基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

面向混合增减制造的拓扑优化研究

回顾了混合增减制造、面向混合增减制造的拓扑优化的最新发展,以及面向混合增减制造的拓扑优化中存在的权衡关系,还讨论了这些主题的挑战和未来趋势。希望能够激励学术界为连接多目标拓扑优化(MOTO)和混合增减制造做出更多贡献。     

新增卫星厅下机场航班——登机口优化分配问题

考虑机场新增卫星厅这一情形并研究了航班——登机口优化分配问题。首先建立了以被使用登机口数量最少和中转旅客中转流程时间最少的双目标0-1整数规划模型,然后设计了考虑初始状态较优的分层寻优算法,在初始分配最优的状态下,设计逐步动态搜索算法进行航班的再分配,最后进行了案例计算,根据原始数据进行了航班——登机口的分配,并计算分析了登机口使用率情况和中转旅客换乘时间分布。     

基于道路速度-排队长度的VISSIM参数标定 建模与算法

VISSIM作为一种微观交通软件,被广泛的应用于城市交通仿真中。在实际应用中,VISSIM参数标定是基础工作。虽然存在很多标定方法,但是标定方法都以单目标或者单一指标为主,本文提出基于道路速度-排队长度的标定模型,通过MATLAB调用VISSIM的COM接口进行二次开发,设计惩罚函数,并利用遗传算法进行模型求解。将本文方法应用于成都德胜路三个交叉口的VISSIM仿真参数标定中,仿真表明本文参数标定模型和算法既降低了整体误差,也防止了个别交叉口或道路与实际测量差别较大的情况。     

一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。     

城市公交线网差异化计程票价多目标优化

为获取更加接近实际城市公交线网的票价策略，将出行者的社会互动行为与后悔心理引入广义费用，提出线路客流OD矩阵均衡算法；分别以交通管理部门利润最大化及出行者效用最大化为目标，以公交计程票价、发车频率、私家车停车费为变量，建立固定需求下公交线网差异化计程票价多目标优化模型.引入集群智能多目标优化算法求解，并应用于Mandl 标准公交线网.研究发现：以线路里程为标准，差异化计程票制可以有效降低出行成本；依据帕累托最优解调节票价，可以促进出行者选择行为向优势均衡转移.     

铁路网络安全态势感知平台方案研究

研究基于大数据的网络安全态势感知技术在铁路行业的应用,使铁路信息网络具有全面感知、主动预警的能力是当前铁路网络安全建设的重点任务之一。为此,需要解决目前由于无法及时监测和感知信息网络中所存在的安全风险而导致的应用系统发展受限问题;解决传统网络安全态势感知平台由于实际网络环境中数据处理量巨大、业务复杂、层次套叠所导致的误报警率高、易遗漏报警等问题。以大数据高速存取为基础,利用人工智能和并行处理等技术优化感知预测算法,提出适于铁路行业应用的网络安全态势感知平台解决方案,并在测试环境中进行测试验证。结果表明:在具有高通量、复杂化特点的铁路信息网络环境中,该解决方案对潜在安全风险的感知和发现能力优于传统网络安全态势感知平台,满足铁路信息网络高通量、高实时性响应要求,有效地降低误报警率,提升了报警质量和水平。