摘要
为减少干线公路交通事故发生概率,需要准确预测干线公路各路段的交通安全风险。基于循环神经网络(RNN)及其改进形式长短期记忆神经网络(LSTM),建立了干线公路交通安全风险预测模型。首先,以金义东干线公路作为测试路段,搜集并整理了各个路段的交通测试数据;其次,通过灰色关联度分析法筛选了9个关键因素;最后,利用LSTM和RNN方法构建了安全风险预测模型,同时采用单一变量原则对网络中的四个重要超参数进行调试,得到隐藏层为2层,节点数为140,批量大小为32,训练次数为500的最优超参数。研究发现,两个模型均具有较好的交通安全风险预测性能,LSTM预测模型预测准确性更高,更能适应干线公路交通安全风险预测任务。
出处
《交通世界》
2025年第1期1-7,共7页
Transpoworld
基金
金华市科技计划项目(2021-3-175,2022-3-072)
浙江省自然科学基金项目(LY21E080011,LQ20E080009,LY23E080002)。
