[發明專利]一種基于BP神經網絡的超速辨別模型優化方法

有效

• 申請號: 201710454519.0
• 申請日: 2017-06-15
• 公開（公告）號: CN107368914B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 包旭;陳錦文;周君;李耘;常綠;夏晶晶;陳大山;朱勝雪
• 申請（專利權）人: 淮陰工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06N3/04;G06N3/08;G08G1/054
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于BP神經網絡的超速辨別模型優化方法，在待優化模型的誤差來源因子上添加修正系數，采集仿真樣本，并計算樣本的修正系數，再通過神經網絡模型最終實現超速辨別。本發明利用BP神經網絡顯著降低了模型輸出值與標準值間的誤差，提高了超速辨別模型的辨別精度；將事故現場的勘測數據輸入模型即可辨別是否超速，解決了傳統仿真軟件分析事故，辨別超速耗時較長的問題，且方便準確；使超速辨別模型可直接用于實際事故分析。

技術領域

本發明涉及超速辨別技術領域，尤其是一種基于BP神經網絡的超速辨別模型優化方法。

背景技術

隨著我國交通的發展，道路等級的不斷提升，車輛行駛的自由程度也隨之增加。而駕駛員也會因此放松警惕，提高車速，造成交通安全隱患。

目前，機動車超速已成為威脅交通安全的首要因素。因此，對機動車超速辨別的研究顯得尤為重要。

在超速辨別的研究中，采用反推法的超速辨別模型具有簡單方便的特點，但模型中個別因子的含義與實際事故中存在差異，導致誤差，使得超速辨別模型的辨別精度仍有較大提升空間。

發明內容

發明目的：針對上述現有技術存在的缺陷，本發明旨在提供一種基于BP神經網絡的超速辨別模型優化方法。

技術方案：一種基于BP神經網絡的超速辨別模型優化方法，包括如下步驟：

(1)確定待優化的超速辨別模型；

(2)優化超速辨別模型：在待優化模型的誤差來源因子上添加修正系數；

(3)采集仿真樣本，并計算樣本的修正系數；若優化超速辨別模型包含1個修正系數，則將樣本輸入優化超速辨別模型可得到修正系數的具體值；若優化超速辨別模型包含多個修正系數，則將樣本輸入優化超速辨別模型可得到修正系數之間的關系；

(4)建立神經網絡模型；

(5)在步驟(3)采集的樣本中選擇部分作為神經網絡的訓練樣本；

(6)利用步驟(5)挑選的訓練樣本輸入神經網絡進行訓練；

(7)將訓練樣本外的其他樣本作為檢測樣本進行檢測。

進一步的，所述步驟(4)具體包括如下子步驟：

(4.1)神經網絡輸入層為待優化的超速辨別模型的各輸入參量；

(4.2)神經網絡的輸出層為步驟(4.1)中待優化的超速辨別模型誤差來源因子對應的修正系數；

(4.3)神經網絡隱含層的節點數為其中n為輸入層節點數，m為輸出層節點數，a為1-10之間的常數，m為修正系數的個數，n為待優化模型輸入參量的個數。

進一步的，所述步驟(5)具體為：在步驟(3)采集的樣本中隨機抽取50％作為神經網絡的訓練樣本。

進一步的，步驟(6)具體包括如下子步驟：

(6.1)確定隱層傳遞函數；

(6.2)確定輸出層傳遞函數；

(6.3)確定訓練函數；

(6.4)確定最大訓練次數；

(6.5)確定訓練精度；

(6.6)訓練神經網絡。

進一步的，步驟(7)具體包括如下子步驟：

(7.1)將訓練樣本外的其他樣本對應的待優化的超速辨別模型的輸入參量作為檢測樣本；