一种基于IAGA-BP的城市快速路救援能力评估模型

本发明涉及智慧交通，尤其涉及一种基于iaga-bp的城市快速路救援能力评估模型。

背景技术：

1、随着国内城市快速路道路网的逐步扩大，交通行业的重点已经逐渐从施工建设转向运营管理，核心在于保障城市快速路的安全、稳定和畅通。由于我国交通流量较大，并且缺乏城市快速路运营管理方面的理论和实践，交通突发事件数量远超于发达国家的水平。国家越来越重视城市快速路的突发事件救援能力，只有这样才能降低交通事故的死亡率、缓解交通拥堵等问题，保障城市运输效率和人民的生命财产安全。

2、城市快速路突发事件救援能力评估一般需要从全过程进行考虑，建立救援能力评估指标体系和评估模型，以找出存在的问题和漏洞。此类研究最先出现在上世纪50年代的美国，基于专家评分法对救援准备过程的13项管理职能、56个要素、209个属性和1014个指标进行打分，确定了救援准备能力评估标准，由于成效良好迅速蔓延至各国，各国结合自己的实际情况建立了符合当前国情的救援能力评估指标体系和评估模型。

3、我国地域辽阔、省市众多，对城市快速路交通突发事件救援能力统一掌控的资源种类和数量较多，各省市之间存在较大差异，能力评估内容繁杂，难以直接使用国外发达国家的现有成果。当前我国城市快速路交通突发事件救援能力评估研究主要存在如下问题：

4、(1)多数评估指标体系对救援能力的影响因素考虑较为全面，但没有考虑其之间的逻辑顺序和层次间关系，缺乏体系化；

5、(2)基本依赖于专家评分法，具有很强的主观性，极易因人为失误而造成评估结果的不准确；

6、(3)理论研究与实际应用存在脱节，甚至是相背离，缺乏实际应用场景。因此，大多数评估方法都很难在实际应用中取得良好成效，目前还没有形成综合、成熟的评估模型。

技术实现思路

1、针对现有技术的不足，本发明提出一种基于iaga-bp的城市快速路救援能力评估模型。

2、具体技术方案如下：

3、一种基于iaga-bp的城市快速路救援能力评估模型，包括：参数设置模块、权值和阈值生成模块、iaga-bp神经网络训练模块、数据预处理模块；

4、所述参数设置模块用于设定iaga-bp神经网络的拓扑结构；

5、所述权值和阈值生成模块，用于通过自适应遗传算法获取iaga-bp神经网络的最优初始权值和阈值；

6、所述数据预处理模块，用于对输入的交通突发事件救援能力相关指标数据进行预处理，并将预处理后的数据输入所述iaga-bp神经网络训练模块；

7、所述iaga-bp神经网络训练模块，以专家经验知识作为约束条件，利用增广拉格朗日乘子法，优化iaga-bp神经网络的目标函数和权值阈值更新函数；并采用序关系分析法与云模型相结合的方式，确定交通突发事件救援能力相关指标的权重，筛选出权重大于阈值的指标作为输入，训练iaga-bp神经网络，当达到目标误差后结束训练，并输出最终的评估结果。

8、进一步地，所述自适应遗传算法包括以下步骤：

9、(1)编码并产生初始种群：随机产生一组分布，对该组中的每个权值和阈值按特定的编码规则进行编码，得到初始种群；

10、(2)设置适应度函数计算个体适应度，并保留最大适应度个体；

11、(3)判断所述最大适应度个体是否满足以下条件：

12、

13、式中，fave表示平均适应度，fmax表示最大适应度；

14、若满足，则先执行变异操作，再执行交叉操作，然后执行选择操作；若不满足，则先执行交叉操作，再执行变异操作，然后执行选择操作；

15、(4)判断选择操作后的结果是否满足收敛条件，若满足则输出结果，得到最优初始权值和阈值；若不满足，则重复步骤(2)-步骤(4)。

16、进一步地，所述变异操作中，变异算子包括均匀变异和非均匀变异；

17、所述交叉操作中，交叉算子包括：单点交叉、两点交叉、一致交叉；

18、所述选择操作中，选择算子包括：轮盘赌选择法、排序选择法、随机竞赛选择法、最优保存策略选择法。

19、进一步地，所述预处理包括：数据提取、数据清洗、数据归一化。

20、进一步地，所述iaga-bp神经网络训练模块进行训练的具体步骤如下：

21、(1)根据现有的权值和阈值训练iaga-bp神经网络，若iaga-bp神经网络满足专家经验知识，则将此时的均方误差作为目标函数；若不满足专家经验知识，则将此时的增广拉格朗日乘子函数作为目标函数；

22、(2)判断神经网络输出的评估结果是否符合实际，即判断是否达到目标误差，若达到，则结束训练；若未达到，则更新权值和阈值，重复步骤(1)和步骤(2)。

23、进一步地，所述iaga-bp神经网络的拓扑结构包括：输入层、隐含层、输出层、各层神经元个数、激活函数、学习率、惩罚因子、初始乘子。

24、一种城市快速路救援能力评估方法，基于所述的基于iaga-bp的城市快速路救援能力评估模型实现，包括以下步骤：

25、s1：收集多起交通突发事件的交通突发事件救援能力相关指标数据，将其作为训练集，输入基于iaga-bp的城市快速路救援能力评估模型进行训练，得到训练完成的基于iaga-bp的城市快速路救援能力评估模型；

26、s2：将待评估的交通突发事件救援能力相关指标数据输入训练完成的基于iaga-bp的城市快速路救援能力评估模型，得到最终的评估结果。

27、进一步地，交通突发事件救援能力相关指标包括：救援预防能力评估、救援准备能力评估、救援响应能力评估、救援恢复能力评估、二次事件预防能力评估、救援能力综合评估。

28、一种救援能力评估系统，使用所述的基于iaga-bp的城市快速路救援能力评估模型，包括：评估子系统、救援能力评估数据库、优秀案例库、路网监测与应急调度系统；

29、所述评估子系统的核心为基于iaga-bp的城市快速路救援能力评估模型，评估结果储存在救援能力评估数据库中；

30、所述优秀案例库用于存储根据评估子系统的评估结果进行完善优化后的案例；

31、所述救援能力评估数据库还用于存储优秀案例库中的案例的救援过程相关数据，这些数据依托所述路网监测与应急调度系统和救援能力评估指标体系存入；所述救援能力评估指标体系包括定量指标和定性指标，所述定性指标设计专家打分模块；

32、所述救援能力评估数据库中不断累积的数据，作为训练集，持续优化所述救援能力评估指标体系和基于iaga-bp的城市快速路救援能力评估模型。

33、本发明的有益效果是：

34、(1)本发明设置iaga-bp神经网络训练模块，以主客观相结合的方式，将专家经验知识融入到神经网络中，使救援能力评估指标更具合理性，更加全面地对救援能力进行综合评估。

35、(2)本发明设置权值和阈值生成模块，通过自适应遗传算法优化iaga-bp神经网络，从而使得iaga-bp神经网络在训练过程中收敛速度加快，同时解决了容易陷入局部最优的问题。