无信号环形交叉口机非冲突机器学习预测方法

作者：任丽丽; 吴江玲^*; 郭旭亮; 张馨月; 姜涛

来源：科学技术与工程, 2023, 23(31): 13592-13600.

• 城市交通
• 交通冲突预测
• 机器学习
• 无信号环形交叉口
• 实测轨迹数据

为高效精确地预测无信号环形交叉口机动车与非机动车的交通冲突，提出了基于遗传算法优化的BP神经网络(genetic algorithm and back propagation, GA-BP)和支持向量回归(support vector regression, SVR)的组合预测模型(SVR-GA-BP)。通过无人机采集混合交通流高清视频，利用视频识别软件Tracker提取机非交通冲突轨迹数据，以距离碰撞时间(time to collision, TTC)为判别指标，确定机非冲突严重程度。基于偏相关性分析确定交通量、平均速度、大车比例等为机非交通冲突的显著影响因素，选取均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)等五种评价指标对SVR模型、BP神经网络、SVR-GA-BP模型的预测值进行精度分析。结果表明，组合模型在一般冲突预测中精度为97.1%,相比SVR和BP神经网络分别提高6.9%和2.5%,在严重冲突预测中精度为96.1%,相比SVR和BP神经网络分别提高7.3%和5.1%。可见SVR-GA-BP组合模型能够有效预测无信号环形交叉口的机非冲突且精度最高，可为同类型交叉口的安全评价提供借鉴。

• 单位
  长安大学; 公路学院; 河南大学