基于量子神经网络的道路交通事故预测研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·研究的必要性 | 第9-10页 |
| ·研究目的、意义和研究内容 | 第10-11页 |
| ·研究目的及意义 | 第10-11页 |
| ·研究内容 | 第11页 |
| ·论文结构 | 第11-13页 |
| 2 道路交通事故预测技术的研究现状 | 第13-21页 |
| ·国内外道路交通事故预测技术的发展现状 | 第13-14页 |
| ·道路交通事故预测的特点 | 第14-15页 |
| ·典型道路交通事故预测方法 | 第15-19页 |
| ·时间序列模型 | 第15-16页 |
| ·灰色模型 | 第16-17页 |
| ·回归模型 | 第17-18页 |
| ·人工神经网络模型 | 第18-19页 |
| ·典型道路交通事故预测方法分析 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 道路交通事故影响因素分析 | 第21-28页 |
| ·人的因素 | 第21-23页 |
| ·驾驶员因素 | 第21-23页 |
| ·非机动车驾驶员、行人和乘客因素 | 第23页 |
| ·车辆因素 | 第23-24页 |
| ·车辆的主动安全性 | 第23-24页 |
| ·车辆的被动安全性 | 第24页 |
| ·道路因素 | 第24-26页 |
| ·道路类型 | 第24页 |
| ·道路线形 | 第24-26页 |
| ·视距因素 | 第26页 |
| ·其他道路因素 | 第26页 |
| ·其他因素 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 量子神经网络 | 第28-35页 |
| ·引言 | 第28-29页 |
| ·量子神经网络模型 | 第29-33页 |
| ·多层激励函数的量子神经网络 | 第29-32页 |
| ·多宇宙的量子神经网络 | 第32页 |
| ·Qubit 神经元模型 | 第32页 |
| ·其他模型 | 第32-33页 |
| ·BP 神经网络与量子神经网络的比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 基于量子神经网络的道路交通事故预测模型 | 第35-53页 |
| ·基于量子神经网络预测模型的提出 | 第35页 |
| ·基于量子神经网络预测模型的建立 | 第35-38页 |
| ·网络的结构确定 | 第35-36页 |
| ·量子神经元 | 第36-37页 |
| ·预测模型 | 第37页 |
| ·量子神经网络的算法思想 | 第37页 |
| ·预测步骤 | 第37-38页 |
| ·预测模型的结构参数设计 | 第38-50页 |
| ·输入变量的选取 | 第38-42页 |
| ·样本的选取 | 第42页 |
| ·学习样本的预处理 | 第42-44页 |
| ·学习参数的选取 | 第44-45页 |
| ·隐含层神经元个数确定 | 第45-48页 |
| ·激励函数的选取 | 第48-50页 |
| ·模型的训练算法 | 第50-52页 |
| ·量子神经网络权值的训练算法 | 第51页 |
| ·量子间隔调整算法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 量子神经网络的道路交通事故预测模型分析 | 第53-61页 |
| ·实例实验 | 第53页 |
| ·模型预测结果与分析 | 第53-55页 |
| ·量子神经网络方法与其他方法的比较与分析 | 第55-60页 |
| ·量子神经网络方法与灰色模型的比较 | 第55-56页 |
| ·量子神经网络方法与回归方法的比较 | 第56-58页 |
| ·量子神经网络方法与BP 神经网络方法的比较 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 7 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
| A 作者在攻读学位期间发表的论文数 | 第66页 |
