排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
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%. 相似文献
2.
3.
4.
5.
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。 相似文献
7.
1