城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

基于麻雀搜索算法与随机森林融合模型的个人信用评估

针对如何准确评估复杂的用户信用问题,提出一种基于麻雀搜索算法的随机森林（SSA-RF）模型,利用SSA优化RF模型中决策树和最小节点数,并基于优化后的RF模型对数据样本进行分类,并评估所提模型和传统模型的性能. 研究结果表明： SSA-RF模型具备较高的准确性.     

基于人工神经网络的运行车速与道路安全性关系

通过实测中国高速公路车辆运行车速并分析其道路事故特征,提出了使用运行车速以及相邻路段运行车速差预测道路安全性的概念,并运用反向传输网络(BP网络)较强的非线性适应能力,采用多层BP网络,建立了基于人工神经网络的运行车速与道路安全性关系模型.使用训练后模型测试部分实测路段安全性,取得了较好的结果,为高速公路的道路安全性评价提供了一种较为可行的方法.     

基于阶梯收费刷卡数据的公交下车站点算法优化与实证评估

以某市连续5日全天公交阶梯收费刷卡数据、公交出行GPS(global positioning system)数据及公交站点数据为基础,结合出行链算法与随机森林网络,构建了一套公交下车站点融合分析模型.在模型中,首先匹配GPS数据与公交站点数据,确定不同时刻的公交到站信息,再以乘客上车站点位置、出行频率、活动空间、下车点...     

基于AttentionR2U-net的岩石（体）关键节理智能识别与参数提取

针对岩石（体）表面复杂节理网中关键节理的智能识别与参数提取问题,提出一种基于AttentionR2U-net网络与节理几何特征模型耦合识别的方法.在R2U-net网络的基础上引入注意门（attention gate）改进网络,通过定性与定量的方法对边坡节理图像和混凝土、龟裂土、常见脆性岩石裂隙图像的识别结果分别作准确性及泛化能力检验;利用AttentionR2U-net网络耦合节理几何特征的方法识别关键节理,提取原始节理和关键节理的几何参数并对其迹长、面积及倾角作差异性分析.研究结果表明：针对岩石（体）节理识别,本文算法的Dice相似系数从U-net网络的0.965提升至0.990,且明显优于传统算法,故本文算法在岩石（体）节理识别上具有更强的可靠性与优越性;针对混凝土、龟裂土和大理岩、花岗岩、砂岩等脆性岩石裂隙的识别,本文算法的Dice相似系数均在0.953以上,故本文算法具有较强的泛化能力.与原始节理网络相比,关键节理网络优势迹长由0.732 m显著增大至1.835 m,节理倾角分布形式和优势倾角组均不变,优势迹长和倾角的节理占比均显著增大.     

上海城市快速路交通监控系统架构及模型

基于对快速路交通状况的分析，提出建立先进交通监控系统的必要性．构建了由外场设备、通信系统及监控中心构成的系统总体架构．建立了交通检测数据优化模型、交通状态自动辨识模型和实时行程时间预测模型，并应用于快速路交通监控系统建设和运行．     

基于动态归类技术的交通流实时运营风险评价

基于车辆间直接影响和状态传递的特征,提出用以辨识交通流各向异性和运动差异性的动态归类技术.基于车辆微观运动特征和车辆间的相互影响,提出考虑危险情形的交通流运营风险矩阵和状态关联矩阵.制定交通流运营风险的等级判别标准,构建交通流的实时运营风险指数模型.选取某高速公路事故多发路段进行试验,结果表明交通流的运营风险指数与历史交通事故数存在良好的关联性.     

基于随机生存森林的城市快速路交通事件持续时间预测研究

交通事故、抛锚等交通事件对城市快速路的运行影响极大;准确预测交通事件的持续时间可有助于主动交通管理措施的实施,提升通行效率与安全。本研究采用随机生存森林模型开展交通事件持续时间分析,以克服传统决策树模型易过度拟合和传统生存分析需限制性假定及识别协变量交互作用的缺陷。研究基于上海城市快速路网交通事件数据,并结合道路几何线形、交通运行、天气状况等数据。原始数据库分为训练数据(80%)和测试数据(20%)。分析结果表明事件类型、路段长度、发生地点、剩余车道数、交通流量等变量对交通事件持续时间有显著影响;影响时间预测准确率结果表明随机生存森林模型预测精度显著优于随机森林的预测精度。     

北京市快速环路速度-密度模型研究

以北京市快速环路系统为研究对象,对微波检测器(RTMS)获得的交通流数据进行处理分析,研究北京市快速环路交通流运行特征,建立了速度-密度模型.同时分析了北京市快速环路速度-密度模型在快速路研究中的作用,指出了快速路出入口对保持自由流速度的不利影响.这为交通控制优化、车流波形成机理的研究提供了基础.     

基于风险域的城市道路交叉口交通冲突分析方法

提出了基于风险域的交通冲突分析二阶段法。采用inD数据集,通过车辆到达风险域的时间（t_TTR）进行交通冲突识别,再根据风险域内的持续时间来判定交通冲突的风险程度。结果表明：与基于碰撞时间（t_TTC）的方法相比,该方法不仅能够更有效地识别追尾冲突和相交冲突,还能够表征不同时刻交通冲突的风险程度。     

基于随机森林的城市建筑火灾风险等级评估方法

为实现城市建筑火灾风险智能量化评估,并解决消防资源优化配置问题,提出一种基于随机森林算法的城市建筑火灾风险等级评估方法。该方法框架由评估模型构建、火灾风险等级确定、特征重要性分析三部分组成,首先,基于随机森林算法和城市火灾特征数据建立火灾风险分数评估模型,对火灾风险进行数值化评估;其次,结合城市火灾防控实际和风险分数,确定地块建筑的火灾风险等级,并挖掘风险等级与建筑物性质之间的关系;最后,在此基础上通过特征重要性(feature importance, FI)算法,对火灾风险因子进行分析,挖掘出高影响因子的火灾隐患特征,以指导消防管理人员提高消防检查效率。以美国迈尔斯堡的历史火灾数据作为实验数据,建立了该城市的火灾风险评估模型,对城市建筑的火灾风险等级进行了量化分析。在上述成果基础上,设计开发了交互式消防热点风险地图,以方便相关人员快速确定地块建筑火灾风险,并据此调整消防检查的策略以及人力物力资源的分配。     

基于追尾危险感知模糊推理的交通流运行安全评价

为了有效替代基于事故数据的传统追尾风险评价方法,对微观驾驶员追尾危险感知模糊推理中的跟驰安全距离计算方法,包括影响驾驶员反应时间的天气状况隶属度函数进行了改进.以此为基础,提出可评价整个行车环境安全的道路行车危险总体感知度指标;构建了一个衡量宏观交通流的平均追尾风险评价指标,并通过Aimsun仿真软件得到不同交通条件下的平均追尾风险评价指标值,采用通过模糊聚类方法对该指标进行等级划分,可为道路交通事故预警技术提供支持.     

基于联合距离评估法的共享电动汽车驾驶风险评估

基于模糊信息和多属性决策,提出一套共享电动汽车（SEVs）失效模式与影响分析（FMEA）方法,包括采用互评法进行专家筛选与赋权,构建风险评估标准,采用共识理论对专家意见进行检验,采用贴近度最优化法对风险因子进行客观赋权,引入联合距离评估（CODAS）法对失效模式的风险水平进行排序等。结果表明,高风险的失效模式主要分布在动力系统和行车系统。灵敏度分析和对比分析验证了结果稳健性和方法有效性。最后,提出了可行性安全管理措施建议。     

城市安全防范系统中风险评估应用研究的评述及展望

为了更好地研究不同评估方法在城市安全防范系统的应用并就其现状和发展趋势进行分析和概括,依据当前中外主要论文和专著数据库Web of Science、Science Direct、Engineering Village、Springer及知网等文献数据库,检索了2008—2018年有关城市安全防范系统的风险评估的研究论文和专著200余篇(部),分析了各类方法的特点和成效,探讨风险评估方法在城市安全领域的应用价值和前景。研究表明:不同的风险评估方法在城市的不同领域有着自身的优势,因此方法的选择需要根据不同场景、不同领域进行调整,特别是要根据现代城市建设的需要,选择综合性、先进性的风险评估方法,能够准确有效地提高各类风险评估的成效。