Resumen

La predicción de la gravedad de los accidentes se ha planteado como un problema clave en los estudios de accidentes de tráfico. Por lo tanto, para avanzar en esta área, en este estudio se desarrolló y probó una red neuronal artificial exhaustiva combinada con un algoritmo metaheurístico mejorado en cuanto a su estructura, función de entrenamiento, análisis de factores y resultados comparativos. Se utilizaron datos de la carretera interestatal I5 en el estado de Washington durante el período de 2011 a 2015 para el ajuste y la predicción. Después de establecer la red neuronal teórica de tres capas (NN), se propuso un método mejorado de Optimización de Enjambre de Partículas (PSO) con peso inercial adaptativo para optimizar la NN, y finalmente se realizó una comparación entre diferentes estrategias adaptativas. Los resultados mostraron que aunque los algoritmos produjeron casi la misma precisión en sus predicciones, un método de retropropagación combinado con una configuración de peso inercial no lineal en PSO produjo una búsqueda ópt

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Predicción de la gravedad de los accidentes; Red neuronal artificial; Algoritmo metaheurístico; Autopista interestatal; Optimización de enjambre de partículas; Análisis de factores
• Keywords:Crash severity prediction; Artificial neural network; Metaheuristic algorithm; Interstate highway; Particle swarm optimization; Factor analysis