论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 张文婧,陈治亚,冯芬玲,李万
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
来源: 计算机工程与应用 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 中南大学交通运输工程学院
基金: 国家重点研发计划项目(No.2017YFB1201300)
分类号: TP183;U491.31
页码: 241-247
总页数: 7
文件大小: 1480K
下载量: 141