文献

J-GLOBAL ID：201702228450471478   整理番号：17A0398487

交通衝突頻度モデル化のための最適化されたニューラルネットワークからのルール抽出【Powered by NICT】

Rule extraction from an optimized neural network for traffic crash frequency modeling

著者 (6件)： Zeng Qiang (School of Civil Engineering and Transportation, South China University of Technology, Guangzhou, Guangdong 510641, PR China) ,  Zeng Qiang (Urban Transport Research Center, School of Traffic and Transportation Engineering, Central South University, Changsha, Hunan 410075, PR China) ,  Huang Helai (Urban Transport Research Center, School of Traffic and Transportation Engineering, Central South University, Changsha, Hunan 410075, PR China) ,  Pei Xin (Department of Automation, Tsinghua University, Beijing, PR China) ,  Wong S.C. (Department of Civil Engineering, The University of Hong Kong, Pokfulam Road, Hong Kong) ,  Gao Mingyun (Business School of Hunan University, Changsha, Hunan 410082, PR China)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 97  ページ： 87-95  発行年： 2016年 
JST資料番号： D0828A  ISSN： 0001-4575  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究では,衝突頻度と危険因子の間の非線形関係を調べるためにニューラルネットワーク(NN)モデルを開発した。過剰適合の可能性を排除するために,ブラックボックス特性を処理するために,ネットワーク構造最適化アルゴリズムとルール抽出法を提案した。事例研究は,香港の道路区間上の事故頻度を解析するための伝統的な負の二項(NB)モデルを用いて訓練されたおよび修飾したNNモデルの性能を比較した。結果は最適化されたNNは,NBモデルよりも幾分良くフィッティングと予測性能を持つことを示した。さらに,入力を最適化NNの訓練/試験誤差より小さく,隠れノードは重要因子を同定し,モデル一般化能力を改善するために構造最適化アルゴリズムの能力を実証した。さらに,ルールセット最適化NNモデルから抽出されたを種々の条件下で衝突頻度に及ぼす各説明変数の影響を明らかにすることができると,因子と衝突頻度の間の非線形関係の存在を意味している。構造最適化アルゴリズムとルール抽出法を用いて,修飾したNNモデルはモデリング衝突頻度に大きな可能性を持つと,道路安全性解析のための有用な代替法である。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 事例研究 ,  *最適化 ,  安全解析 ,  ブラックボックス ,  香港 ,  *ニューラルネットワーク ,  構造最適化 ,  ネットワーク構造 ,  道路 ,  *モデリング ,  危険因子
準シソーラス用語： 予測性能 ,  最適アルゴリズム ,  *ルール抽出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 衝突周波数 ,  ニューラルネットワーク ,  過剰フィッティング ,  構造最適化 ,  ルール抽出

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 交通 ,  モデル化 ,  最適化 ,  ニューラルネットワーク ,  ルール抽出