基于自适应模糊神经网络的行车危险预测方法及装置

本申请提供一种基于自适应模糊神经网络的行车危险预测方法及装置。该方法包括：采集用于反映车辆状态的原始变量，对原始变量进行降维处理，得到关键变量；基于自适应模糊神经网络构建行车危险预测模型；利用遗传算法对行车危险预测模型的前件参数和后件参数进行优化，其中前件参数的优化包括根据遗传算法的选择、交叉和变异操作，对隶属度函数的中心位置和标准差进行优化，后件参数的优化包括对模糊推理规则中的线性组合参数进行优化；将实时获取的车辆状态数据输入经优化后的行车危险预测模型中，输出用于表征行车危险的行车危险值。本申请能够提升模型适应性，提高参数优化效率，从而提升模型预测的准确性，从而实现准确、实时地行车风险评估。