《表3 预测模型结果分析:基于改进BPNN的高速公路交通事故持续时间预测》
作为对比,本文还建立了经典的回归模型和支持向量机模型,用同样的训练样本对回归模型和支持向量机模型进行训练和测试。将BP神经网络预测模型与回归模型、支持向量机模型的各类误差指标进行对比,评价对比结果见表3。从表3可以看出,改进的BP神经网络预测模型在预测精度方面明显优于支持向量机模型和回归模型。其中,基于改进BP神经网络的MAE、ACC值分别为0.85和11.99%,均低于支持向量机和回归模型,RMSE的值与支持向量机相近,但明显低于回归模型,预测准确率比支持向量机提高了7.8%。总体来说,该模型是较好的交通事故持续时间预测方法,具有较高的准确性和较好的实用性。
图表编号 | XD00186687600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 许宏科、赵威、杨孟、林杉、刘冬伟 |
绘制单位 | 长安大学电子与控制工程学院、长安大学电子与控制工程学院、招商局重庆交通科研设计院有限公司、长安大学电子与控制工程学院、长安大学电子与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |