2.神经网络评价法
（1）BP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
一、引言
高 速 公 路 安 全 的 影 响 因 素
一、引言
高 速 公 路 安 全 评 价 的 方 法
01 02 03
传统分析方法
神经网络评价法
因子分析法
二、文献综述
二、文献综述
1.传统分析方法
层次分析法
模糊综合评价法
多层次灰色评价法
二、文献综述
1.传统分析方法 （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。
c) 遗传——神经网络方法的计算难度较大。
二、文献综述
（3）.径向基小波神经网络法 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。 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。
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。
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。
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
二、文献综述
1.传统分析方法 （2）模糊综合评价法
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。
谢谢
②高速公路安全评价是一项系统工程，所涉及的学科领域众多，且风险要素 众多，不可能全部顾及到。因此，在高速公路安全评价领域需要长期的实 践与探索才能将评价结果的信度与效度提高，使其尽可能趋近于真实情况。 ③在上述所涉及到的所有方法中，影响因素的选取对方法的实施有很大的 影响，而上述所有方法都有无法选取多个（10个以上）影响因素的局限性 ，这对于研究高速公路这样复杂的系统达不到精度要求。 ADD YOUR TITLE HERE
为公共因子，
为特殊因子。
荷载矩阵
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 变换后得到： 原有变量的线性组合用每个公共因子来表示 荷载矩阵记为B=AT，公共因子
二、文献综述
（2）.遗传——神经网络评价法 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
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。 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。 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。
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。
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：
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。
二、文献综述
1.传统分析方法 （4）传统评价方法比较
二、文献综述
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：
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。
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。
二、文献综述
4.因子分析模型法
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
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。
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
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：
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。
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Βιβλιοθήκη 不高的问题。三、问题与思考
三、问题与思考
①传统的安全评价方法中定性成分较多，定量成分较少，评价的准确性相 对较低，近期发展的神经网络法和因子分析法在这个层面上有所改进，在 定量分析的基础上研究高速公路安全评价。
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。
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。
三、问题与思考
④通常选择人、车、路、环境、管理五个方便因素。影响因素选取是安全 评价中至关重要的一环，因此，方法的使用效果也因使用者的水平和选取 的指标有所变动。 ⑤缺少安全评价的相关规范指导方法的应用和参数的选取，因此目前安全 评价的效果并没有达到最好。有关部门应编制相关规范，指导相关人员进 行高速公路安全评价。 ⑥安全评价方法通常是选取影响因素，通过评价方法进行评价，其输出结 果往往是各影响因素对安全性的影响权重，并没有具体的改进办法。 ⑦安全评价方法应适当改进，提升影响因素的选取数值，适当与大数据结 ADD YOUR TITLE HERE 合，更加准确、客观的评价交通安全。
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。