基于改进BP算法神经网络的路况评价模型研究

重庆交通大学学报（自然科学版） ›› 2007, Vol. 26 ›› Issue (4): 82-85.

基于改进BP算法神经网络的路况评价模型研究

王小雄，闫小华，姚永锋，白建军

陕西省高速公路建设集团公司，陕西西安 710054

收稿日期:2006-07-07 修回日期:2015-05-18 出版日期:2007-08-15 发布日期:2015-05-18
作者简介:王小雄(1972—)，男，陕西西安人，工程师，主要从事公路工程养护与管理.E—mail：bear1972@126.com.

Study on Road Condition Evaluation Model Based on Improved BP Calculation Neural Networks

WANG Xiao-xiong，YAN Xiao-hua，YAO Yong-feng，BAI Jian-ju

Highway Construction Group Coporation of Shanxi Province，Shanxi Xian 710054，China

Received:2006-07-07 Revised:2015-05-18 Online:2007-08-15 Published:2015-05-18

摘要/Abstract

摘要： 通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型，生成内部回归网络，对BP神经网络进行改进，据此得出改进的BP神经网络的具体步骤．在此基础上，结合陕西省高速公路沥青路面的实际情况建立了路况评价模型，并对该模型的具体应用做了研究．研究结果表明：网络的收敛速度很好，训练结果与实际路况结果相差很小，利用改进BP算法神经网络建立的路况评价模型不仅方便易用，而且精度很高．

关键词: 人工神经网络, BP算法, 内部回归网络, 学习, 路况评价模型

Abstract: The intemal regression networks are set forth based on the application of feedback signals and deviation unit onto the neuaral networks．The specific study procedure of the BP neural networks is put forward．Furthermore，the road condition evalution model is made Oil the practical condition of the expressway bituminous road by the specific operation of the mode1． Th e study concludes contain that：the deviation between training result and practical result is small；the condition evaluation model based on the improved BP calculation neural networks is not only convenient to handle，but also more accurate．

Key words: artificial neural networks, BP calculation, intemal regression net, study, road condition evaluation mode1

中图分类号:

TPI83

王小雄，闫小华，姚永锋，白建军. 基于改进BP算法神经网络的路况评价模型研究[J]. 重庆交通大学学报（自然科学版）, 2007, 26(4): 82-85.

WANG Xiao-xiong，YAN Xiao-hua，YAO Yong-feng，BAI Jian-ju. Study on Road Condition Evaluation Model Based on Improved BP Calculation Neural Networks[J]. Journal of Chongqing Jiaotong University(Natural Science), 2007, 26(4): 82-85.

[1]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[2]	李楠1，焦庆宇1，张连东2，樊瑞1. 离场航空器滑行时间预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 1-6.
[3]	刘永涛1,2,樊亚敏1，张莉1，黎冠1. 基于自学习的组网式交通信号灯异常检测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 27-33.
[4]	隗寒冰,贺少川. 基于深度强化学习的插电式柴电混合动力汽车多目标优化控制策略[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 44-52.
[5]	郑中义，牟家奇. 基于主成分分析-极限学习机的选船模型[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 31-36.
[6]	李广儒，朱庆辉. 基于Elman神经网络的港口货物吞吐量预测[J]. 重庆交通大学学报（自然科学版）, 2020, 39(06): 8-12.
[7]	谢新连，陈紫薇，魏照坤，赵瑞嘉. 基于极限学习机的船舶航行行为预测[J]. 重庆交通大学学报（自然科学版）, 2019, 38(08): 7-12.
[8]	潘雨红,张宜龙,蔡亚军,吴欢欢, 隋鸿艳. 基于GA-BP算法的公路工程造价估算研究[J]. 重庆交通大学学报（自然科学版）, 2016, 35(2): 141-145.
[9]	邱小平，刘亚龙. 基于支持向量机的车辆跟驰模型[J]. 重庆交通大学学报（自然科学版）, 2015, 34(6): 128-132.
[10]	曾勇，郑慧君，向中富. 大跨单索面公轨两用钢桁梁斜拉桥施工风险分析[J]. 重庆交通大学学报（自然科学版）, 2014, 33(4): 29-33.
[11]	夏新海. 对策论下的交叉口TSCA 间的多交互学习[J]. 重庆交通大学学报（自然科学版）, 2014, 33(1): 103-105.
[12]	童世鑫，丛浩哲，陈雨人. 高速公路交通事件清除时间模糊逻辑预测模型[J]. 重庆交通大学学报（自然科学版）, 2011, 30(1): 85-88.
[13]	夏新海，许伦辉. 交叉口Agent 间的博弈学习协调方法[J]. 重庆交通大学学报（自然科学版）, 2010, 29(2): 269-271.
[14]	许永江, 邢兵, 吴进良. 基于有限元-神经网络-Monte-Carlo的结构可靠度计算方法[J]. 重庆交通大学学报（自然科学版）, 2008, 27(2): 188-190,216.
[15]	贺清碧. BP神经网络在城市消费预测中的应用[J]. 重庆交通大学学报（自然科学版）, 2007, 26(1): 155-157.