期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贝叶斯网络模型的道路交通事故链生成与演化研究
被引量:
6
1
作者
熊晓夏
陈龙
+1 位作者
梁军
陈月霞
《公路交通科技》
CAS
CSCD
北大核心
2018年第5期99-107,共9页
为了研究道路交通事故链的生成和演变规律并全面反映道路交通事故的产生机理,以美国100-Car自然驾驶研究数据为基础,充分考虑了驾驶员状态和驾驶行为对道路交通安全的影响,构建了事故发生前驾驶员状态和行为特征参数等变量,并与其他传...
为了研究道路交通事故链的生成和演变规律并全面反映道路交通事故的产生机理,以美国100-Car自然驾驶研究数据为基础,充分考虑了驾驶员状态和驾驶行为对道路交通安全的影响,构建了事故发生前驾驶员状态和行为特征参数等变量,并与其他传统驾驶员特征、道路交通特性以及环境特点等影响因素变量共同建立了关于道路交通事故风险类型的贝叶斯网络模型。在贝叶斯网络模型基础上,引入事故因果链理论,利用有向无环网络中简单路径搜索算法生成事故链集合,并采用信息增益特征选择方法识别关键事故链。通过100-Car自然驾驶数据得到的关键事故链显示,单车事故类型更容易在弯道和坡道条件下驾驶员无注意力转移或进行简单非驾驶任务的情况下发生;而正面、侧面和尾部碰撞事故类型的发生,往往在水平直线道路条件下,伴随着驾驶员注意力由前方道路转移至两侧车窗或内后视镜,以及驾驶员非驾驶任务变复杂的情况。通过改变事故链中各节点的状态概率,可以探索不同类型事故的演化路径和规律,克服了传统方法对每个道路交通事故致因因素进行独立分析的局限性,揭示了事故链中影响因素/事件之间的相关关系,为更好地掌控道路交通风险状态和实现事故链阻断提供了新的思路。
展开更多
关键词
交通
工程
事故
链
生成与演化
贝叶斯网络模型
道路交通事故链
路径搜索
特征选择
原文传递
基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法
被引量:
8
2
作者
于扬
梁军
+3 位作者
陈龙
陈小波
朱宁
华国栋
《中国机械工程》
EI
CAS
CSCD
北大核心
2020年第23期2874-2882,2890,共10页
为了有效降低因驾驶员紧急换道行为而诱发的交通事故,提高道路交通事故链阻断效率,提出一种基于高斯混合隐马尔科夫模型(GMM-HMM)和人工神经网络(ANN)的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列...
为了有效降低因驾驶员紧急换道行为而诱发的交通事故,提高道路交通事故链阻断效率,提出一种基于高斯混合隐马尔科夫模型(GMM-HMM)和人工神经网络(ANN)的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识,采用ANN预测下一时段的驾驶行为,再预测换道过程中的横向加速度变化率,从而判断紧急换道的危险程度。驾驶员在环仿真实验及实车实验结果表明,该方法预测避险成功率达92.83%,实验避险成功率达90.32%。该方法能有效地对紧急换道行为进行提前警告与干预。
展开更多
关键词
换道行为预测
高斯混合隐马尔可夫模型
人工神经网络
道路交通事故链
阻断
下载PDF
职称材料
题名
基于贝叶斯网络模型的道路交通事故链生成与演化研究
被引量:
6
1
作者
熊晓夏
陈龙
梁军
陈月霞
机构
江苏大学汽车与交通工程学院
出处
《公路交通科技》
CAS
CSCD
北大核心
2018年第5期99-107,共9页
基金
国家自然科学基金项目(U1564201
51108209
+2 种基金
50875112
70972048)
江苏省普通高校研究生科研创新计划项目(KYLX16_0905)
文摘
为了研究道路交通事故链的生成和演变规律并全面反映道路交通事故的产生机理,以美国100-Car自然驾驶研究数据为基础,充分考虑了驾驶员状态和驾驶行为对道路交通安全的影响,构建了事故发生前驾驶员状态和行为特征参数等变量,并与其他传统驾驶员特征、道路交通特性以及环境特点等影响因素变量共同建立了关于道路交通事故风险类型的贝叶斯网络模型。在贝叶斯网络模型基础上,引入事故因果链理论,利用有向无环网络中简单路径搜索算法生成事故链集合,并采用信息增益特征选择方法识别关键事故链。通过100-Car自然驾驶数据得到的关键事故链显示,单车事故类型更容易在弯道和坡道条件下驾驶员无注意力转移或进行简单非驾驶任务的情况下发生;而正面、侧面和尾部碰撞事故类型的发生,往往在水平直线道路条件下,伴随着驾驶员注意力由前方道路转移至两侧车窗或内后视镜,以及驾驶员非驾驶任务变复杂的情况。通过改变事故链中各节点的状态概率,可以探索不同类型事故的演化路径和规律,克服了传统方法对每个道路交通事故致因因素进行独立分析的局限性,揭示了事故链中影响因素/事件之间的相关关系,为更好地掌控道路交通风险状态和实现事故链阻断提供了新的思路。
关键词
交通
工程
事故
链
生成与演化
贝叶斯网络模型
道路交通事故链
路径搜索
特征选择
Keywords
traffic engineering
accident chain generation and evolution
Bayesian network model
roadtraffic accident chain
path search
feature selection
分类号
U491.1 [交通运输工程—交通运输规划与管理]
原文传递
题名
基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法
被引量:
8
2
作者
于扬
梁军
陈龙
陈小波
朱宁
华国栋
机构
江苏大学汽车工程研究院
静冈理工科大学机械系
江苏智行未来汽车研究院
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2020年第23期2874-2882,2890,共10页
基金
国家重点研发计划资助项目(2018YFB1600500)
国家自然科学基金资助项目(U1664258,51875255,61601203)
+1 种基金
江苏省六大人才高峰项目(2015-DZXX-048)
江苏省高等学校自然科学研究重大项目(18KJA580002)。
文摘
为了有效降低因驾驶员紧急换道行为而诱发的交通事故,提高道路交通事故链阻断效率,提出一种基于高斯混合隐马尔科夫模型(GMM-HMM)和人工神经网络(ANN)的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识,采用ANN预测下一时段的驾驶行为,再预测换道过程中的横向加速度变化率,从而判断紧急换道的危险程度。驾驶员在环仿真实验及实车实验结果表明,该方法预测避险成功率达92.83%,实验避险成功率达90.32%。该方法能有效地对紧急换道行为进行提前警告与干预。
关键词
换道行为预测
高斯混合隐马尔可夫模型
人工神经网络
道路交通事故链
阻断
Keywords
lane-changing behavior prediction
Gaussian mixed model-hidden Markov model(GMM-HMM)
artificial neural network(ANN)
blocking of chains of road traffic incidents
分类号
U580.70 [交通运输工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贝叶斯网络模型的道路交通事故链生成与演化研究
熊晓夏
陈龙
梁军
陈月霞
《公路交通科技》
CAS
CSCD
北大核心
2018
6
原文传递
2
基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法
于扬
梁军
陈龙
陈小波
朱宁
华国栋
《中国机械工程》
EI
CAS
CSCD
北大核心
2020
8
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部