The invention discloses a traffic accident prediction method based on PCA and BP neural network. The method comprises the following steps: constructing a traffic accident prediction model based on PCA and BP neural network, importing the traffic accident data set in the vehicle network into the model, screening out the characteristic vector of the traffic accident data set by the model first; The PCA is used to decorrelate the feature vectors to obtain the preset number of linearly independent features in the feature vectors; then the linearly independent features are input into the BP neural network for training to obtain new uncorrelated features for judging whether traffic accidents will occur; and real-time traffic data are input. The traffic accident prediction method based on PCA and BP neural network has higher accuracy in traffic accident prediction and can effectively prevent traffic accidents.
【技术实现步骤摘要】
一种基于PCA和BP神经网络的交通事故预测方法
本专利技术涉及图像处理
,涉及一种图像分类方法,尤其涉及一种基于PCA(PrincipleComponentAnalysis,主成分分析法)和BP(BackgroundPropagation,方向传播)神经网络的交通事故预测方法。
技术介绍
我国的交通道路建设正处于蓬勃发展期,但是交通道路的快速发展,在为人们带来现代交通的高效快捷的同时,也导致了许多交通事故的发生,随着车联网理论知识的完善,车与车之间,车与基站之间,车与行人之间将具备信息传输的能力,这就使得车联网内的所有通信单元能够共享它们的运动信息。而随着大数据时代下机器学习技术的发展,只要有了大量已知的数据集,并通过机器学习方法进行学习,计算机就能对未知的数据进行预测和分析。但是交通事故的发生受天气情况,路面平坦度,车辆速度,车辆种类,光线情况,道路类型,驾驶员年龄,驾驶员性别,驾驶时长,出行时间的影响度较大,因此选取数据集中包含的天气情况,路面平坦度,车辆速度,车辆种类,光线情况,道路类型,出行时间等特征,考虑到选取的特征彼此之间存在相关性,在模型训练时会造成训练精度下降和计算复杂度增加等问题,从而导致预测的精度偏低,无法准确预测到交通事故是否会发生。
技术实现思路
本专利技术的主要目的在于解决现有技术中存在的交通事故预测精准度不够高的问题,提供一种基于PCA和BP神经网络的交通事故预测方法,具体技术方案如下:一种基于PCA和BP神经网络的交通事故预测方法,所述方法包括如下步骤:构建基于PCA和BP神经网络的交通事故预测模型,导入车联网中的交通事故数 ...
【技术保护点】
1.一种基于PCA和BP神经网络的交通事故预测方法,其特征在于,所述方法包括如下步骤:构建基于PCA和BP神经网络的交通事故预测模型,导入车联网中的交通事故数据集至模型中,由模型先筛选出交通事故数据集的特征向量;然后使用所述PCA对所述特征向量进行去相关处理,得到特征向量中预设数量的线性无关的特征;之后将所述线性无关的特征输入所述BP神经网络中进行训练,得到新的用于判断交通事故是否会发生的不相关的特征;输入实时交通数据,所述预测模型根据新的不相关的特征预判是否会有交通事故发生。
【技术特征摘要】
1.一种基于PCA和BP神经网络的交通事故预测方法,其特征在于,所述方法包括如下步骤:构建基于PCA和BP神经网络的交通事故预测模型,导入车联网中的交通事故数据集至模型中,由模型先筛选出交通事故数据集的特征向量;然后使用所述PCA对所述特征向量进行去相关处理,得到特征向量中预设数量的线性无关的特征;之后将所述线性无关的特征输入所述BP神经网络中进行训练,得到新的用于判断交通事故是否会发生的不相关的特征;输入实时交通数据,所述预测模型根据新的不相关的特征预判是否会有交通事故发生。2.根据权利要求1所述的一种基于PCA和BP神经网络的交通事故预测方法,其特征在于,所述PCA对所述特征向量进行去相关处理的具体步骤为:首先,假设所述数据集有p个特征,所述数据集中每条数据对应的p...
【专利技术属性】
技术研发人员:赵海涛,程慧玲,茅天奇,于建国,朱洪波,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。