基于模糊小波神经网络的营运客车运行风险评估模型研究

为提高营运客车交通安全管理水平,应准确识别营运客车在运行中的风险影响因子并对其进行评估。结合云南省2010—2017年营运客车道路交通事故数据,通过伯努利方程计算出各风险要素引发交通事故的概率并量化其造成的经济损失,在此基础上根据交通系统四要素,构建了风险评价指标体系;建立基于模糊小波神经网络的营运客车运行风险评估模型。与BP神经网络模型相比,该模型精度有所提高,收敛速度更快,学习效率更高;对模型进行实例应用,结果表明,车辆运行速度、制动器温度、胎压、不良天气、重点违法行为增长率等5个因子是造成营运客车运行高风险的重要因素,模型能够客观准确地对营运客车运行风险进行评估。