基于机器学习的高速公路大型货车追尾风险预测

针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率。根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准,提取大型货车的车辆轨迹与交通特征参数等数据,基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型;以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标,对比分析各模型的整体预测能力,并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明:RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型;最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。

聚焦离子束(Focused Ion Beam)原理与其在半导体工业之应用

聚焦离子束被广泛应用于芯片电路修改、研磨、沉积和二次电子/离子成像。FIB对于新原型电路设计的修改以及离子间交互作用的基础研究具有独特之性能。使用极细的聚焦离子束,FIB技术可以进行比从前更加精确的产品失效分析。操作者可以快速地、选择性地去除绝缘层或金属层,以便进行集成电路下层信号的点针探测或材质分析。集成电路的断面切割还可以达到亚微米的精度。