基于稀疏理论的DAE在公路事故伤亡预测应用

• 作者: 冯芬玲 张文婧 李万 陈治亚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 自编码 人工神经网络 伤亡预测模型 稀疏理论
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 工程与应用
• 页码范围: 241-247
• 页数: 7页
• 分类号: TP183
• 字数: 5179字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1712-0291

摘要

准确实现公路事故伤亡人数预测,对于把握我国未来交通安全形势、实现运输系统优化具有重要意义.将基于稀疏理论的深度自动编码器(Deep Auto-encoder)引入公路事故伤亡人数预测,利用公路事故伤亡人数2000—2015年历史数据构建伤亡人数预测模型,得到死亡及受伤人数平均误差率分别为1.69%、1.53% ;采用伤亡人数的影响指标汽车保有量、国内生产总值、公路总里程、人均道路面积的同时段历史数据构建预测模型,得到死伤人数平均误差率分别为1.76%、2.13% ;对比发现将DAE运用到公路事故伤亡人数预测精度较高,且采用伤亡人数时间序列数据较影响指标预测精度更高,故使用前者对2016—2020年数据进行预测,得出未来我国公路事故死亡人数将在一定时间内保持平稳,而受伤人数将会明显下降.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯芬玲	中南大学交通运输工程学院	73	570	15.0	20.0
2	陈治亚	中南大学交通运输工程学院	179	1776	22.0	31.0
3	李万	中南大学交通运输工程学院	4	13	1.0	3.0
4	张文婧	中南大学交通运输工程学院	2	1	1.0	1.0