基于RBF神經網絡的交通事故預測

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網絡（RBF）建立交通事故預測模型。計算結果表明，RBF神經網絡預測模型優于傳統的BP神經網絡模型，從而可以更有效地對道路交通事故進行預測。

【關鍵詞】道路交通事故 RBF神經網絡 BP神經網絡 預測模型

道路交通事故預測對于探究道路交通事故的發生規律，分析現有條件下交通事故未來發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。影響交通事故發生的因素眾多，并且各個因素之間相互影響，與事故的發生數呈現出復雜的非線性關系。近幾年來，神經網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。

人工神經網絡在預測領域有比較成熟的應用，而相比較傳統的BP神經網絡，RBF神經網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。本文構建了RBF神經網絡的交通事故預測模型，并且與傳統的BP神經網絡模型的預測結果進行了對比。實驗結果表明RBF神經網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神經網絡是一種前饋式神經網絡，它由三層，即輸入層、隱含層和輸出層構成。本文的預測變量選擇交通事故死亡人數。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年的樣本為訓練數據，1999-2001年的樣本為檢測樣本，分別用BP神經網絡和RBF神經網絡進行預測分析。表2為預測值誤差指標的比較結果，可以看出在交通事故預測結果中，RBF的預測精度要優于BP神經模型。

二、結束語

文章利用人工神經網絡理論，建立了RBF神經網絡預測模型，與BP神經網絡相比，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神經網絡的北京物流需求預測分析[J].物流技術，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開展滲透測試[J].長春大學學報，2015，（06）.