基于粒子群优化人工神经网络的临界行车安全距离预测

• 作者: 史志才 张翔 李长庆 陈良
• 来源期刊: 汽车技术
• 学科: 工学
• 关键词: 临界安全距离 预测模型 粒子群优化算法 人工神经网络
• 年，卷（期）: 2020,（3）
• 页码范围: 1-4
• 页数: 4页
• 分类号: TP393
• 字数: 3031字
• 语种: 中文
• DOI: 10.19620/j.cnki.1000-3703.20190633

摘要

针对行车安全距离预测中的各种非线性问题,提出一种基于粒子群优化人工神经网络(PSO-ANN)的临界安全距离预测方法.通过粒子群优化(PSO)算法优化人工神经网络(ANN)的权值和阈值,避免ANN容易陷入局部最优的问题,并通过迭代找到全局最优解.以路面情况、前后车速度以及前车减速度作为输入,临界行车安全距离作为输出,应用PSO-ANN建立预测模型,通过训练收集的样本数据预测行车安全距离,并与当前常用的ANN预测结果进行比较,结果表明:与ANN方法相比,PSO-ANN算法更稳定,且预测结果的平均绝对误差降低了7.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史志才		47	154	7.0	11.0
2	李长庆		3	0	0.0	0.0
3	陈良		5	0	0.0	0.0
4	张翔		9	0	0.0	0.0