所述的幾種關于道路交通事故預測的方法的優(yōu)缺點，選擇以灰色預測模型和BP 神經(jīng)網(wǎng)絡為基礎，采用了GM-BP

2、（灰色系統(tǒng)模型—BP 神經(jīng)網(wǎng)路）
　　 的組合預測模型，實現(xiàn)對交通事故的預測。針對標準的BP算法具有學習速度慢，目標函數(shù)存在局部極小點的不足，本文提出了一種改進的快速算法，即采用加動量項和自適應學習速率相結合的方法來提高了學習速率；同時針對道路交通事故灰色GM(1,1) 模型預測方法在對按指數(shù)規(guī)律變化較快的數(shù)據(jù)序列預測精度較差的缺點，采用了無偏GM(1,1) 模型進行道路交通事故預測的新方法。最后結合實例，用改進的快速算法和改進