基于运行数据的电动客车误踩加速踏板状态识别研究

驾驶人误踩加速踏板导致的电动客车交通事故时有发生,影响因素复杂。为准确识别误踩加速踏板行为,提醒电动客车驾驶人安全驾驶,基于电动客车车载终端采集的车辆运行状态数据,提取9项与误踩加速踏板行为相关的驾驶特征,采用随机森林算法模型对电动客车误踩加速踏板状态进行识别,结果表明整体的识别准确率为99%,召回率为0.99,表明99%的误踩加速踏板行为可被识别出来。实验表明采用随机森林算法进行误踩加速踏板状态识别具有较好的效果,且与逻辑回归、Adaboost等识别算法相比,具有准确率、召回率和精确率高等特点。该方法利用电动客车的运行数据进行分析,简单高效成本低,具有一定的可行性和实用性。     

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。      

基于PMI与BTM的船舶事故原因文本挖掘

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识，提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法，并以100份船舶自沉事故调查报告为语料进行具体挖掘。在词语层面，使用PMI算法从事故原因文本中挖掘频繁共现的词语模式，通过文本特征词的共现揭示事故致因要素间的关联。在主题层面，使用BTM算法对事故原因文本进行主题建模，通过主题对数似然、主题一致性评估建模结果的优劣。通过主题建模，对表征自沉事故原因的特征词进行聚类，并根据主题在文档集合中的分布初步量化出每种原因的发生概率。根据使用500组新数据集对主题模型预测能力的测试，所构建的主题模型能够100%识别出领域无关的词并自动忽略；对于语料库中85.6%的词语，所构建的主题模型能够明确地将其归属于代表某一原因的主题；另14.4%的词主题边界不明显，难以将其单独以较大的可能性明确归属到某一主题下。      

基于进化集成分类器的铁路安全隐患智能分类

针对铁路安全事故隐患文本数据分类提出进化集成分类器模型.分析安全事故隐患数据特征,根据每一类安全事故隐患数据都有特征关键词的特点,运用T F-ID F方法提取文本特征并转换为向量.设计进化集成分类器模型实现流程.采用Bagging集成分类器将T F-IDF转换后的文本向量进行随机采样,训练若干个决策树基分类器模型,设计遗传算法编码机制、灵敏度设定、适应度函数及目标函数选择等关键步骤.根据遗传算法流程实现基分类器组合优化,将经过遗传算法进化的最优个体对应的基分类器参与Bagging投票分类,验证分类效果.通过对某铁路局供电接触网安全事故隐患文本数据实验分析,进化集成分类器模型在安全事故隐患分类的准确率相比于单个决策树分类器和Bagging集成分类器分类结果分别提升17.42% 和4.63%,证明设计的进化集成分类模型能够取得较好的分类效果,可应用于铁路安全事故隐患分类.      

基于倾向流和深度学习的机场运动目标检测

针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果 表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%.      

基于网格分类与纵横向注意力的城市道路车道线检测方法

车道线检测是汽车安全辅助驾驶系统的基础模块,在城市道路场景下车道线存在受碾压致特征缺失、车辆间相互遮挡以及光照环境复杂多变等问题,本文提出基于网格分类与纵横向注意力的车道线检测方法。提取道路图像的全局特征图,将其划分为若干网格,计算网格中车道线的存在概率;通过将车道线检测转化为网格位置的分类,定位每条车道线的特征点;构建基于Ghost模块的主干网络,结合车道线的形状特征,引入纵横向注意力机制,通过增强车道线纹理特征和融合位置信息,获取缺失的细节特征;利用三次多项式,拟合车道线特征点,修正车道线的检测结果。基于TuSimple与CULane数据集,在ResNet18、ResNet34和DarkNet53中嵌入纵横向注意力模块,并开展对比实验。结果表明：在TuSimple数据集上,嵌入纵横向注意力模块后,模型精度均提升了约0.1%,与其他模型相比,Ghost-VHA模型的准确率为95.96%。在CULane数据集上,嵌入纵横向注意力模块可提升精度约0.65%,与其他模型相比,Ghost-VHA的F1分数为72.84%,提升了0.54%。在TuSimple与CULane数据集上,Ghost-...     

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.      

地铁站人员疏散路径选择行为分析及Logit建模

掌握地铁站的密集人群在应急疏散过程中的路径选择行为规律,对于紧急情况下保障地铁站人群安全具有重要意义.但现有针对疏散路径选择行为的研究多局限于主观分析与优化算法设计,尚缺乏结合实测数据的客观机理和建模研究.为此,基于地铁站疏散演习数据,重点针对疏散路径中的3个路径选择决策点,提取了这3个位置每个可选路径方向上的人流量、疏散引导信息、人员行为以及每条路径的属性数据,分析了有引导和无引导情况下的人员疏散路径选择行为规律.发现疏散人员在选择路径时具有跟随性,且更倾向于选择人流量大的路径.在本次演习中,3个有疏散引导的方向上,疏散人员对引导的服从率分别为47.25%,51.35% 和84.97%,表明了疏散引导人员的关键作用;基于疏散演习数据,构建了包含6个影响因素的人员疏散路径选择行为的Logit模型,并对每个路径选择决策点分别进行了模型参数逻辑回归求解,结果表明,模型都能够通过卡方检验,整体预测正确率分别为76.1%,86.2% 和91.2%.模型可直接计算得到在该疏散演习条件下,3个路径选择决策点处每个疏散人员根据实时情况作出判断后选择每条路径的概率.对于微观人群疏散模拟来说,该方法对预测真实情况下人员路径选择和疏散时间具有明显的价值.      

基于随机森林的雨天车辆跟驰风险行为研究

为降低雨天车辆跟驰行为风险,建立了一种基于随机森林的雨天车辆跟驰风险水平判定模型.通过引入降雨条件和安全距离,同时解决跟驰风险不易被量化分析及准确判定的问题,对传统驾驶风险判别模型进行修正,从而提取降雨条件下车辆运行跟驰风险特征,判定当前状态下的车辆跟驰风险.利用UC-winRoad驾驶模拟器仿真实验输出的降雨条件(包括降雨等级、路面水膜厚度、路面附着系数)和车辆运行数据(包括纵向车速、加速度、安全距离)进行验证,构建了引入风险熵的风险水平判定模型;通过随机森林算法对模型进行训练,并对风险特征进行提取,输出风险水平的判定结果.结果表明,该模型获取的风险水平误差小于1级,相比人工神经网络和支持向量机,平均相对误差分别降低了10.36%和4.54%.所提出模型可作为实用工具判定雨天车辆跟驰风险水平.      

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。      

民用机场安全文化水平模糊综合评估

评估民用机场安全文化水平,是保障我国民航持续安全发展的重要手段之一.通过对民用机场安全文化进行系统科学的分析,参考《企业安全文化建设导则》《企业安全文化建设评价准则》及民航规章,结合事故案例及民用机场特点,选取民用机场安全文化评估指标,构建机场安全文化评估指标体系.实地调研机场各部门业务人员,综合机场监察员及安全文化专家的意见,运用网络层次分析法借助 Super Decisions 软件确定各级指标权重.通过简单改进传统模糊综合评估模型,以我国北方中型机场为实例进行安全文化水平模糊综合评估.结果显示,该机场安全文化评估总得分为77.7086∈[70-85),安全文化发展成熟等级为主动级,安全文化水平整体良好.研究表明,安全观念文化是安全文化的核心,评估模型对民用机场安全文化评估具有较好的应用价值.      

内部控制影响航空安全的作用机理——基于安全文化的中介效应

航空安全是民航业永恒的话题,推进持续安全战略是建设民航强国的第一要务。以我国52家民航运输企业为研究样本,通过问卷调查的方法获取相关数据,采用层次回归分析法构建了内部控制、安全文化与航空安全的关系模型,揭示了内部控制和安全文化对航空安全影响的内在机理。研究发现,内部控制质量和安全文化均对航空安全存在显著的正向作用,内部控制水平的提高有助于降低航空公司不安全事件的数量;安全文化对航空安全也存在显著的正向影响,且安全文化能较好的解释内部控制的变化,安全文化在内部控制对航空安全作用中起到部分中介效应。打好安全规范、内部控制和安全文化3张组合牌,将是民航企业提升安全水平的重要途径。      

基于多任务迁移学习的交通警情信息自动处理方法

从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义。为此，提出了一种基于多任务迁移学习的交通警情信息自动处理方法，该方法上游采用文本预训练模型作为共享参数层，下游建立多任务并行学习方法，实现对交通警情中的关键信息、类型和语义自动处理。选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据，通过自动处理方法构建了一套标准的交通警情信息数据库。试验结果表明：所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息；交通警情分类模型性能优于现有的深度学习模型，分类准确率达93%；基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求，识别准确率达87%。研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性。     

常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大,现有研究侧重疫情暴发初期疫情对城际交通出行的影响,针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少,因此,本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC）,模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量,探究潜变量与观测变量的因子载荷并辨识模型参数,求取各潜变量的拟合值;在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit）,探究常态化疫情防控阶段旅客出行心理对其出行决策的影响;假设出行费用、时间与距离等变量的随机系数服从正态分布,采用抽样1000次的Halton序列对随机系数进行仿真求解,得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究,结果发现：所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%,均高于多项Logit模型与随机系数Logit模型;旅客对不同方式的出行费...     

民航安全信息工作绩效评价指标体系研究

为完善安全信息工作管理制度,提高民航业安全信息工作的质量,将平衡计分卡方法(BSC)进行变型,结合实际工作经验,将平衡计分卡4个层面的逻辑关系由传统的递进关系,变为并列递进关系,构建民航安全信息工作绩效管理指标体系.先采用层次分析法求取主观权重,然后用变精度粗糙集求取客观权重,最后将主、客观权重通过最小相对信息熵原理进行优化,并且采用改进的TOPSIS方法从新的角度对指标体系的信度和效度进行验证.结果表明,一级指标"安全信息的质量"最优权重为0.407,占总权重的40.66%,是评价安全信息工作优良的决定性指标;而其二级指标"安全信息的规范程度"的ρi值最大,反应了该指标信度效度最大,达到0.288,占总权重的11.97%,在安全信息工作绩效管理中最重要.该指标体系可以实际应用于安全信息工作绩效管理过程,有助于提升安全信息工作的管理水平,提高安民航安全信息的质量.      

中国民航安全发展及展望

系统地分析了中国民航安全的发展历程.在快速发展的同时,中国的民航安全水平持续提升.特别是自改革开放以来,从20世纪80年代初到2015年末,中国的民航安全水平从“六五”(1981~1985年)期间的运输航空百万飞行小时重大事故率5.42,发展到“十二五”(2011~2015年)期间的0.0(5年内未发生运输航空重大事故);按照近10年(2006~2015年)统计,中国民航运输航空百万飞行小时重大事故率为0.018,而同期世界平均值为0.24,是中国的13倍多.剖析了中国民航在安全理念、科学技术、安全管理和政府监管等方面所做的工作和取得的成果.展望和分析了中国民航在未来发展中所面临的空域资源日趋紧张、国产大飞机新机型应用、低空空域管理改革和通航发展,以及安全管理效能低下等在中国民航发展中出现的问题和民航安全面临的挑战.      

基于CBR的机场应急救援规模决策研究

机场应急救援是民航安全领域一项重要研究课题,这一研究对于减少事故损失和提高救援效率具有重要的作用.针对民航机场紧急事件非例行性、不确定性的特点,提出了以案例推理为技术主线,结合模糊推理等方法的机场应急救援规模决策模型.利用模糊数学方法对案例进行了处理,研究了设计实例的表达、索引、调整、修改和推理机制,解决了案例匹配的贴近度与相似性问题,经仿真验算,证明了该方法的可行性与科学性.     

基于异步交互聚合网络的港船作业区域人员异常行为识别

港船作业区域人员的异常行为识别可为智能航运的管控与决策提供重要数据支撑,有利于推动智慧港口和智能船舶的发展.基于异步交互聚合网络开展了面向港船工作环境下的人员异常行为识别研究.基于YOLO模型对港船图像进行卷积操作,利用特征金字塔优化卷积结果得到图像序列中每一帧的人员位置,结合联合学习检测和嵌入范式输出港船图像序列中的...     

比较安全学方法在民航安全管理模型中的应用研究

探索民航安全管理中模型的引用发展，基于比较安全学方法，对比分析ICAO安全管理手册中SHELL模型和REASON模型。根据比较安全学的研究模式，构建了2个模型基于时间维、知识维和空间维的三维比较研究模式；从时间维角度，比较分析2个模型的开发思路和评价侧重点；从知识维角度，对比分析2个模型在组成要素和功能作用上的不同；从空间维角度，对2个模型的适用范围进行了比较。研究结果表明，2个模型在民航安全管理的应用领域和价值有相似性，但在风险致因分析侧重点、分析路径、分析范畴等方面存在差异。在不同安全管理需求方面2个模型存在各自的优势，因此在今后的模型应用以及新模型的开发可借鉴2个模型的优点。