基于文本挖掘的道路运输安全风险源辨识模型

为了解决当前道路运输安全风险源辨识工作中数据短缺和人员工作量较大的问题，从文本挖掘的角度出发，提出一种能够自动辨识道路运输过程中安全风险源的模型. 该模型首先对道路运输文本进行因果句提取，并对因果句进行分词操作，实现安全风险源特征的增强；其次，进行适应卷积神经网络（convolutional neural networks，CNN）输入的、包含词信息和位置信息的特征构造；然后，将特征构造的结果输入到CNN实现安全风险源的辨识；最后，利用道路交通事故报告进行实验. 实验结果表明:提出的辨识模型能辨识大部分的道路运输安全风险源因素，准确率约为77.321%.      

不同驾驶操作行为对车辆燃油消耗量的影响分析

针对车辆驾驶员普遍存在盲目换挡、急加速等不良驾驶行为的现象,研究采用发动机台架试验和道路试验相结合的方法,对汽车起步、换挡时机的选择、加速、减速、车速控制等典型的驾驶操作行为展开研究,通过对不同驾驶操作行为燃油消耗的分析,规范了汽车驾驶操作行为。     

国内外公路运输场站绿色低碳发展政策和技术应用现状分析

通过文献调研,采用纵向比较的方法,文章分析了我国与美国、欧盟、日本等发达国家及地区公路运输场站绿色低碳的发展政策和技术应用现状,并针对我国公路运输场站发展实际,提出了今后公路运输场站绿色低碳发展的几点建议。     

汽车驾驶培训模拟器在驾驶培训中的节能模型研究

汽车驾驶培训模拟器以安全高效、低排放、零消耗等优点被应用于驾驶员培训,有效节约了燃油的浪费并减少了尾气排放污染。通过对教练车场内和场外上路驾驶实车训练驾驶工况进行分析,采用差值法提出基础和场地驾驶人均油耗和随时间的变化关系,建立了基础和场地驾驶的节能计算模型,并利用碳平衡法建立道路驾驶的节能模型,最终建立汽车驾驶培训模拟器的综合节能计算模型。     

基于培训教学的汽车驾驶培训模拟器训练场景内容研究

针对汽车驾驶培训模拟器训练场景缺乏统一规范和要求的问题,基于雨天、冰雪天、雾(霾)天等恶劣条件下驾驶,以及山区道路和高速公路驾驶的安全风险,结合教学大纲规定的模拟培训教学内容及教学目标,提出了相应训练场景涵盖的情景内容及要求,并梳理了构建训练场景的技术要点,确保训练场景的合规性、互动性和驾驶真实感。