基于粒子群优化人工神经网络的临界行车安全距离预测

摘要：

针对行车安全距离预测中的各种非线性问题,提出一种基于粒子群优化人工神经网络(PSO-ANN)的临界安全距离预测方法.通过粒子群优化(PSO)算法优化人工神经网络(ANN)的权值和阈值,避免ANN容易陷入局部最优的问题,并通过迭代找到全局最优解.以路面情况、前后车速度以及前车减速度作为输入,临界行车安全距离作为输出,应用PSO-ANN建立预测模型,通过训练收集的样本数据预测行车安全距离,并与当前常用的ANN预测结果进行比较,结果表明:与ANN方法相比,PSO-ANN算法更稳定,且预测结果的平均绝对误差降低了7.8％.

关键词：临界安全距离、预测模型、粒子群优化算法、人工神经网络

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目61802252

在线出版日期：2020-03-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-4