基于BP神经网络模型的驾驶行为环境影响评价.pdf

第2卷 第4期 华北科技学院学报 2005年 12月 基于BP神经网络模型的驾驶行为环境影响评价① 张开冉② (西南交通大学交通运输学院，四川成都 610031) 摘 要:分析了不同驾驶行为对车辆污染物的排放对环境安全的重要影响，运用BP神经网络模型对驾驶行 为环境影响进行评价，并与灰色关联模型评价进行比较，评价结果合理可信。 关键词:人工神经网络;驾驶行为;交通环境评价 中图分类号:X831 文献标识码:A 文章编号:1672一7169(2005)04-0054一03 随着城市化进程的加快，机动车保有量的迅 (简称BP模型)[41.BP神经网络模型设计的特 速增加，城市交通环境问题日益突出。据不完全 点是输人信息从输人层经隐含层传向输出层，如 统计，城市中70%以上的大气污染来源于汽车， 果在输出层得不到期望输出，则转人反向传播，通 1998年北京三环路内测定表明，车辆排放的3种 过学习来修改各层神经元的权值。 污染物CO,CH和NOX已分别占大气中总污染 图1给出3层基本BP神经网络模型。 的74.8%,39%和46.2%[1I。而车辆的行驶状态 输入层 即驾驶员的驾驶行为模式又直接影响车辆的这些 环境问题[210 隐含层 近几年来，对城市道路交通环境影响评价多 采用单项因子评价法、多级模糊综合评价法及新 输出层 兴的灰色关联模式识别。但这些方法有不足之 处:需对交通环境影响因素、因素评价等级规范 图1 3层基本BP神经网络模型 化;建立隶属函数或白化函数十分繁琐，没有通用 BP网络的基本处理单元量为非线性输人一 的准则;复合运算的一些算子强调极值的作用，因 输出的关系，隐含层和输出层中的神经元的特性 而丢失许多信息;评价结果往往受控于个别因素， 函数(激活函数与阂值函数的复合函数)均采用 有时造成误判[[3]。此外，这些评价方法仅局限于 sigmoid型变换函数，其表达式为 对既成的交通环境影响因子进行测评。本文利用 f(x)=1/(1十e一x) (1) BP神经网络模型对驾驶员的不同驾驶行为引起 神经元的每一输人都经过相关的加权，以影响输 的交通环境影响进行评价。 入的激励作用。 1BP神经网络模型 设训练组由L对输人输出组成:}XK,OKf BP网络属于多层状型的人工神经网络，由若 (k二1,2,3...L)，其中XK为输入，OK为期望输 干层神经元组成，它们可以为输人层、隐含层和输 出;XK经网络传播后得到的实际输出为YK，则 出层，各层的神经元作用是不同的。人工神经网 YK与要求的期望输出OK之间的误差函数为: 络具有自学习、自组织、较好的容错性和优良的非 _ In，、， 尤K二 万 乙jIYKP一OK,P) (2) 线性逼近能力。因此，由大量性能简单的神经元 ‘ 尸 组成一个结构复杂、性能完善的系统就可完成各 式中M为输出层单元数;YK,。为第k样本 类复杂任务。在实际应用中，80%一90%的人工 对第p特征分量的实际输出;氏,P为第k样本对 神经网络模型是采用误差反传算法 (ErrorBack- 第p特性分量的期望输出。样本集的总误差为 PropagationAlgorithm)或其变化形式的网络模型