随机交通网络最小条件风险路径问题

为了研究风险性对于拥挤交通网络车辆的路径选择行为的影响,定义条件风险值为路径目标函数,建立随机交通网络环境下最小条件风险路径问题数学模型,证明了路径的条件风险值的次可加性,把最小条件风险路径问题转化为基于路段的最小条件风险路径问题,构造基于动态规划的标号算法求解该问题,针对Sioux Falls Network展开数值试验,对在不同风险置信水平条件下随机交通网络最小条件风险路径的计算结果进行了比较分析。结果表明:不同风险置信水平条件下求解的最小条件风险路径是不同的,风险置信水平对最优路径的选择具有重大影响。     

考虑智能网联近邻车辆信息的交织区换道风险预警

面向车辆换道风险预测时特征差异大、样本不均衡、参数调优时间久的问题，将高精度微观车辆轨迹数据与超参数优化机器学习方法相结合，提出了一种可应用于智能网联车辆(ICV)的交织区换道风险识别与预警方法；基于无人机航拍视频，从广域视角提取了城市快速路交织区时间精度为0.1 s、空间精度为每像素0.1 m的换道轨迹，测算了车辆间距、矢量速度、加速度、接近率、速度角度等换道风险感知信息；引入考虑近邻车辆信息的换道TTC模型，以反映车辆汇入或汇出主线的迫切需求，描述其在不同位置的换道行为差异性；结合15分位数法和四分位差法，划分了换道风险预警等级；基于准确率、真阳性率、灵敏度等多项评价指标，遴选并对比了线性分类器、支持向量机、K近邻以及RUSBoost模型换道风险预测结果，得出交织区换道风险实时预警优选模型，针对优选模型进行了超参数优化与验证。研究结果表明：RUSBoost模型为优选模型；超参数优化机器学习方法迭代至第24次时，RUSBoost具有最小误差与最佳点超参数；RUSBoost、BRUSBoost优化模型预测准确率分别为91.40%、99.80%,AUC分别为0.96、0.99;BRUSB...     

机器学习在道路工程领域的应用研究进展

道路工程是国民经济发展的重要公共基础设施之一，机器学习是提高道路工程领域数字化、自动化和智能化的重要方法.为全面了解机器学习在道路工程领域的发展及应用，在阐述机器学习基本理论的基础上，分析机器学习在道路工程材料、设计、施工、运维和预测方面的研究现状.研究表明，道路工程领域已开展了不少机器学习研究，但道路工程各方面机器学习智能化发展存在不足，实际应用存在一定局限性；未来发展需深入探索大数据、深度学习、神经网络等智能技术在道路工程全生命周期的融合，促进道路工程领域机器学习等智能研究发展.     

基于机器学习的RC桥梁病害检测方法

针对现有桥梁检测中人工判别病害工作量大、效率低的问题,以钢筋混凝土(RC)桥梁为对象,阐述了机器学习在RC桥梁病害检测中的应用。从现有桥梁病害检测方法、机器学习方法、机器学习在RC桥梁中的应用进展三个方面进行研究,结果表明,基于深度学习的病害检测方法能够自动从病害图像中提取特征,实现病害的分类和定位,提供了一种病害自动化检测场景,有利于桥梁智能化管养。     

带有区间数弧容量上限的网络优化

提出了弧容量上限为区间数的网络优化问题;给出了保守最大流、乐观最大流、最小风险代价乐观最大流和最小风险代价流的定义和数学模型;针对目标函数的非线性特性,设计了特殊的算法步骤;引入可调圈概念,通过求最大流和给定流配流问题的多重解以获得最小风险代价最优解;最后,本文还给出了算例,验证了算法的有效性．     

滑坡地质灾害风险区划评价方法研究综述

目前,滑坡地质灾害风险区划方法研究成果颇丰,然而各种区划方法归类上不系统,适用场景及优劣点缺乏系统研究。基于文献调研及综合梳理,针对评价方法进行分析归类,研究得出各区划评价方法的优劣及应用场景。滑坡地质灾害风险评价模型未来的研究重点为：(1)重视耦合模型及机器学习模型在区划评价研究中的应用;(2)掌握定性模型耦合、定性模型与机器学习模型耦合在区划评价研究中的应用效果;(3)研究验证逻辑回归分析法分别与信息量法、神经网络模型和支持向量机模型之间的优劣及应用场景。     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

基于客观风险感知特性的前向碰撞预警算法优化与标定

为提升高级驾驶辅助系统(ADAS)预警算法在复杂行车环境下的适应性, 提出了一种基于车辆运动学和风险感知特性的综合预警算法——客观风险感知(ORP)算法; 通过典型工况下的分析与推导, 表明其预警算法为THW、TTC和SM预警算法的综合形式; 为了标定预警算法的参数阈值, 开展了累计4 500 km自然驾驶试验, 最终筛选出409例有效临近碰撞事件, 提取了释放油门、踩下制动时刻的客观风险感知参数分布特征; 根据自然驾驶数据中提取的临近碰撞事件及其参数特征, 对风险预警算法参数进行标定; 在模拟驾驶环境下开发了前向碰撞预警算法, 通过4种风险场景开展了算法验证试验。研究结果表明: 基于自然驾驶数据的参数标定, 客观风险感知预警算法的两级预警参数阈值分别为1.4、0.8 s; 基于典型风险工况下的微观驾驶行为特性对比, 预警有效性方面ORP预警算法稍高于RP预警算法, 二者预警有效性显著高于TTC预警算法; 在预警算法下所有驾驶片段的最小碰撞时间均值方面, ORP预警算法为2.02 s, RP预警算法为1.90 s, TTC预警算法为1.65 s, 表明ORP预警算法能适应复杂风险环境下的风险辨识。基于大量实车试验参数标定与效果验证后, 所提出预警算法可用于高级驾驶辅助系统风险辨识。      

机器学习置信度机制研究综述

置信的机器学习一直是机器学习领域研究不可或缺的部分与目标.根据置信度形成的机制与方法,将机器学习的置信度机制分为3类.本文分别阐述了3类机制的基本原理、实现方法和最新的研究进展,并在此基础上对3类置信度机制进行了比较分析.最后,讨论了存在的问题,指出了研究的方向.     

多车道高速公路出口开口段安全特性分析

为研究不同断面形式下的多车道高速公路出口影响区开口长度及流量与交通安全的关系，针对2种断面形式的高速公路出口，分别设计了3种不同的开口长度，结合3种不同流量条件设计了18个不同的驾驶模拟场景。实验招募30名被试者开展模拟驾驶实验，提取不同开口长度及流量条件下各断面形式高速公路出口的车辆行驶轨迹、换道间隙的选择、减速度、最小 TTC (Time to Collision)等驾驶行为特性参数，综合分析基于驾驶行为数据对不同开口长度的行车风险。结果表明：两种断面形式下，开口长度对于车辆在开口段上的换道点选择存在显著影响；两种断面形式下，1500 m的开口长度能够满足绝大多数驾驶人的换道需求；在换道间隙选择中，大都集中在5~6 s，分离式断面下的开口长度对于低于临界间隙的换道间隙出现的频次具有显著影响；流量及开口长度对于最大减速度及TTC最小值和分布位置均不存在显著性影响，但分离式断面下的最大减速度和最小TTC相较于整体式断面更小；此外，整体式断面中内侧3车道的行车风险低于分离式断面，分离式断面中外侧车道的行车风险低于整体式断面。     

Periodic preventive maintenance policy with infinite time and limit of reliability based on health index

The aging of machine can be slowed and the life of machine can be increased by implementing periodic predictive maintenance. In this article,an improvement factor considering maintenance cost,age of machine and learning effect in the process of maintaining is constructed to describe the effect of periodic preventive maintenance. The model of improvement factor can be fitted through health index. Based on improvement factor with infinite time,cost function including preventive maintenance cost,minimal repair...     

A Statistical Parameter Analysis and SVM Based Fault Diagnosis Strategy for Dynamically Tuned Gyroscopes

Gyro's fault diagnosis plays a critical role in inertia navigation systems for higher reliability and precision. A new fault diagnosis strategy based on the statistical parameter analysis (SPA) and support vector machine (SVM) classification model was proposed for dynamically tuned gyroscopes (DTG). The SPA, a kind of time domain analysis approach, was introduced to compute a set of statistical parameters of vibration signal as the state features of DTG, with which the SVM model, a novel learning machine based on statistical learning theory (SLT), was applied and constructed to train and identify the working state of DTG. The experimental results verify that the proposed diagnostic strategy can simply and effectively extract the state features of DTG, and it outperforms the radial-basis function (RBF) neural network based diagnostic method and can more reliably and accurately diagnose the working state of DTG.     

Fault diagnosis for wind turbine based on improved extreme learning machine

A fault diagnosis method based on improved extreme learning machine (IELM) is proposed to solve the weakness (weak generalization ability, low diagnostic rate) of traditional fault diagnosis with feedforward neural network algorithm. This method fuses signal feature vectors, extracts six parameters as the principal component analysis (PCA) variables, and calculates correlation coefficient matrix among the variables. The weight values of control parameters in the extreme learning model are dynamically adjusted according to the test samples’ constantly changing. Consequently, the weight fixed drawback in the original model can be remedied. A fault simulation experiment platform for wind turbine drive system is built, eight kinds of fault modes are diagnosed by the improved extreme learning model, and the result is compared with that of other machine learning methods. The experiment indicates that the method can enhance the accuracy and generalization ability of diagnosis, and increase the computing speed. It is convenient for engineering application.     

尺度核支持向量机及在动态系统辨识中的应用

为了提高非线性动态系统辨识质量,提出了新的支持向量机尺度核函数构造方法.首先直接构造紧支撑尺度函数,然后根据小波多分辨分析理论,由紧支撑尺度函数生成具有多分辨率特性的尺度核函数.证明了这种核函数是满足Mercer定理的支持向量机核函数.动态系统辨识的仿真结果表明,尺度核函数支持向量机的建模和逼近能力优于基于三阶样条核函数或RBF核函数的支持向量机.     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。     

筑养路机械在低温条件下的使用 与 保养

鉴于我国筑养路机械在低温条件下的使用与保护存在诸多问题， 通过对筑养路机械在低温条件下的使用与保养分析，提出筑养过程中要根据低温条件与机械技术情况变化，合理、有效地进行筑养路机械的使用与养护，从而确保机械的正常使用，同时避免事故发生，保证施工质量。     

列车引起环境振动预测方法与不确定性研究进展

系统总结了列车运行引起环境振动的各类预测方法及其不确定性问题, 梳理了初步预测、确认预测和精准预测3个预测等级内各种方法和模型近10年来的发展状况; 讨论了模型输入参数的随机不确定性, 包括车辆之间差异、轮轨磨耗以及预测模型中输入地层参数等带来的不确定性; 根据新的测试结果分析了车轮和钢轨磨耗状态对地铁振动源强不确定性的影响。研究结果表明: 机器学习方法和地层传递函数解析法可用于初步预测阶段; 用于确认预测的各类数值和解析模型日益完善, 预测效率日益提高, 但考虑车轮和钢轨磨耗发展的轮轨激励输入方法仍有待进一步完善, 仍需进一步发展振动传递路径清晰且可用于工程预测的建筑结构动力学模型; 精准预测需要发展混合预测方法并研究其在地下线振动预测中的应用; 目前对预测结果精准性和预测方法可靠性的研究十分欠缺, 绝大多数预测只能给出定值结果, 无法考虑轮轨磨耗、养护管理水平和振动在地层中传播的不确定性; 建议进一步开发具有远程智能离线采样功能, 并可在建筑结构上长期便捷安装的小型振动采集装置, 以便与机器学习预测方法相结合, 从而适应未来智能化预测的发展要求; 建议发展能够描述钢轨短波磨耗状态等级和车轮不圆顺等级的粗糙度谱, 构建完整养护维修周期内环境振动动态预测模型; 应发展具有可靠性及精准度要求的智能化预测方法, 并在未来实现由定值预测向概率预测发展的根本性转变。      

路面抗滑性能检测与预估方法综述

针对道路工程中路面抗滑性能检测与预估中存在的问题,分别从力学机理、检测方法、预估模型3个方面系统梳理了路面抗滑性能相关成果及进展;基于传统的库伦摩擦定律,阐明了路面抗滑性能的摩擦力学机理,从路面、轮胎以及接触环境3个方面总结了抗滑性能的影响因素;总结了抗滑性能的直接与间接测量方法,重点分析了路表纹理检测技术的难点以及测试数据的预处理方法;对比分析了抗滑性能预估的传统经验统计模型、力学模型以及机器学习等方法的优点与不足。研究结果表明:影响路面抗滑性能的因素众多,传统的摩擦理论难以描述橡胶与粗糙表面接触界面第三体的力学行为,因此,需要进一步研究具有润滑介质的接触界面摩擦机理;抗滑性能直接检测方法功能单一,成本较高,表面纹理的高速无接触自动化检测更加符合未来智能一体化检测需求,但高精度、大量程检测以及数据清洗仍是需要突破的瓶颈;相比现行的各类预估模型,经验统计模型及机器学习弱化了胎-路接触特性,导致预估模型缺乏扩展性;推行有限元仿真力学模型方法,有望进一步揭示复杂物理场下的摩擦机理,从而开发更精准、高效的路面抗滑预估模型。      

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机（LS-SVM）的网络时延预估网络控制系统（NCS）的自适应预测控制方法．先将网络时延转化为非线性时间序列，再用径向基函数（RBF）作为LS-SVM的核函数，建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器，补偿和控制NCS的时延．仿真结果表明，该时延预测方法对NCS的随机时变时延有较高的预测精度，根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．