高密度瓶颈交通流主动-回应汇入行为定义与建模

汇入行为是导致高速公路、快速路汇入区瓶颈失效的根本原因,也是引发车辆冲突、交通事故的重要诱因。基于上海虹许路汇入区高精度轨迹数据,在经典的3类汇入行为(自由、协作、压迫)分类基础上发现并定义了一类新的汇入行为:主动-回应汇入,即在目标车道插车间隙不足的条件下,汇入车辆通过横向偏移主动表达汇入意图,引发后车合作让行,从而实现汇入。由于传统的换道类型划分方法已不适用于描述瓶颈区汇入过程的复杂交互现象,因此根据汇入车辆的横向位置将汇入过程划分为4个时段,以目标车道后车让行的时段不同对4类汇入行为进行了重新划分。基于此对虹许路汇入区轨迹数据中的汇入行为进行分类,并比较主动-回应汇入行为与经典的3类汇入在汇入位置与汇入间隙变化分布的差异。进一步,采用风险空间理论判断目标车道间隙的可汇入程度,并结合混合高斯-隐马尔可夫模型实现对后车的让行意图识别,建立了主动-回应汇入模型。最后构建了瓶颈交通流仿真原型系统以验证模型有效性。结果表明:在宏观交通流层面,主动-回应汇入行为在汇入位置、速度和间隙的分布上与实证数据一致,均值没有显著差异;在个体行为层面,也能再现定义描述的"主动试探-两车博弈-回应让行"的过程。该研究成果对解析瓶颈交通流早发性失效机理、揭示汇入风险变化过程以及设计符合人类驾驶人交互特征的自动驾驶汇入策略均具有重要的指导意义。     

小微港口企业应急预案管理存在的问题及能力提升方法

大多数小微港口企业的安全管理呈现粗放、混乱的状态,企业安全管理水平普遍不高,风险隐患问题多,安全生产事故频发,其较低的安全管理能力一直是行业安全监管的难点和痛点。     

高速公路平纵曲线组合路段交通风险评估方法

高速公路平纵曲线组合路段常出现单一平曲线和竖曲线要素满足规范，但二者相结合后存在安全隐患的情况。为评估这类组合路段的交通风险、提升组合路段安全性，综合运用可拓云理论与理想点法，提出了基于可拓云模型的交通风险评估方法。基于已有事故数据和文献，从驾驶员、道路、交通环境以及其他因素的角度出发，构建了包含15个指标的交通风险评估指标体系，并将每个指标划分为5个风险等级；利用层次分析法和熵权法确定各评估指标主、客观权重后，再通过理想点法确定各评估指标组合权重；参照公路路线设计规范及相关文献，考虑定性指标的边界模糊性划分各评估指标的风险等级，并按照等比原则实现定性指标的定量化描述；构造可拓云模型云隶属度矩阵，计算综合评判向量，最后根据最大隶属度原则确定路段风险等级。以云南省3段高速公路路段作为分析案例，利用基于可拓云模型的交通风险评估方法计算了各路段风险等级，并识别了各路段的危险性指标。结果表明:该方法与传统基于模糊综合评价法相比，评估结果相同，但信息更丰富，其综合评判模糊等级特征值的期望E_xr反映了路段的安全程度；Y路段的E_xr高于C路段，表明Y路段比C路段更安全；3段路段的评估结果的置信度因子θ均小于0.05，表明结果可信度较高，验证了该方法在交通风险评估过程中的适用性。      

铁路信息系统用户身份自动化管理及关键技术研究

铁路信息系统网络架构复杂、业务数据量巨大、系统关联交错，用户身份信息管理长期存在账号信息易泄露、账号违规提权、账号共享等安全风险。通过研究信息自动化管理技术，设计了用户身份自动化管理系统，实现对用户身份信息的自动检测、自动修改密码与验证、自动推送、安全备份、威胁分析检测等功能，解决铁路运行维护单位在用户身份管理过程中的问题和困难，更全面地管理和保护各类资源的身份凭证，避免因用户身份信息管理不当，造成资源信息泄漏或被滥用，降低用户身份相关数据安全事故的发生概率。     

高速公路多心卵形曲线路段行车风险分析

为分析高速公路多心卵形曲线路段的行车风险，依托西部地区5条高速公路的交通事故数据资料，选取平面设计指标和车速作为行车风险分析的主要影响因素，利用UC-win/Road软件进行驾驶仿真试验；以车辆横向轨迹偏移值期望作为评价指标，基于数理统计理论分析各因素的显著性；最后运用MATLAB软件，建立多心卵形曲线路段行车风险评价模型。研究结果表明：圆曲线半径组合方式、车速、中间圆曲线半径、回旋线参数与半径比值和相邻圆曲线半径比值的影响显著性逐渐降低；当车辆横向偏移值期望大于205 mm时，可认为该多心卵形曲线路段处于危险状态。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度，提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络，通过引入图像注意力机制与动态元融合，能够在卷积前向传递过程中补充低层图像视觉线索，有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题，增强对细粒度特征的识别能力；同时，引入外部神经知识的元选择网络，实现网络多阶段预测的自适应融合，以避免权重偏置现象。实验结果表明，文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难，有效提高识别准确率。