高速公路交通安全状况评价指标体系构建及模糊综合评价

通过对影响高速公路交通安全的因素综合分析,建立了包括交通设施,安全管理水平,事故损失状况等3个一级指标、9个二级指标和31个观测点在内的高速公路交通安全状况评价指标体系,以模糊理论为基础,采用层次分析法（AHP）确定各指标权重,建立了高速公路交通安全状况的模糊综合评价模型,并利用该方法对某地区高速公路交通安全现状进行了评价．     

基于相对差异函数的隧道群交通安全评价

引入可变模糊理论中的相对差异函数,建立高速公路隧道群交通安全评价模型.根据相关研究成果,选取影响高速公路隧道群交通安全的主要因素构建安全评价指标体系.综合层次分析法(AHP)和信息熵法确定评价指标的权重,建立相对差异函数安全评价模型.利用相对差异函数评价模型对隧道群交通安全等级进行判别,得出评价结果.将该方法应用于浙江省某高速公路隧道群交通安全评价,针对评价结果提出隧道群安全改善对策,并将该方法与其他交通安全评价方法计算结果进行对比,结果表明该模型在高速公路隧道群交通安全评价应用中有较好的实用性.     

基于BP 神经网络的城市道路交通安全评价研究

针对我国城市道路交通安全的现状节,并结合我国道路交通的特点, 提出了采用道路交通安全政策、道路交通安全状况、道路交通安全管理与道路交通事故防控水平等4个方面共13项指标组成的面向城市交通安全可持续发展的评价指标集,建立了基于BP 神经网络的评价模型,并结合实例,分析了其计算方法.该方法对于城市交通安全评价是有效的.     

基于BP神经网络的信誉欺骗检测模型

在分析信誉系统评价的目标系统的行为特征的基础上,提出了一种集成的BP神经网络模型.该模型使用训练集对构造好的BP神经网络进行训练,将测试集输入到训练好的BP神经网络中,进行欺骗检测,并在行为维度上进行欺骗检测效果验证.实验结果验证了基于BP神经网络的信誉欺骗检测模型的可行性.基于BP神经网络的欺骗检测模型能够快速、准确地实现欺骗行为的检测.     

基于权重优化的高速公路运营安全评价算法

为客观对比和分析多条高速公路交通运营安全状态,解决基于评价指标体系的高速公路运营安全评价中各评价指标权重确定问题.在分析高速交通安全运营管理及环境特点并充分兼顾系统性、科学性、独立性、可操作性基础上,构建了由高速公路交通设施、交通安全管理、交通事故及严重程度三方面共13个评价指标组成的评价指标体系;构造了层次分析法(AHP)-熵权权重组合目标函数,并求解得到在线性组合情况下,AHP权重和熵权权重各占50%时组合最优.在此基础上提出线性组合权重最优评价算法并进行了案例分析,分析结果表明,该算法可以合理地对高速公路运营安全进行对比和排序分析.     

高速公路小修保养工程量的预测模型

为了科学合理地预测高速公路小修保养工程数量,分析了影响高速公路小修保养工程量的主要因素,提出了基于Matlab的BP神经网络高速公路小修保养工程量预测方法;以沥青路面年小修保养工程量历史统计数据为样本,将路面质量等级评分值、路面使用性能指数、年均日交通量、年均日重车量、计算使用年限、年均降雨量、年平均温差、路面厚度、路面宽度确定为影响沥青路面小修保养工程量的量化指标,建立了预测沥青路面小修保养工程量的多元非线性模型;以调研路段沥青路面实际破损维修数量为样本,分别用BP神经网络模型和多元线性回归模型进行预测分析。研究结果表明：将预测结果与实际维修量数据进行比较,BP神经网络模型预测误差为5%,多元线性回归模型预测误差为14%,说明BP神经网络模型是预测高速公路沥青路面小修保养工程量的一种较为合理可行的方法。     

基于神经网络的车辆交通协调性评价模型

为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观指标数据和交通协调性主观评价结果作为模型输入和输出,构建映射评价模型;然后设计2×2交叉对比实验,并分析数据预处理方法及神经网络类型对评价模型效果的影响。研究结果显示,基于线性函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为95.71%和80.00%,基于阶梯函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为94.60%和73.25%。由此可见,模型评价效果较好,所建立的客观表征指标集能够较好地表达专家对车辆交通协调性表现的评价。在建模方法方面,基于BP神经网络的映射评价模型的表现优于Dropout神经网络模型,能够根据客观数据更准确地得到符合专家评判标准的评价结果。在样本数据预处理方法方面,线性函数归一化处理方法能够在消除数据间数量级差异的同时保留客观表征指标集数据在不同样本之间的差异,能提高映射评价模型的评价精度。因此,在小样本数据量下,基于线性函数归一化和BP神经网络的映射评价模型构建方案的评价效果更优。     

基于主成分分析和BP神经网络的网约车 服务质量评价

为客观、科学评价网约车服务质量,从顾客满意度角度出发,通过分析网约车服务过程,建立网约车服务质量评价指标体系;为消除指标间的相关性,利用主成分分析法提取累计贡献率超过85%的主成分作为BP神经网络模型输入;通过分析BP神经网络模型的原理构建具体BP神经网络拓扑结构;以网约车乘客满意度调研问卷为数据基础,对BP神经网络模型进行训练、仿真,并与传统BP神经网络模型及SERVQUAL模型评价结果进行对比.结果表明:本文构建模型收敛效率高、评价误差小,能够反映网约车服务质量的水平,可以为评价网约车服务质量提供有效理论支撑.     

基于BP神经网络的汽车外观设计评价方法

为了对汽车外观设计进行相对客观的评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价汽车外观设计的方法。根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了汽车外观设计BP神经网络评价模型,选择20款汽车外观作为学习样本、8款汽车外观作为检验样本,利用MATLAB软件进行了BP网络的实例训练和验证。实验结果表明,BP神经网络模型可以较准确地对汽车外观设计进行评价。     

BP神经网络优化网络科技文献共享评价体系

以网络科技文献共享的评价为对象,构建初选指标结构,对指标体系优化的主流评价方法进行研究及综述,在分析了各个评价方法的优劣的基础上确定运用BP神经网络的方法对初选的指标体系进行优化。然后基于BP神经网络对指标体系进行优化的方法及过程进行了论述。最后利用BP神经网络方法求取各项指标的权重,分析各个指标在整个指标体系中的重要程度,修改初选指标体系,进而达到优化的目的。