基于CBDT和KNN的地铁施工坍塌事故应急措施生成研究

为了使历史事故经验在地铁施工坍塌事故的应急决策中起到高效、准确的辅助作用,提出一种基于案例决策理论(case-based decision theory,CBDT)和改进的K近邻(K-nearest neighbor,KNN)算法的地铁施工坍塌事故应急措施生成方法.在CBDT视角下,基于中文分词技术筛选出事故描述单元因素,并将这些因素用于结构化的事故信息记录中,构建历史事故案例库.基于改进的KNN算法,设计了权重、结构相似度、局部相似度、可替代度和全局相似度计算5个步骤组成的事故相似度计算算法,检索相似历史事故,从而输出应急措施建议.最后,通过案例分析验证了本研究方法的可行性和有效性.     

震后城市路网关键路段识别

地震灾害会对城市路网带来结构破坏和功能失效,在震后初期资源有限的条件下,识别出路网中的关键路段以优先抢修,对恢复路网可靠性和提升救援效率至关重要.本文采用畅通可靠度作为衡量指标,结合交通需求和供给两个维度,构建评估城市路网抗震可靠性的贝叶斯网络模型,求解模型得到震后路网中的薄弱路段和重要路段,最后结合两者识别出震后路网中的关键路段,为决策管理部门提供震后应急救援和震前路网维护的理论依据.以某区域局部路网为示例,设定地震影响,定量分析该路网的抗震可靠性并识别出路网中的关键路段,验证该模型的可行性.     

基于门控权重单元的多变量时间序列预测

多变量时间序列各变量间依赖性较强,数据变化趋势不明显,预测难度高.传统研究采用带门控机制的循环神经网络及变体进行预测,但序列间存在相互依赖关系,突变数据段建模预测不精确.基于信息熵,本文提出一种新的改进门控权重单元,利用信息熵技术量化数据序列的变化程度,动态调整权重矩阵刻画数据的变化趋势.基于4个公开数据集分别进行实验,实验结果表明新模型比传统循环神经网络模型具有更好的预测性能.     

基于综合权重因子的城市时需水量预测

提出了基于综合权重因子的城市时需水量预测方法。根据预测日前几日和前几周的用水量数据,计算平均时用水量;引入综合权重因子,构建预测日前1日时用水量模型。结合日需水量预测数据,将获得的最优连续日数、最优连续周数和综合权重因子,用于预测日的时需水量预测。算例验证结果表明,预测值平均绝对百分比误差较小。     

基于参数描述的换道场景自动驾驶精确决策学习

为提高车辆驾驶安全性并充分考虑人类驾驶员对于自动驾驶控制系统的接受度,研究并实现了自动驾驶车辆在换道场景下的精确决策学习。汽车自动驾驶不仅需要决策是否换道,还需要决定汽车的具体微观行为,如换道时间和期望加速度的确定等,因此,车道变换的精确决策需使用3个参数来描述,并需要通过强化学习求解。这种基于参数精确决策的合理性体现在两个方面：首先是不同的决策参数值会影响规划的轨迹,如果决策不精确,将产生运动的不确定性;其次是基于真实交通数据（NGSIM）的分析,因为人类换道行为在换道时间和期望加速度上存在显著的差异性,在当前的决策研究中很少被明确考虑。此外,发现NGSIM数据中存在一些潜在的紧急情况,可以通过优化部分决策参数来提升其安全性;在强化学习算法的设计中,动作过程中加入换道时间和期望加速度;奖励函数考虑了安全性、当前驾驶员的意愿和平均人类驾驶风格;问题求解中,自定义了基函数,并通过基于核函数的最小二乘策略迭代强化学习方法学习精确的安全决策行为。仿真结果表明,使用强化学习参数决策可以实现更精确的决策,从而提高安全性能,并可在变道场景中模仿人类驾驶员的行为。     

寻求“塔勒布超越”：常态化疫情防控与科技型企业可持续成长——来自南京1907家高新技术企业的经验证据

 如何在疫情冲击下保持成长韧性,并从危机中寻求弯道超越,成为后疫情时代科技型企业可持续、高质量发展的重要议题。选取南京1907家高新技术企业,从常态化疫情防控对科技型企业的影响程度、现实困境及政策诉求等多视角对重大突发卫生事件的现实和潜在影响进行了全面梳理和深层次分析。调研结果表明：（1）52.44%的科技型企业明显受到影响,营收业绩下滑是主要挑战,新产品开发成为创新活动最大壁垒;（2）经营上,科技型企业销售经营招人难、用人贵成为首要制约因素,财务风险普遍较高。研发上,存在科技人才贵、引进人才难,数字化智能化转型的自救措施尚未受到足够重视以及创新产品推广的市场开拓成本高昂等困境;（3）常态化疫情防控下科技型企业的政策诉求在于政府扶持政策作用的充分释放还存在缓冲期,91.14%的企业希望加大研发费用补贴。提出建议,常态化疫情精准防控过程中还应创新科技型企业培育和引才方式,加强产学研合作和技术攻关;相应地,构建高新技术领域动态监测和科技风险预警体系,强化科技安全;同时,科技体制机制改革需要加快数字政府和科技创新环境建设,推动科技创新治理体系和治理能力现代化。     

基于点云与图像决策级融合的道路行人检测

现有基于点云与图像融合的行人检测要求高算力的处理平台,应用于低算力低功耗的嵌入式平台时,无法满足行人检测的准确率和实时性.基此提出一种融合点云与图像的道路行人检测方法,该方法采用DBSCAN算法对点云进行聚类,然后,运用概率数据关联算法将行人点云与图像的行人检测结果进行决策级融合,最后,在嵌入式计算平台上进行软硬件集成与测试验证.实验结果表明,相比于其他目标检测算法,设计的融合点云与图像的道路行人检测方法,不仅提高了道路行人方位的检测精度,而且检测用时降低了46.6％以上.     

群决策共识过程的优化及其在农产品滞销中的应用

群决策在重大事件中起着越来越重要的作用.如何优化决策过程并使专家们的意见达成共识是当前的热点问题.为了更有效的帮助人们使用群决策方法解决现实问题,运用犹豫模糊语言偏好关系,基于距离测度和相似度构建一种新的群决策方法.首先,介绍了语言术语集和犹豫模糊语言偏好关系的相关概念;其次,提出共识性测度及群共识性指数改进算法,在此算法和集结算子的基础上,构建群决策模型;最后,利用农产品滞销案例验证该模型的合理性和有效性.     

基于改进灰色关联投影法的无人机避让优先运行策略

针对未来混合空域中多种航空器共同执行任务而可能出现飞行避让安全问题,提出了一种基于组合赋权改进灰色关联投影法的无人机避让优先运行策略。首先,从空域管理、航空法规、风险评估等角度分析影响避让过程的因素,构建无人机避让评价指标体系;其次,利用层次分析法和粗糙熵法进行主客观赋权,由合作博弈方法构建离差和最小目标优化函数将主客观权重融合确定最终权重,克服主观赋权随意性和客观赋权过分依赖数据的弊端;随后,利用优劣解距离法(TOPSIS)与灰色关联投影法的融合算法对无人机避让对象进行综合评价,从而获取无人机优先避让运行策略;最后,将融合算法与TOPSIS算法进行对比。结果表明,较于TOPSIS法,所提融合算法获取策略与空域运行实践相符且灵敏度提高了17.08%。因此,新算法避免了单一算法的数据丢失现象,提高了获取策略的准确性,可为混合空域的无人机运行策略获取提供新思路。     

基于不确定性测度的直觉模糊决策模型

在综合衡量直觉模糊数自身所具有的不确定性及其所表达信息的不确定性的基础上,以凸组合的形式设计了混合型直觉模糊熵和交叉熵测度;与已有测度相比,混合型熵测度具有更强的区分能力,而混合型交叉熵测度具有自然的对称性。在此基础上,设计了直觉模糊环境下的多属性群体决策模型,并将其应用于教育教学质量评价。理论分析和数值结果表明：混合型直觉模糊熵和交叉熵测度能够成对设计,互为印证,因而更具合理性;基于不确定性测度的群体决策模型结构清晰,步骤简明,决策结果客观有效。