基于GM-BP模型的交通事故预测

摘要

城市交通拥堵、交通事故频发已经成为不容忽视的社会问题。交通事故预测的基本思想是在对已发生事故的资料统计、分析和处理的基础上，以事故发生的原因和发展变化规律为依据，对目前尚未发生或还不明确的事故预先做出合乎逻辑的推测判断。
　　 本文首先介绍了交通事故预测所用的基本理论知识：预测理论，灰色系统理论，BP神经网路。其次，则根据前面所述的几种关于道路交通事故预测的方法的优缺点，选择以灰色预测模型和BP 神经网络为基础，采用了GM-BP（灰色系统模型—BP 神经网路）
　　 的组合预测模型，实现对交通事故的预测。针对标准的BP算法具有学习速度慢，目标函数存在局部极小点的不足，本文提出了一种改进的快速算法，即采用加动量项和自适应学习速率相结合的方法来提高了学习速率；同时针对道路交通事故灰色GM(1,1) 模型预测方法在对按指数规律变化较快的数据序列预测精度较差的缺点，采用了无偏GM(1,1) 模型进行道路交通事故预测的新方法。最后结合实例，用改进的快速算法和改进的GM(1,1) 模型对道路交通安全因素的重要指标——道路交通事故造成的直接经济损失进行了预测，验证该组合模型在道路交通事故预测中的有效性。实验结果表明，比单一模型的预测结果更理想，精度更高，增加了模型在道路交通事故预测中的实用性。

目录

文摘

英文文摘

1 绪论

2 预测理论

3 灰色系统理论

4 BP 神经网络

5 GM-BP 组合模型

6 结论

致 谢

参考文献

附 录 攻读硕士期间发表的论文