[发明专利]一种基于神经网络的摩托车头盔佩戴情况预测评价模型

说明书

本发明公开了一种基于神经网络的摩托车头盔佩戴情况预测评价模型，属于交通安全技术领域，对训练样本数据进行预处理，随后确定输入输出、隐含层传递函数等参数，最后确定网络拓扑结构，采集初始BP神经网络权值和阈值，传递给GA对初始值编码生成初始种群，然后确定适应度函数计算适应度，选择适应度强的染色体进行复制，随后交叉和变异并生成新种群。本发明中，利用摩托车头盔佩戴情况GA‑BP神经网络预测模型，配合数据的收集，能够预测出驾驶员头盔佩戴情况评分得出是否需要警力倾斜，能通过预测，便于交警部门分配警力去不佩戴头盔现象严重的地段检查督促驾驶员，提高道路交通安全，保障人民生命安全，应用领域新且具有现实意义价值。

技术领域

本发明属于交通安全技术领域，尤其涉及一种基于神经网络的摩托车头盔佩戴情况预测评价模型。

背景技术

遗传算法(Genetic Algorithm，GA)最早是由美国的John holland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解(根据适应度函数，每次进化时选择适应度高的，淘汰适应度低的个体)(也就是物竞天择，适者生存理念)的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的选择、交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。

利用遗传算法优化BP神经网络的权值和阈值，可以使BP神经网络改善过拟合现象，提高整个模型预测的效率、准确率、可靠性，BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络。人工神经网络无需事先确定输入输出之间映射关系的数学方程(强非线性映射能力)，仅通过自身的训练，学习某种规则，在给定输入值时得到最接近期望输出值的结果。(实现预测功能)作为一种智能信息处理系统，人工神经网络实现其功能的核心是算法。BP神经网络是一种按误差反向传播(简称误差反传)训练的多层前馈网络，其算法称为BP算法，它的基本思想是梯度下降法，利用梯度搜索技术，以期使网络的实际输出值和期望输出值的误差均方差为最小。

交通安全是指人们在道路上进行活动、玩耍中，按照交通法规的规定，安全地行车、走路、避免发生人身伤亡或财物损失，在交通这一块，人身安全性至关重要，每年死于交通安全的人数数量较多，特别是骑行摩托车和电动车这一类人，因此如何降低交通事故的发生率，是社会重视的一个重要问题。

随着我国经济蓬勃发展，如今，交通工具对人们的生活起到了巨大帮助，摩托车和电动自行车广受大众的喜爱，数量众多的摩托车和电动车也对交通管理带来巨大挑战，因车主自身防护措施不到位引起的人身安全事故数不胜数，近期，虽然全国各地积极落实一盔一戴政策，但面对众多驾驶员，仅凭交警的力量很难及时地做到应管尽管，因此本专利提出一种基于神经网络的摩托车头盔佩戴情况评价预测模型，以便交警部门能够及时按流量分配警力。

发明内容

本发明的目的在于：为了解决摩托车和电动自行车车主防护措施不到位容易引起人身安全事故的问题，而提出的一种基于神经网络的摩托车头盔佩戴情况预测评价模型。

为了实现上述目的，本发明采用了如下技术方案：一种基于神经网络的摩托车头盔佩戴情况预测评价模型，包括：

S1、对训练样本数据进行预处理，随后确定输入输出、隐含层传递函数等参数，最后确定网络拓扑结构。

S2、采集初始BP神经网络权值和阈值，传递给GA对初始值编码生成初始种群，然后确定适应度函数计算适应度。

S3、选择适应度强的染色体进行复制，随后交叉和变异并生成新种群，如果新种群不满足需要，则重新选择适应度强的染色体进行复制并进行后续工作，如果满足需要则对新种群进行解码。