灰色关联分析的改进与应用

灰色关联分析是基于曲线之间的相似程序来确定因素间关联性的一种分析方法。为了提高分析的可靠性和在建模中的应用，本文采用了线性变换的方法，并重新定义了关联系数。这种改进的分析方法，为建立模型及确定模型参数提供了新的思路。应用实例表明，效果显著，模型精度与采用最小二乘法确定参数的模型精度相当。     

经济圈公路网络适应性评价分析研究

在分析经济圈公路网络建设与区域社会经济发展的作用机理的基础上,建立了经济圈公路网络适应性评价指标体系,并提出了一种基于数据包络分析(DEA)的加权灰色关联分析评价方法。该方法综合了DEA和灰色关联分析两种方法的优点,以灰色关联分析为中心模型,通过复合DEA模型来确定每一个被评价对象(决策变量)中各点关联系数的权重向量,从而计算出相对最优的关联度,实现对评价对象客观的优先排序,避免了采用单一评价方法易受评价主体主观影响的缺点。最后通过我国长三角经济圈公路网络的适应性评价实例,对评价方法进行了初步验证,有效可行。     

沥青路面裂缝破损与弯沉的灰色关联分析

通过对广东省十一条高速公路沥青路面裂缝破损及弯沉的调查,探讨分析了沥青路面弯沉的主要来源及其变化规律,并运用灰色关联理论对裂缝破损与弯沉之间的关系进行了定性和定量分析,为查找沥青路面裂缝的成因提供了参考。     

基于距离分析的灰色关联分析法在电力消费评价中的应用

针对灰色关联分析方法计算关联度时客观性不足的问题,提出了基于距离分析法的灰色关联分析方法,运用距离分析法的原理,对传统的灰色关联方法进行改进,考虑了指标权重对评价结果的影响,使得评价结果更加合理。将该方法应用于电力消费的评价研究中,得到了较好的结果。     

区域城际轨道交通网络与空间结构适应性

为城际轨道网布局的适应性提供适用的决策方法,在分析城际轨道交通网络与区域空间结构适应性内涵的基础上,建立了既能反映区域城际轨道交通网络和区域空间结构主要特征,又能反映二者相关联的适应性评价指标体系.提出城市群城际轨道网布局的适应性评价模型——基于灰色关联熵的加权灰色关联度评价模型.该模型以加权灰色关联评价模型作为研究框架,对平均灰色关联度模型进行改进,应用灰熵分析方法确定关联系数的权重,更真实全面地反映了城际轨道网布局与区域空间结构的适应性情况.以武汉都市圈城际轨道交通线网规划为例,验证该方法的合理性和有效可行性.     

灰色理论在斜拉桥索力状态评估中的应用

该文基于灰色系统中的灰色关联分析理论,建立了斜拉桥索面索力状态评估方法,并以某斜拉桥索力实测值为例进行计算分析,计算中将三种不同情况下的索力值作为灰色关联分析中的参考序列,进行对比分析。结果表明,灰色关联分析方法可较好地应用于斜拉桥索力状态评估;若能考虑混凝土收缩徐变等影响,则以优化索力作为灰色关联分析参考序列的评估结果能更好地反映索力实际状态。     

高速公路养护机械配置方案综合评估

运用灰色关联分析和层次分析相结合的方法建立了高速公路养护机械配置方案综合评价指标体系，提出了高速公路养护机械灰色关联评价比选模型，同时结合实例说明了这种方法对养护机械配置方案综合评估的合理性。     

改进灰色关联分析在沥青路面养护质量评价中的应用

针对当前沥青路面养护质量评价,提出了一种改进灰色关联分析方法。首先建立了沥青路面养护质量评价指标体系,采用相邻指标比较法对灰色关联分析法加以改进,并用改进灰色关联分析方法对路段的养护质量进行评价,最后结合工程实例说明了该方法的有效性。     

基于动态GM-Markov优化模型的高铁路基冻胀变形预测研究

由于传统灰色模型在预测波动性较大的数据时精度不高，提出一种改进的动态GM-Markov预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进，通过原始序列的动态更新实现模型的参数更新，在此基础上利用马尔科夫模型进行残差修正，得到改进动态GM-Markov预测模型。利用某高铁路基冻胀变形监测数据进行实例分析，将改进的动态GM-Markov模型预测结果与灰色以及非等间距无偏灰色模型、最优组合模型预测结果进行对比分析，结果表明:改进的动态GM-Markov模型对于波动性较大的冻胀变形可以取得较好预测效果，提高了预测精度与稳定性。     

基于灰色理论的沥青路面裂缝预测模型研究

建立有效的路面裂缝预测模型,对建立科学养护决策体系具有重要意义。该文提出一种改进的灰色理论,对理论背景值及计算公式进行讨论和改进;在对沥青路面裂缝现场实测的基础上进行分析,确定裂缝发展的影响因素;结合改进的灰色理论建立了沥青路面裂缝增长的预测模型,并与传统模型进行对比。研究表明:该文提出的模型在预测路面裂纹增长趋势的问题上有较强的适应性,并且具有精度高、收敛快、多因素关联分析等优点。在此基础上,该文提出了基于沥青路面裂缝率的路况评价指标,论证了其与常规指标的相关性,并提出了道路养护的相关建议。     

基于多因子关联分析的道路交通事故灰色预测模型研究

基于灰关联分析,对道路交通事故的影响因子进行预处理,建立了基于多因子关联分析的道路交通事故GM(1,N)预测模型。对哈尔滨市1994年~2004年的道路交通事故进行实例分析,预测结果表明GM(1,N))模型的预测精度高于GM(1,1)模型及多元线性回归模型。该模型克服了GM(1,1)模型对于波动性较大的非平稳数列预测精度低的缺点,该模型具有简单、有效、预测精度高的特点。GM(1,N)模型是一种动态数据处理方法,且不会出现量化分析与定性分析结果矛盾的现象,能够很好的反映交通事故的未来发展趋势。     

长直线接小半径曲线公路交通事故成因及预防对策

根据小半径曲线路段的各种交通事故形态，对事故的成因作了分析，并指出现行相关规范的不足，提出了长直线及小半径曲线的界定方法；结合长直线接小半径曲线路段交通事故的实例分析，进一步提出了相应的预防措施。研究结果表明：长直线接小半径曲线路段交通事故的发生有其必然性和规律性，通过适当的措施和手段，可以大大减少这种路段上的交通事故。     

考虑人为因素的盾构隧道风险分析和控制模型研究

人为因素是导致隧道事故的主要原因,针对已有的人为失误分析模型在量化计算和风险控制方面的不足,提出了改进的S Reason分析和控制模型,以减少盾构隧道施工期的风险事故。结合隧道工程的施工特点,该模型相对于现有的S Reason模型提出以下2点改进： 1）以人为失误的控制难度权值为度量,找出风险事故的最优控制路径; 2）通过控制最优控制路径中的人为失误截断风险的事故链,同时利用反馈路径实时反馈控制效果。利用该模型对管片密封材料损伤破坏进行了分析,在该风险的最优控制路径上找出了不同层次人员的人为失误,并对人为失误提出了相应的控制措施;通过与常规方法的比较,表明所建模型既重视了组织和个人因素的影响,又兼顾了风险控制的经济性和安全性。     

道路交通事故信息采集技术及应用

随着社会经济的发展,当前我国购买和使用汽车的人数不断上升,而在有限的道路交通资源的情况下,交通拥堵以及交通事故发生的频率大大上升,而一旦发生交通事故,则需要对交通事故车辆及周围环境进行信息采集,对事故现场进行重建,进而还原事故产生的原因,进而对事故车辆的责任进行鉴定。近年来,为了更好地重建事故现场,分析相关事故产生的原因,对事故车辆进行责任鉴定以及采取措施减少事故发生的概率,如今在大部分地区已经使用了信息技术、监控技术以及人工智能技术等对交通事故信息进行采集。本文主要介绍了当前在交通事故信息采集过程中主要应用的三种技术类型,包括:基于摄影测量的技术、基于视频解算及分析的技术以及基于电子智能的技术。并分析了这些技术在交通事故信息数据库、交通事故分析重建、道路交通安全状况改善过程中的应用。     

基于灰色神经网络组合模型的水上交通事故预测

水上交通事故预测是水上安全的重要组成部分,目的是为了掌握水上交通事故未来的发展状况,为管理决策提供重要的理论依据。运用灰色神经网络组合模型对水上交通事故量进行预测,运用灰色模型对水上交通事故进行模拟,将结果和原始数据进行对比,计算出残差。运用BP神经网络模型对残差进行修正,得到最终预测的结果。仿真得到的2012年和2013年的水上交通事故预测量分别是270和281。实践表明,水上交通事故量呈下降趋势,但有部分年份仍有回升趋势。      

城市快速路交通事故特性分析及安全评价

以哈尔滨市3条快速路为研究对象,通过分析其道路交通事故统计数据,从时间分布、事故形态、事故成因等角度,探讨了城市快速路交通事故的特性。选取行车道宽度、交通饱和度、标志设施等9个指标,建立了城市快速路交通安全水平评价指标体系,进而提出了基于主成分分析法的快速路交通安全评价模型。应用案例表明,哈尔滨市和兴路的交通安全水平相对最好,公滨路交通安全水平较低,该结果与运用相对事故率法所得到的结论基本一致,从而验证了该模型的有效性。     

西部地区道路交通事故灰色模型GM（1，1）研究

为掌握西部事故高发地区的交通事故特征,在2008—2012年国道314、219,叶城县、塔县地区道路交通事故统计资料基础上,运用灰色原理建立一阶单变量GM（1,1）预测模型,对上述地区道路交通事故的事故数、死亡人数进行短期预测。经精度检验,灰色预测结果精度高,且与实际相符。与传统预测方法相比较其更科学、更合理。     

灰色分析法在车辆大修可靠性评价中的应用

提出了基于灰色关联度的可靠性灰色评价模型。阐述了灰色分析法进行车辆大修可靠性评价的方法，研究了分辨系数对关联度的分辨作用及权重对关联度大小的影响。实例验证结果表明，灰色关联分析方法应用于可靠性评价是有效的、可行的。该方法与文献[1]提出的模糊综合评判法相比，人为因素少，充分利用了故障统计数据，其方法简便，易于计算机实现。     

融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型

山区高速公路事故严重程度预测对保障交通安全具有重大意义。针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以高效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型。该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程度与影响因素将事故划分为财产损失、轻伤事故、重伤事故和死亡事故4类;然后将影响因素处理成图片的形式,进而将事故严重程度预测问题转化为图像的分类问题,随之构建基于反残差与注意力机制的山区高速公路事故严重程度预测模型,其中：基于深度可分离卷积的反残差结构可以以较少训练参数获取较高的准确率,基于软阈值的注意力机制作为一种非线性层可以忽略与事故严重程度无关的信息,Mish激活函数可以确保更好的信息流入神经网络。结果表明：在山区高速公路交通安全事故严重程度评估中,相比于传统的机器学习模型,所提出的模型识别准确率具有明显的提高,且测试准确率为85%左右,满足山区高速公路安全评估的实际预测需求。     

兰州市道路交通安全规划的体系与模式

在收集和整理兰州市近10年来的道路交通事故统计数据的基础上,利用统计分析的方法,研究了交通事故的规律,分析了交通事故的成因,将事故成因的分析作为交通安全规划的指标体系,通过衡量这些因素的权重和对这些因素的分析提出了预防和改善措施,以便对交通安全进行合理的规划,从而达到降低交通事故,减少伤亡人数和经济损失,配合交通管理部门做好交通管理的目的。