基于AHP和物元分析的愤怒驾驶状态辨识研究

驾驶人在愤怒情绪下的驾驶行为是影响车辆行驶安全性的重要因素之一,愤怒驾驶情绪的产生及其程度受到驾驶人自身和道路交通环境中多因素的影响。文中综合考虑驾驶人自身因素和行车环境对驾驶状态的影响,提出了愤怒驾驶状态的辨识方法。文中筛选了与愤怒驾驶行为相关的驾驶人因素和道路环境因素,构建了1个驾驶人愤怒状态辨识的层次分析模型,并根据相关因素之间对愤怒驾驶行为影响的重要程度构造判断矩阵,求出各相关因素对愤怒驾驶行为的影响权值。应用综合权重的物元多属性决策方法辨识驾驶人的愤怒驾驶状态及程度。应用所提出的方法对22组实车试验中出现的愤怒驾驶状态进行辨识,结果表明,72.7%的结果与实车实验所得的结果相符,因此,该方法可对愤怒驾驶行为进行识别。文中所提出的方法能够融合驾驶人因素和环境因素对愤怒驾驶行为的影响,有效的辨识出驾驶人的愤怒驾驶状况及程度。

AI技术在北京市公路地质灾害监测中的设想与应用

目前北京市公路地质灾害监测主要以人工巡查为主,当遇到恶劣天气或发生地质灾害时,人工巡查存在一定的危险性和滞后性。远程视频监控通过直观、实时的存储监控信息,在一定程度上弥补了人工巡查的不足。但视频监控获取的海量影像数据,加上地质灾害监测信息处理须在最短时间内完成判定,并采取防护措施,传统的人工识别技术已不能满足要求,将AI技术与人工防控结合,能快速准确地自动判决,提高图像识别和目标检测的精度,从而提高公路地质灾害识别效率和管理的智能化水平。

检测数据缺失条件下的交通流估计方法研究

城市路网中部分交通量检测器失效会导致路段的交通流观测数据缺失,从而影响路段实时交通拥堵状况的辨识和分析。基于路网交通流数据的时空分布特性和道路交通流特征,研究了一种改进重构算法,对缺失的交通量数据进行估计。构建了交通量时空数据的三维张量模型;综合考虑道路交通流分布与环境特性,提出了基于Tucker重构模型的目标优化函数,进而求解得到检测器失效路段的交通量估计值;对改进重构算法、Tucker重构算法和时空插值算法在不同交通量数据缺失情况下的估计效果进行了比较。实验结果表明,在6条路段组成的实验路网中,早高峰交叉口进口道实时观测交通量随机缺失50%或其中3条道路完全缺失的情况下,估计结果的平均绝对误差(MAE)分别为13.961 4和14.276 3,均方根误差(RMSE)分别为18.764 8和18.707 0。相较于Tucker重构算法,MAE分别下降了32.29%和44.26%,RMSE分别下降了31.73%和48.57%。