基于改进系统工程决策理论的高速公路交通安全评价研究

为突破单维度交通安全评价中“事故强度分析”的局限,实现针对区域类型差异条件下的高速公路交通安全水平的定量研判.以4个维度作为基准,共考虑了其中8项特征指标,构建了面向多区域高速公路待评单元的综合交通安全水平评价体系;进而,将系统工程决策理论首次应用于交通安全评价中并对其实施改进,采用提出的熵权改进密切值评价模型分别从年度与季度划分视角进行交通安全评价,基于求解得到的欧式距离,最终以密切系数大小表征待评单元优劣.研究结果表明:年度与季度划分视角下,交通安全水平在各区域类型高速公路中表现出显著差异;由于传统密切值模型中的指标为等权重输入,故为避免测算结果偏差,有必要采取加权优化的手段改进传统模型.该方法在未引入主观参数情况下即可显示出较高分辨率的结果,可作为一种有效的公路交通安全评价方法.

面向智能交通的无线传感网络分簇算法

无线传感网络是智能交通系统的关键组成部分。合理的分簇技术有利用于提高无线传感网络能量利用率。研究了基于孤点感知能效的无线传感网络分簇算法(INEEC),该算法将时间划分等间隔的轮,每一轮进行簇头选择,平衡簇头的能耗。在簇头选择阶段,每个节点先选择一个随机数,依据各节点的能量以及该区域的局部能量信息估计门限值。若随机数小于门限值,就成为簇头。每个簇头节点广播请求加入消息,其他节点接收消息后,加入最近的簇。若没有收到任何请求加入消息,节点就为孤点。仿真结果表明,相比于HEED和LEACH算法,该算法孤点数最少,传输时延最低,簇头分布更加均匀使总体能耗降低,网络寿命比HEED算法提高近23.5%,较好解决了同类算法在应用中能量效率较低、能耗较高、网络生命周期较短的关键问题。

基于WOMDI-Apriori算法的高速公路交通事故风险识别

为揭示高速公路交通事故发生内在机理、提升高速公路行车安全;首先,基于UW-DriveNet交通大数据平台,提取了2016年美国华盛顿州3万余条交通事故数据,从人、车、路、环境、事故、时间6个维度对数据集进行了样本结构设计;进而,提出了一种考虑定向约束和指标赋权的多维度交互改进Apriori关联规则挖掘算法,以基于区间层次分析法和灰色关联度的主客观联合赋权模型对数据字段进行权重优化;最后,应用该改进算法,对选定的高速公路路段进行了全映射事故致因角度和事故维度自相关角度的多维度交互的关联规则挖掘计算.结果显示,改进的WODMI-Apriori算法能更好地揭示高速公路的事故致因、更精确地识别事故风险因子,其算法精确度较传统Apriori算法提升了82.7%.结果表明,本文提出的WODMI-Apriori算法可作为高速公路交通事故风险识别工作中的一种行之有效的方法,并可为高速公路行车安全水平的提升提供理论指导.

大型车辆侧翻预测和控制技术研究进展

大型车辆引起的重特大侧翻事故频发会造成严重的人员伤亡和财产损失,因此,提高中国大型车辆防侧翻技术水平显得尤为重要。通过阐述国内外在车辆侧翻预警和稳定性控制方面开展的研究现状,详细描述基于静态门限值法和动态门限值法的侧翻预警技术研究进展,分析车辆半主动、主动转向控制、主动悬架控制、差动控制、电子稳定控制、联合控制等防侧翻控制技术发展现状,指出当前车辆侧倾预警领域主要研究方向在于提高侧翻指标的预测精度和响应实时性,特别是综合考虑道路环境因素对侧翻指标的影响。侧翻控制已逐步从半主动阶段提升到主动控制,控制方法更趋智能化、精确化。人-车-路-环境耦合作用、复杂非线性条件下的车辆侧翻预测模型,以及混沌条件下的优化控制将会是未来重点研究方向。

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。

基于改进动态窗口法的无人水面艇自主避碰算法

为研究避碰规则、无人水面艇(unmanned surface vessel,USV)运动学特点和海上交通复杂度等因素约束下的USV自主避碰技术,在分析初始动态窗口法的基础上,考虑《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea,COLREGs)关于避碰行动时机、避让幅度、复航时机等方面的要求,建立融合避碰规则的动态窗口模型,设计融合避碰规则的动态窗口法。通过对比仿真实验验证该方法的可行性和有效性,具有一定的现实意义。

基于最小二乘支持向量机的AIS数据修复方法

针对当前船舶自动识别系统(automatic identification system,AIS)数据存在大量错误和缺失的问题,通过匹配AIS数据丢失时间制定完备AIS数据库,采用改进的Hausdorff距离公式融合轨迹空间相似度与船舶航行速度相似度,采用相似轨迹作为最小二乘支持向量机(least squares support vector machine,LSSVM)算法的输入样本,通过数据训练得到的回归模型对AIS数据进行修复。采用实际数据进行验证。结果显示,本文提出的基于粒子群优化(particle swarm optimization,PSO)的LSSVM算法能够准确还原AIS数据。结果可以提高AIS数据的连续性和完整性。

不同会遇态势下目标船行为模拟及其特征分析

划分目标船与本船的会遇态势是船舶驾驶人员确定避让责任和采取避让行动的前提条件,对船舶的航行安全至关重要。为验证现有会遇态势划分方法的有效性,明确相对方位和航向差与会遇态势的关系,掌握船舶在不同会遇态势下的运动特征和视觉特征变化情况,利用计算机模拟了不同会遇态势下的目标船和本船的运动,统计分析了目标船与本船的距离、相对方位和本船观察目标船视角3个参数的变化情况,得出了不同会遇态势下目标船的行为特征。研究结果表明:在进行船舶会遇态势划分时,除了目标船的相对方位和航向差、距离也是重要的影响因素;单独利用相对方位进行会遇态势划分是不合理的。同时,本船观察目标船的视角大小及其变化情况与会遇态势密切相关,可将其作为会遇态势的划分依据,这说明利用目标船的视觉特征进行会遇态势划分是可行的。