交通安全评价方法

高速公路安全评价论文综述姓名：杨思宇汇报时间：2016年5月12日2024/7/11目录引言文献综述问题与思考2024/7/12一、引言2024/7/13一、引言道路交通安全评价借助安全系统工程的相关理论，对道路交通系统安全状态进行定性与定量分析，得出关于某一地区、线路或路段安全程度的评估结论，用以指导本地区的道路交通安全管理工作，，或者对道路工程设计方面提出指导性的改进意见。2024/7/14一、引言高速安全评价的目的科学、准确地识别影响交通安全的主要因素。综合客观地确认或者评价特定区域的交通安全状况或者水平。辅助交通安全管理部门诊断交通安全症结，为交通安全策略与措施的制定提供科学依据。有利于有关部门对高速公路整体安全水平的把握和宏观控制。有助于高速公路安全管理水平的提高，变被动的事后处理为主动的事故预测预防管理，促进高速公路安全实现系统化、科学化和标准化。2024/7/15一、引言高速公路安全的影响因素2024/7/16一、引言010203传统分析方法神经网络评价法高速公路安全评价的方法因子分析法2024/7/17二、文献综述2024/7/18二、文献综述1.传统分析方法2024/7/19二、文献综述（1）层次分析法层次分析法是一种决策思维方法，根据问题的性质与评价要求，将复杂的问题分解为各个组成因素，并将这些因素按层次关系分组，形成有序的递阶层次结构，通过两两比较的方式确定层次中诸因素的相对重要性，然后综合人的判断，决定诸因素相对重要性的顺序。典型文献：

（1）天气下高速公路交通安全风险评估及应急管理能力研究

潘逸凡2014年硕士论文

（2）基于改进层次分析法的高速公路交通安全评价

周广振2015公路交通技术1.传统分析方法2024/7/110二、文献综述二、文献综述（2）模糊综合评价法1.传统分析方法模糊综合评价就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化、进行综合评价的一种方法。典型文献：

（1）基于改进层次分析法的高速公路交通安全评价

周广振2015公路交通技术

（2）高速公路交通安全影响因素分析及模糊综合评价周刚西南交大研究生毕业论文

（3）基于模糊综合评价法的高速公路交通安全评价体系研究

刘小龙2014产业与科技论坛2024/7/111二、文献综述二、文献综述（3）多层次灰色评价法1.传统分析方法灰色评价法认为通常在确认道路交通安全水平时,是不可能知道全部信息指标的。用灰色理论的“非唯一性”原理,通过对少量已掌握的部分信息的筛选、加工、延伸和扩展等,将道路交通安全水平确定在某一灰域内,以实现对道路交通安全整体水平的评价。2024/7/112二、文献综述1.传统分析方法（4）传统评价方法比较2024/7/113二、文献综述2.神经网络评价法目前对于高速公路安全评价研究的主要有三种神经网络评价法①BP神经网络评价法②遗传神经网络评价法

③径向基小波神经网络评价法典型文献：

（1）基于BP神经网络的高速公路交通安全评价系统设计与实现

李聪颖2010武汉理工大学学报（2）基于BP神经网络的高速公路交通安全评价

陈君2008年同济大学学报（3）高速公路交通安全微观评价方法及应用研究

徐晶2011年北京交通大学硕士（1）BP神经网络评价法2024/7/114二、文献综述BP神经网络的结构如下图所示：x和y是网络的输入、输出向量。每个神经元用一个节点表示。网络由输入层、隐含层和输出层节点组成。隐含层可以是一层，也可以是多层，前层至后层节点通过权连接，同层节点之间无连接。2024/7/115二、文献综述①长安大学的李聪颖2010年在《基于BP神经网络的高速公路交通安全评价系统设计与实现》中运用了此方法进行安全评价。论文中：输入层选择与驾驶人特性、道路主体工程、交通工程及沿线设施、交通特性、交通环境特性、交通安全管理特性等6个方面18个节点；输出层选择4个节点，分别对应4个安全评价等级；隐含层节点数根据经验公式选取，即m=.

在建立了相应的高速公路交通安全评价体系基础上，对BP人工神经网络在高速公路交通安全评价的设计与实现进行了分析，结合高速公路交通安全评价的特点，采用C++语言与数据库技术，开发了基于BP人工神经网络的交通安全综合评价软件，并进行了实例分析与验证。2024/7/116二、文献综述BP神经网络模型的优点、缺点：a)BP神经网络可有效解决评价过程中指标权重的随意性和人为影响，适合对高速公路这一复杂的交通系统进行安全评价。b)BP神经网络可有效进行多指标变权问题的动态求解，该评价方法所具有的知识存储性、容错性和自适应性可以有效保证权重的客观性。c)

BP神经网络存在收敛速度慢、隐节点数的选取缺乏理论指导等问题。适用于解决非线性、多指标变权问题的动态求解。2024/7/117二、文献综述北京交通大学的徐晶2011年在《高速公路交通安全微观评价方法及应用研究》中运用遗传——神经网络评价法进行安全评价。算法的核心内容是利用遗传算法优化BP神经网络的权值和阈值,主要包括BP神经网络结构确定,遗传算法优化权值、阈值和BP神经网络微调三部分。文章应用输入层、输出层和一个隐含层的三层GA-BP网络作为高速公路交通安全微观评价模型。其中输入层是与速率、交通流组成、道路线型、天气等相关的11个节点。输出层为4个安全等级。而隐含层节点数根据公式来确定，其中，M为输入层节点个数，N为输出层节点个数，γ为1到10之间的常数。（2）.遗传——神经网络评价法2024/7/118二、文献综述①.确定网络拓扑结构；②.种群初始化；③.确定适应度函数；搜索目标定为在进化代中搜索使网络的误差平方和E最小的权值和阈值，而遗传算法只能朝着使适应度函数值增大的方向进化，所以适应度函数应采用误差平方和的倒数。其中，k为训练样本数，Ti和Oi分别为第i个样本的期望输出和实际输出。④.选择操作。文章中采用轮盘赌法，每个个体i的选择概率Pi为：式中，表示群体适用度的总和，fi表示群体中第i个染色体的适应度值，n为种群个体数目。2024/7/119二、文献综述⑤.交叉操作。第k个染色体ak和第l个染色体al在第j位的交叉操作方法如下：式中，b是【0，1】的随机数。⑥.变异操作。选取第i个个体的第j个基因，进行变异，变异操作方法：2024/7/120二、文献综述遗传——神经网络模型的优点、缺点：a)在BP神经网络的基础上，遗传——神经网络法具有并行计算的特点，因而可以通过大规模并行计算加快结果的收敛速度。b)遗传——神经网络多点并行操作，并非局限于一点，可以有效地防止收索过程中收敛于局部的最优解。c)遗传——神经网络方法的计算难度较大。2024/7/121二、文献综述径向基函数是一个实值函数，它的取值只依赖于其离原点的距离。径向基小波神经网络是将小波分析与径向基小波神经网络相结合得到的神经网络，结构相对比较复杂，其输入样本在神经元中的响应方式运用“近兴奋远抑制”的径向基神经网络理论。长安大学的钟锐2014年在《高速公路交通安全风险评价方法研究》中运用径向基小波神经网络对高速公路安全进行评价。①.建立网络文章中选取了18个评价指标作为18个输入节点，选取5个不同程度安全评价指标作为输出层的5个节点，设定隐含节点数为8个。（3）.径向基小波神经网络法2024/7/122二、文献综述与其他神经网络模型有所不同，作者采用了4层径向基小波神经网络模型2024/7/123二、文献综述②.归一化数据将各评价指标列为输入矩阵，表示为文章中共有18个输入节点由于这些评价指标的非量纲化结果为0-100的数，如果直接输入神经网络会导致输出结果始终处于饱和区，所以将将所有数据进行归一化处理，即将数据都变为-1到1之间的数，归一化公式为：2024/7/124二、文献综述③.网络训练利用“兰定”高速的历年各项数据，建立评价指标体系，计算评价指标结果，经过归一化处理输入神经网络进行训练。训练的具体代码为：评价集中各评价结果与输出结果相对应：编码：输出结果：2024/7/125二、文献综述径向基小波神经网络的优、缺点：①径向基小波神经网络的函数逼近能力、学习速率、分类能力等方面都比BP神经网络强。②在数据的特征提取、数据算法的自适应控制等方面都有灵活、普遍的应用。③能够多线操作，没有局部极小问题。④设计程序复杂，对数据要求高算法复杂。适用于非平稳，非线性信号，大规模复杂计算过程，对精度要求较高的问题。2024/7/126二、文献综述哈尔滨工业大学的周琨2014年在《寒冷地区高速公路交通安全风险评价的研究》中运用因子分析模型对高速公路安全风险进行评价。一般来说，总体的所有信息不能完全用公共因子来表达，所有的观测变量都是由公共因子和特殊因子所组成的，其中公共因子可以作为每一个观测变量的解释因子，而特殊因子则是每一个观测变量中无法解释的部分。因子分析模型的一般形式为公共因子，为特殊因子。荷载矩阵4.因子分析模型法2024/7/127二、文献综述作者选取了10个相关候选自变量共49个因子，在excle中用0-1变量法进行替换。通过spss软件利用主成分分析的方法得到“解释的总方差”。具有Kaiser标准化的正交旋转法，经过22次迭代后收敛，可以得到“旋转成分矩阵”。因子旋转荷载矩阵记为B=AT，公共因子变换后得到：原有变量的线性组合用每个公共因子来表示2024/7/128二、文献综述最后根据成分得分系数矩阵计算出26个公共因子的得分公式：最后应用加权求和的方式计算全部22个公共因子的得分，计算时以每一个公共因子的方差贡献值或方差贡献率作为它自身的权数。求得最终评价模型。2024/7/129二、文献综述因子分析模型的优、缺点：①能够真实地反映出某一路段或区域内的交通安全状况，比较准确地反应出对高速公路的安全行驶状况有比较大影响的一些相关的性能。②因子分析法属于因素分析法，是将原始观察变量表示为新因子的线性组合。构造一个模型，将问题的为数众多的变量减少为几个新因子，新因子变量数m小于原始变量数P，从而构造成一个结构简单的模型。从而使问题得到简化，方便评价。③因子分析法研究问题相当于抓住问题的主要矛盾，忽略次要矛盾的研究方法，这样做无疑降低了解决问题的难度，同时带来的还有精度不高的问题。2024/7/130三、问题与思考2024/7/131三、问题与思考ADDYOURTITLEHERE①传统的安全