基于神经网络及关联性修正的交通异常预测研究

• 作者: 周超 安实 王雷
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 交通异常事件 交通异常预测 神经网络 皮尔逊检验 关联性修正
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 交通安全
• 页码范围: 10-17
• 页数: 8页
• 分类号: U495
• 字数: 7073字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2019.02.002

摘要

为实现城市交通异常管理的主动式响应,给交通异常处置争取更多的时间,减少交通异常对城市路网的影响,提出了一种基于神经网络及关联性修正的交通异常预测方法.基于历史异常数据构建交通异常数据库,并定义了预测模型中的主要参数;构建了基于改进神经网络算法的交通异常预测模型,在此基础上,创新性地提出了结合不同单元区域背景概率及交通异常相关关系挖掘的预测修正算法,对预测结果进行关联性修正以得到最终更加准确的预测结果,大幅提升了模型的预测精度.应用哈尔滨市30 d实例数据训练了所提出的交通异常预测模型,用15 d数据进行了验证,结果表明经过关联性修正的预测模型成功预测次数明显增加,相较于传统方法,预测成功率提升了31.46％,皮尔逊检验值均大于1.642,预测的结果的可信度大于80％ 的置信水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王雷	哈尔滨工业大学交通科学与工程学院	36	230	8.0	14.0
2	安实	哈尔滨工业大学交通科学与工程学院	136	1943	24.0	39.0