考虑空间相关性的信控交叉口安全分析

利用广义估计方程(generalized estimating equation,GEE)考虑交叉口的空间相关性,分析交叉口所处位置、几何设计、信号控制、运行状况等因素对于安全的影响.结果表明,以自回归型(autoregressive)为关联矩阵的GEE模型具有最优的拟合效果;交叉口间距越小、转向车道比例越大、相位数越多、日均流量越大,事故产生的风险越大;十字交叉口、低交通密度、位于高架下的交叉口的事故发生几率较高.     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

CDMA时分模式下的统计贝叶斯信道估计

分析了CDMA时分模式下的统计贝叶斯信道估计。通过理论分析得到了简化的贝叶斯信道估计权值，其 等同将后向概率的最大化。提出了一种综合贝叶斯估计和门限的改进方法。计算机仿真结果表明不仅提高了信 道估计精度，而且保持了较低的计算复杂度。     

参数在线学习的动态贝叶斯网络态势估计算法

为快速实现对战场态势的精确估计,提出了参数在线学习的动态贝叶斯网络方法:在基于专家知识确定的动态贝叶斯网络结构模型基础上,用前向递归方法对网络模型的参数进行估计.针对战场态势模型的观测值具有小样本的特性,以狄利克雷分布作为样本的先验分布,采用矩估计法对先验分布的超参数进行估计,以该先验分布的等价样本与观测值实现对网络参数的学习和对战场态势的估计.仿真实验结果表明,应用该方法实现态势估计具有较高的实时性和准确性.     

基于随机效应模型的交叉口事故碰撞类型建模

考虑交叉口不同进口道之间的差异性,在进口道层面对不同碰撞类型事故分别建立随机效应模型,通过在负二项模型中引入随机效应项来考虑交叉口不同进口道之间的空间相关性.模型参数采用全贝叶斯方法进行估计.结果表明:不同碰撞类型事故的影响因素不同,且同一影响因素对不同碰撞类型事故的影响程度也存在显著差异,验证了区分碰撞类型进行事故建模的必要性.随机效应项在各模型中均显著,表明交叉口不同进口道之间事故频率存在显著的空间相关性.     

基于变分稀疏贝叶斯的off-grid DOA估计

针对传统稀疏贝叶斯学习方法在解决低信噪比条件下信号到达角DOA估计中,到达角不完全落在阵元端离散化网格点上的情况,提出了一种基于变分稀疏贝叶斯学习期望最大化的离格DOA处理方法.该方法首先对均匀线阵的实际接收信号off-grid情况建立参数化稀疏模型,利用变分稀疏贝叶斯学习方法,通过最小化KL散度寻求一个与后验概率近似的概率分布,其次期望最大化方法分别在期望阶段和最大化阶段进行参数推断,进一步在离格误差模型下以较高的精度和分辨率实现信号到达角的估计,最后仿真结果表明,该方法不仅在传统SBL方法的基础上提高了运算效率,而且具有更高的空域分辨率和角度估计精度,该方法具有优越的角度估计性能.     

基于多任务贝叶斯压缩感知的宽带频谱检测

针对认知无线网络中主用户信号在空频域的稀疏性,基于贝叶斯压缩感知(BCS)的信号重构通过层次化贝叶斯分析分级先验模型获得稀疏信号估计.将贝叶斯压缩感知应用于认知无线电宽带压缩频谱检测,利用多认知用户感知信号的时空相关性实现在多用户多任务传输条件下的稀疏信号重构与宽带压缩频谱检测.研究了基于期望最大化算法和相关向量机模型的多任务BCS参数估计.仿真结果表明:相比于传统单任务BCS重构方法,多任务BCS在节点能耗与网络带宽受限的条件下,通过对估计参数的合理优化,在较低压缩比区域可实现重构均方误差的快速收敛,且检测性能随着任务数的增加而提高.当感知数据相关性从25%增加到75%,且任务数一定时,所提方法的重构观测数明显下降,宽带频谱检测性能显著提高.     

基于HMM模型的贝叶斯滤波方法

针对非线性动态系统估计问题,引入了一种不完全观测数据的统计模型--HMM模型,其双层随机结构较好地满足了实际估计的要求.在具体滤波过程中,将处理非线性问题常用的贝叶斯方法和HMM模型进行结合,通过预测和更新操作实现系统状态后验的连续递推估计,提高了运算速度.     

优化经验贝叶斯事故黑点识别与排序方法

为了对道路交通事故黑点进行准确有效识别和排序,提出基于事故统计数据及事故预测模型的优化经验贝叶斯黑点识别方法,并对该方法的工程实用性进行了优化。同时,从事故发生危险程度、安全治理可提升空间2个方面提出了优化经验贝叶斯黑点排序方法。选取2个城市的信号交叉口事故数据,利用基于事故统计数据的黑点识别方法对城市A的总事故黑点、伤亡事故黑点分别进行了识别,并按照事故发生危险程度进行了总事故黑点排序;利用基于事故预测模型的黑点识别方法对城市B的事故黑点进行识别,并分别按照事故发生危险程度、安全治理可提升空间2种排序规则进行了黑点排序。结果表明:在95%的显著性水平下,城市A共识别出24个总事故黑点及18个伤亡事故黑点;在99%的显著性水平下,城市B共识别出15个事故黑点;优化经验贝叶斯法在识别准确性、消除事故数随机波动及趋中心回归现象影响方面优于事故率法和质量控制法;基于安全治理可提升空间的排序指标倾向于筛选出安全治理投资收益比高的地点,基于事故发生危险程度的排序指标则倾向于筛选出与事故期望值偏离较大的地点。     

一种用于小样本合格率动态估计的Bayes方法

针对复杂机械产品制造业广泛存在的大批量生产、小样本检验的特点，在采用矩法由历史测量数据构造产品合格率参数先验分布的基础上，提出一种综合历史数据与当前小样本信息进行合格率估计的Bayes算法，建立了动态递推模型，实现了合格率的准确估计。采用统计仿真的方法对动态估计精度进行了分析，给出了依据离线测量数据进行合格率评估的计算实例。结果表明，所提出的方法是有效而且实用的，为质量问题的及时发现和控制提供了依据。     

不同区划方案对宏观交通事故建模的影响

依托美国佛罗里达州Hillsborough县历史数据,分别提取人口普查单元组、交通分析小区、人口普查区、邮政投递区等4种区划方案的事故数据、路网交通特征数据和经济-社会-人口数据;基于贝叶斯方法构建负二项条件自回归模型,从模型拟合度、模型估计参数、小区事故黑面识别等3个方面定量评价不同区划方案对宏观交通安全分析结果的影响.研究表明:宏观交通安全分析结果会随着空间单元划分方式不同而产生显著差异;小区数目越少,事故预测越为准确;对比人口普查单元组、人口普查区和邮政投递区,基于交通分析小区的模型拟合度最低;变量中等家庭收入对分区规模最不敏感,其参数估计结果具有稳健性和可靠性.     

基于条件自回归模型的城市宏观安全分析

基于上海市外环以内263个交通分析小区的事故、道路、交通、土地利用数据,在交通分析小区层面建立贝叶斯负二项条件自回归模型,分析事故在交通分析小区层面的显著影响因素.结果表明,主、次干道长度的增加会显著增加交通分析小区内的事故数量;道路网密度、交叉口数量与小区事故数具有显著正相关性;随着客车产生量的增加,事故数量增加;土地利用强度高,相应的事故数量增多.     

非机动车通勤者交叉口安全穿越可靠性分析

运用可靠性思想研究了非机动车通勤者的安全穿越可靠性及其关键因子,采用录像摄像方法获取非机动车通勤者的穿越行为数据,基于北京实测数据和加速风险模型方法,探讨了非机动车通勤者可靠性的最优模型和关键影响因素.结果表明,4种常用参数模型中威布尔分布模型最适合用于拟合非机动车通勤者的安全穿越可靠性,影响穿越可靠性的关键因子主要为骑行工具、等待区域、骑行方向和违规人数等.     

考虑空间自相关的贝叶斯事故预测模型研究

依托美国佛罗里达州Hillsborough县的数据建立区域安全预测模型.将该县重新划分为200,500,700个交通安全分析小区;提取小区层面路网特征数据、出行数据和其他影响因素,考虑空间自相关特性,建立贝叶斯空间模型;分析小区层面影响因素的安全效应,评价不同分区规模对安全因素效应的影响.对比传统的泊松模型和泊松-对数正态模型,贝叶斯空间模型具有更高的数据拟合度;分区数目越多,空间因素在随机因素中的比重越高;同一种分区下,路网特征变量的安全效应具有鲁棒性;限速大于56 km的路段总长度是预测安全水平的主要指标.     

宏观交通安全建模研究与安全影响因素分析

由于对规划层面的交通安全研究不足,道路网络特征、区域交通特征及区域其他与交通安全的关系尚不明确,导致在交通规划阶段缺少可用的方法和工具来评价不同规划方案的安全性.依托美国佛罗里达州Orange县的数据对宏观交通安全建模进行了系统研究,基于拓扑学理论计算交通分析小区(traffic analysis zone,TAZ)路网形态结构,提取TAZ层面交通特征和其他影响因素.TAZ在空间上有远近之分,相邻的TAZ在社会经济发展、道路交通特征方面有某种程度的趋同性,距离较远的TAZ之间有某种程度的相异性.贝叶斯条件自回归模型可以分析空间相关数据,利用先进的贝叶斯空间统计模型分析TAZ层面交通安全与影响因素之间的关系.基于事故发生机理考虑,提出将主干路事故和支路事故分别建模的新思路.分析发现新的建模思路能够很好区分不同道路类型的安全影响因素;路网形态结构和安全之间有显著的关系.     

一种迭代小波域维纳滤波算法

在WienerChop算法的基础上,提出了一种改进的小波域维纳滤波器,在小波域采用基于贝叶斯估计的小波阈值去噪技术估计期望信号,提高估计的精度,并以此设计经验维纳滤波器;进一步适当选择多小波基,使每个基函数通过小波变换能够比其他小波基更好地捕捉信号的某些特定特征,从而实现WienerChop算法的迭代.仿真实验表明提出的迭代WienerChop算法有效地改善了去噪后图像的均方误差和信噪比,与BayesShrink算法和非迭代的WienerChop算法相比,迭代WienerChop方法去噪后图像的峰值信噪比增益分别达到0.78~1.00dB和0.36~0.49dB.     

基于Bayes估计的民航维修人为差错评估技术研究

研究了基于Bayes估计的民航维修人为差错评估技术。首先,将维修人为差错概率视为随机变量,利用航空公司积累的历史信息作为先验数据,以THERP手册提供的5%分位点作为维修人为差错概率中值,运用点估计法确定维修人为差错的先验分布模型。其次,给出了Bayes先验分布参数的求解方法。最后,选取验后Beta分布的中值作为θ的贝叶斯估计,构建了民航人为维修差错概率计算方法。通过实例分析,可以看出随着维修次数的增多,维修人为差错概率就越接近于极大似然法估计的失效概率。现场数据的检验反映了该评估方法的有效性、精确性和实用性。     

基于区间数据的非参数Bayes估计

基于Dirichlet过程为先验分布,给出区间数据下总体分布非参数Bayes估计的表达式;通过对常用分布的随机模拟,阐述几类先验分布对估计效果的影响;最后,与参数极大似然法比较,证明所构造的方法具有相近的估计效果.      

熵损失函数下指数分布参数的估计

文章在指数分布参数的先验分布为其共轭先验分布Gamma分布Γ(a,b)时,给出了其在熵损失函数下的E-Bayes估计和多层Bayes估计。