驾驶员对昼间红绿色障碍物空间距离判识差异

为研究在昼间动态环境中颜色对驾驶员空间距离判识的影响,分析了判识差异变化规律;选用32名驾驶员在不同深度距离和车速条件下进行实际道路试验,统计检验全部被试判识结果,获得距离判识差异特征值,运用BP神经网络模拟判识差异变化趋势。结果表明,在昼间地面动态环境中,随着深度距离的增加,绝对距离判识差异增大,相对距离判识差异减小;随着速度的增加,距离判识差异均减小。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于BP神经网络的地铁车厢拥挤度预测方法

为准确预测地铁车厢的拥挤度,考虑到站时车厢的下车人数、立席面积和车厢承载量等因素,提出一种基于BP神经网络的地铁车厢拥挤度预测方法.基于调查数据和Matlab平台,构建初始BP神经网络、训练以及测试等环节,实现对地铁车厢到站时各车门下车人数的预测.以立席密度为标准进行车厢拥挤度划分,标定即将到站地铁的各节车厢拥挤度.以宁波市鼓楼地铁站为例,对BP神经网络预测方法进行验证,得到不同结构的BP神经网络预测结果.结果表明,最佳预测结果的决定系数R2为0.94,平均相对误差为0.25,预测误差在可控范围内,BP神经网络在下车人数预测上是适用的.     

基于BP神经网络的高速公路入口合流区域换道行为研究

为了应对高速公路入口合流区域并线事故频繁发生,在分析车辆并线行为影响因素的基础上,利用BP神经网络方法建立了车辆在该区域的决策模型,用来预测驾驶人的并线行为决策,保障车辆和驾驶人的安全.借助详细的车辆轨迹数据对模型进行了学习与测试,模型的测试结果表明:建立的BP神经网络模型用于预测驾驶人并线行为具有较高的准确度,并线车辆相对于目标车道前方车辆的相对速度是驾驶人并线时需要考虑的最重要因素.同时模型还可以进一步应用于交通仿真的研究以及驾驶人辅助系统的开发.     

事故多发点鉴别本质及基于BP神经网络的鉴别方法研究

首先对常规事故多发点鉴别方法进行了分析和评述,并通过实例揭示了多发点的鉴别本质。在此基础上,建立了基于三层BP神经网络的城市干道路段事故多发点鉴别模型。该模型考虑了交通事故7个方面的影响因素,并能将常规鉴别方法不易识别出的多发点鉴别出来。其次,应用哈尔滨市市区430个干道路段上1999年至2004年发生的13764起交通事故数据及关联因素数据,对神经网络的权值和偏置值进行了标定,并应用该模型进行了事故多发路段鉴别。最后,分别应用了事故次数概率分布法、矩阵法和质量控制法对430个路段进行了多发点鉴别,并对鉴别结果进行了对比分析。     

基于BP神经网络的建设项目交通影响度的敏感性分析方法研究

提出了建设项目交通影响度敏感性分析的指标体系，构建了项目交通影响度的计算模型，建立了项目交通影响度敏感性分析的BP神经网络模型，并以规划的重庆南岸体育中心为例进行了训练，找出了该体育中心交通影响度的主要敏感性因素及允许的变动范围，表明该方法具有较强的实用性。     

汽车驾驶员动态注视点分布规律研究

用EMR-8B眼动仪系统纪录了驾驶员在不同车速条件下通过不同字高的标志牌时眼睛注视点的变化,分析了字高为20 cm而车速分别为30 km/h、60 km/h和90 km/h以及车速为60 km/h而字高分别为10 cm、20 cm和30 cm等6种条件下驾驶员注视点的分布规律。结果表明:在相同字高的条件下,驾驶员在接近标志牌的过程中,随着车速的增加,驾驶员注视的几何中心向标志牌偏移,注视范围变小,视线变的更加集中。在相同车速条件下,当字体较小的时候,驾驶员注视点较分散,判读标志信息的时间较长;随着字体变大,驾驶员注视点越集中。     

基于BP神经网络的城市轨道交通线网合理规模研究

当下我国城市轨道交通正处于兴旺发展的关键时期，然而我国尚未形成完善的城市轨道交通线网合理规模计算模型和理论，因此有必要深入探究城市轨道交通线网合理规模的计算方法。首先，从国家政策与交通战略、城市经济社会发展水平、城市规模与形态、交通需求与供给等方面，剖析城市轨道交通线网规模的影响因素，提取城镇常住人口、建成区面积、GDP、全网日均客运量、城市轨道交通占公共交通分担率和线网负荷强度6个量化指标。其次，利用我国21座城市的历年城市轨道交通线网规模影响指标数据，构建基于BP神经网络算法的城市轨道交通线网合理规模计算模型。最后，以上海市、深圳市、重庆市、长沙市和南宁市为例，应用该模型对五市2035年的线网合理规模进行预测，以期为我国城市轨道交通线网规划提供科学的依据，促进我国城市交通可持续发展。     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

基于投影寻踪神经网络模型的短时交通量预测研究

准确有效地预测短时交通流量是实施交通诱导及控制的前提与关键,但由于短时交通流量具有高度复杂性、随机性、非线性和不确定性等特性,导致预测难度高、准确度低、实时性差。基于此,文中综合利用投影寻踪技术和BP神经网络的优点,提出了运用投影寻踪回归模型和BP神经网络技术相结合建立组合模型的预测方法,并编写出模型的算法程序。将该组合模型应用于路段短时交通量的实时预测实例,实验结果证实该组合模型具有较好的预测能力和较强的时效性。     

基于BP神经网络的高速公路服务区车辆驶入率预测

为科学度量高速公路服务区车辆驶入率,在分析服务区车辆驶入率影响因素的基础上,构建了基于BP神经网络的服务区车辆驶入率预测模型。以新郑服务区为实例,验证预测模型的可行性及确定石武高铁对新郑服务区车辆驶入率的影响程度。验证结果显示,该模型具有可操作性及可靠性。     

BP神经网络在自动变速器故障诊断中的应用

由于自动变速器故障自诊断系统不易准确判断故障原因和具体位置,文章借助汽车OBD自诊断协议,组建自动变速器电子控制系统的诊断数据采集系统。以某轿车01M型自动变速器不能升挡故障为例,采用V.A.S5052故障诊断仪对其进行数据采集与分析。建立了基于BP神经网络的典型故障诊断模型,并对自动变速器典型故障进行实际数据测试,准确识别出自动变速器不能升挡的典型故障原因是节气门位置传感器线路故障和车速传感器断路故障。结果表明人工神经网络具有很高的诊断精度。     

改进的BP神经网络在港口物流量预测中的应用

针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。     

基于BP神经网络基坑支护结构变形预测研究

为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参考价值。