基于灵敏度学习的交通方式安全参数结构模型

不同的交通方式具有不同的运动参数,运行环境也不同,因此其交通安全水平也不同.为发现这些动力学性质之间的关联性,运用基于马尔可夫链的灵敏度学习方法,依据步行、自行车、汽车等交通方式运动参数建立交通方式的参数结构模型,从而实现对各种交通方式的安全水平和运动参数分布情况定的量化评价.模型考虑的动力学参数包括最大速度、加速度、最小适应速度、转弯半径、速度与损坏程度等,依据灵敏度学习理论,在不同参数间的马尔可夫过程的基础上由反向推导得到安全运动参数结构.模型分析结果显示,在交通参与者追求快速出行的同时,需要充分考虑其他动力学特征对交通安全的影响,以形成安全可靠的出行过程.