多特征混合神经网络模型在ADR分类中的应用

为了充分结合不同特征的信息实现对ADR文本的分类,提出一种混合多特征的神经网络模型,利用自然语言处理(NLP)工具提取不同特征向量作为不同通道的输入,依次使用卷积神经网络(CNN)和LSTM抽取特征,最后经过softmax分类器输出关系类型.通过实验验证对比表明:该模型有较好的识别精度,优于单一特征的神经网络模型.     

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题，提出了一种基于深度时频特征的机车轴承故障诊断新方法；利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取；为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征，上通道使用一维CNN，为使输入的二维时频域信号能多角度地反映出信号的细微局部变化，下通道使用二维CNN；在融合层中将上下通道特征自动融合成一个新的深度时频特征，并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别；在此基础上，分析了某局机务段实测的7种机车轴承数据，验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%，与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比，平均诊断精度分别提高了0.7%、1.9%和2.2%；本文方法提取的深度时频特征中每类故障分布间隔规则有序，类内间距很小，而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则，类内间距较大，说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越，是一种解决机车轴承故障诊断问题的有效模型。      

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.     

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.     

基于SOGI-FLL-WPF的磁悬浮多跨转子不对中振动检测

为解决磁悬浮多跨转子不对中振动检测问题，首先，建立磁悬浮转子系统动力学模型及联轴器不对中模型；其次，基于多跨转子力学模型模拟转子不对中振动状态，并采用二阶广义积分-锁频环（second order generalized integrator-frequency locked loop，SOGI-FLL）对振动信号进行转速辨识；然后，将转速辨识信息输入至SOGI进行转速同频陷波，进而利用带预滤波器的SOGI-FLL （SOGI-FLL with prefilter，SOGI-FLL-WPF）对陷波后的信号进行磁悬浮多跨转子不对中振动检测；最后，通过磁悬浮多跨转子定速和升速状态下的仿真计算，验证了本文提出多跨转子不对中振动检测方法的可行性. 实验结果表明:由转子不对中引起的转速二倍频振动信号可被快速辨识出幅值和频率，可为磁悬浮多跨设备的应用奠定基础.      

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题，本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入，利用二维 CNN 与 ResNet 组成深层神经网络，捕捉站点间的空间特征，同时利用一维 CNN捕捉客流量的时间依赖.最后，基于参数矩阵，将时间和空间特征进行加权融合，完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据，对模型进行验证. 结果表明，相比现有传统的预测模型(ARIMA，SVR，LSTM，CLTFP，ConvLSTM)，本文 ResNet-CNN1D模型具有更好的预测精度.     

危险货物道路运输风险复杂系统及风险测度模型与应用——以液氯运输为例

基于系统整体最优的危险货物道路运输风险系统分析及风险测度研究,是实现规避高风险路段的基础关键技术.本文以危险货物道路运输风险为研究对象,结合典型区域特征,进行了危险货物道路运输风险的系统分析,提出了危险货物道路运输风险复杂系统的概念.在此基础上,提出危险货物道路运输风险测度模型,并以典型危险货物液氯道路运输为例进行应用研究.在危险货物道路运输风险测度模型研究中,以泄漏事故导致的暴露人口风险损失和环境敏感区域损失两项指标作为评价对象,结合ALOHA模拟泄漏事故情景并将扩散情况载入ArcMap,分析泄漏事故所带来的价值损失.考虑运输成本,建立以系统整体最优--风险最小和运输成本最低的危险货物道路运输双目标规划模型.最后,基于实例结合蚁群算法对模型和方法的实用性和有效性进行验证.     

基于双层规则的内容安全过滤方法

针对互联网中信息内容的安全问题,提出了一种基于双层规则的内容安全过滤方法,即通过基于逻辑规则提取的EOCAT分类算法和针对非法文本的特殊词规则构造文本分类器,实现对非法文本的识别.最后进一步讨论了针对各层规则的相关反馈的实现.实验结果表明,该分类方法对于非法文本具有较好的识别效果.     

基于双层规则的内容安全过滤方法

针对互联网中信息内容的安全问题,提出了一种基于双层规则的内容安全过滤方法,即通过基于逻辑规则提取的EOCAT分类算法和针对非法文本的特殊词规则构造文本分类器,实现对非法文本的识别.最后进一步讨论了针对各层规则的相关反馈的实现.实验结果表明,该分类方法对于非法文本具有较好的识别效果.     

基于路面指纹的高精度车辆定位

车辆定位广泛使用基于视觉的定位方法,针对前视图像或侧视图像易受到周围环境的影响且定位过程中需要遍历匹配地图图像导致耗时较长的问题,本文提出一种基于俯视路面图像的表征模型--路面指纹.路面指纹包含GPS(Global Positioning System),路面特征和图像特征点.该模型通过卷积神经网络(Convolutional Neural Network, CNN)结合连通区域识别待定位图像的路面特征信息,利用路面特征信息对GPS初定位筛选的地图节点进一步筛选从而提高定位效率.分别在路面特征信息密集和稀疏的路段下进行实验,实验结果表明,通过引入路面指纹使定位耗时减少20.3%,平均定位误差为47.4 mm.该方法能提高定位效率并实现高精度车辆定位.     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

基于CNN-SVR混合深度学习模型的短时交通流预测

精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型.     

基于联合投票网络的交通场景天气分类方法

基于交通视频监控图像的天气识别已经成为智能交通系统中重要的研究课题. 虽然卷积神经网络（convolutional neural network,CNN）在图像识别技术获得了巨大的发展,但是针对复杂交通场景的天气识别问题,现有的模型在特征表达方面仍然面临着巨大的挑战. 为了提取丰富的语义特征,提出了基于联合投票机制的深度神经网络（deep neural network,DNN）模型. 所提出的模型包括两个核心模块:基于通道和空间注意力机制的二阶特征模块和基于复合特征结果联合投票机制的分类模块, 用以提取不同天气图像中的判别性信息,提高在复杂交通场景下的天气识别性能. 最后,在两个基准天气分类数据集上进行了验证试验,结果表明:对于复杂场景条件下的天气识别问题,所提出的基于联合投票机制的深度神经网络模型的识别正确率优于目前最好的天气识别方法的1.97%.      

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

基于手机信令数据的游客识别与出行轨迹匹配方法

为统计旅游交通的客运量，分析公路交通运输需求，优化运输组织，合理构建“快进慢游”综合交通旅游网络，研究提出基于手机信令数据的游客识别与出行轨迹匹配方法。通过划定景区边界，设置停留时间阈值，识别手机用户的游客身份；同时，借助地图工具批量计算信令发生位置间的出行路线与行程时间，匹配实际公路网。实例分析结果表明，手机信令数据能呈现手机用户的出行轨迹，且信令数据的位置轨迹与公路线位走向结合密切。在人们越来越依赖地图导航软件规划出行路径的背景下，利用该方法能更准确地识别景区游客并估计游客往来景区的出行路径。     

���������·��ͨ��ȫ������������ʩ����

针对目前我国寒冷地区冬季冰雪天气条件下道路交通安全管理被动、消极，部门间协调性差，紧急救援效率低的局面，对比分析了国内外寒冷地区冰雪天气条件下的道路交通安全特征，通过总结国内外冰雪天气条件下的道路交通安全处理策略，得出了三类有效降低冰雪天气对道路交通安全影响的管理措施——信息提供、交通控制、冰雪处理，并从道路维护管理者、紧急事件管理者、道路交通管理者和道路交通参与者四个方面就三种管理措施所能取得的安全效果进行了分析，期望能对我国寒冷地区的冰雪道路交通安全管理有所帮助。     

浅议加强道路货物运输管理的意义与方法

道路货物运输与人民群众的生产、生活密切相关,直接影响人民群众的利益和经济建设的发展,而通过对资源的管理,也就是对货源的管理,对改善公路行车条件和行车安全具有重要意义。     

交通大数据智能系统工程在道路交通风险主动防控中的应用

为了解决道路交通风险防控的闭环管理体系建设问题,建立了交通大数据智能应用系统工程的逻辑框架,阐述了交通大数据融合的模式和方法,运用风险认知、风险评估、风险管理和风险沟通理论构建了道路交通风险主动防控体系,最后应用道路交通风险主动防控体系的主动防控即时风险沟通服务对贵州省高速公路网进行事故预防,结果表明采用主动防控即时风险沟通服务对于减少高速公路事故量具有显著效果。     

Analysis of the Characters and Strategies of Road Transportation Safety in the Cold Region of China

This paper focuses on the situation in the cold region of China where the transportation safety management of road is passive and negative, the coordination between managements is poor, and the efficiency of emergency rescue is low in snow-icing weather. It also analyzes the characters of road transportation safety in snow-icing weather, and summarizes the national and foreign disposal strategies to deal with snow-icing traffic. Then three effective strategies that can reduce the impact on road transportation safety by snow-icing weather have been received, including the provision of information, traffic control, and dealing with the snow-icing. The paper also discusses the effect of each strategy from the perspective of road maintenance managers, emergency managers, traffic managers, and road users. It will be helpful to improve the operations of road transportation safety in snow-icing weather in the cold region of China.