提出了一种基于GA-SVM的汽车追尾预测方法。该方法选取行车间距、后车车速、前后车速差、汽车制动时间、制动减速度等5个因素作为预测模型的输入指标,选取追尾概率作为输出向量,参数的算法流程-数控滚圆机滚弧机折弯机数控滚圆机滚弧机张家港倒角机通过建立SVM预测模型,并用GA进行参数优化,对汽车追尾概率进行预测。通过仿真值与预测值对比,证明了该方法的准确性。适应度平均适应度适应度c和g二进制编码产生初始种群解码样本集数据归一化处理CV意义下的训练集CV意义下的测试集SVM训练SVM测试产生新种群确定适应度函数（CV意义下的准确率）计算适应度函数适应度定标选择操作遗传操作变异操作是否满足终止条件？的c和gYNa.选取样本（训练集）； 本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.comb.数据预处理（归一化处理）；c.GA选择参数c和g；d.在最佳参数下，用训练集训练SVM；e.预测（测试集）；f.求解预测准确率。图1GA优化SVM参数的算法流程4模型验证4.1数据来源样本数据由汽车追尾仿真软件所得，样本共50组。该软件以车辆安全距离模型为理论，由VB6.0编程开发实现，且已通过实验室中具体的汽车碰撞试验验证，其仿真结果具有一定的正确性和代表性。仿真软件的界面如图2所示，随机选取的部分样本数据及仿真结果如表1所列。图2汽车追尾仿真软件界面表1部分样本数据及仿真结果4.2GA参数选择遗传算法的运行参数主要有个体编码串长度L、群体大小M、交叉概率pc、变异概率pm和终止代数P等，这些参数对遗传算法的运行效率和计算结果影响较大，需结合实际问题选龋根据建议的取值范围[7]，选取群体规模为50，交叉概率为0.4，变异概率为0.005。经过GA算法100次迭代计算后，得到最佳惩罚参数c=147.0334，最佳径向基核函数参数g=0.0625。遗传算法的适应度变化示意图如图3所示。图3遗传算法适应度值变化示意4.3预测结果分析通过对训练好的GA-SVM预测模型进行预测，得到最终的预测结果（部分）如表2所列，预测值与仿真值对比如图4所示，其中均方差为0.0122，相关系数为0.90074。由图4可知，基于GA-SVM预测模参数的算法流程-数控滚圆机滚弧机折弯机数控滚圆机滚弧机张家港倒角机 本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com