基于BP神经网络分析事故对路段通行能力的影响

以发生交通事故的人、机、环境等多方面采集的调查数据为基础,解析突发性交通状态局部演变过程,并总结事发点通行能力的7类主要影响因素和3类评价指标。采用SPSS主成分分析与BP神经网络相结合的方法,对调查数据进行降维,并在保证数据丢失最小原则下,将七类影响因素提取为五类,简化神经网络拓扑结构,提高建模质量,通过BP神经网络模型调整离散输入量,以预测的评估值与实际评估值的误差最小为学习训练目标,求解最佳的连接强度权值与偏置值,得出事故因素与通行能力的定量关系。     

基于D-S证据理论的山区铁路隧道施工风险评估

山区铁路隧道施工具有不确定性和复杂性,为降低其事故发生的概率及所造成的损失,建立基于D-S证据理论的山区铁路隧道施工风险评价模型。该模型首先由AHP法计算评价指标的权重,采用基于Bayes近似法的D-S证据理论计算方法,进行多层次递阶评价,得出山区铁路隧道施工风险等级的评估值,为后续风险控制奠定基础。     

隧道断层破碎带围岩大变形的模糊层次综合评价

结合工程实例,基于隧道断层破碎带的围岩大变形特点,采用模糊数学理论及层次分析法,建立了若干指标数据,形成系统子集、评价、隶属函数及权重等集合,最终实现对目标质量等级的综合评价。该评价体系采用层次分析法计算确定重要指标的权重,并对取大值、取小值及结果最大隶属度原则进行了优化。结果表明:针对地质条件复杂、边界条件模糊性较强的地下工程,模糊层次综合评价法思路清晰、可操作性强,有利于最大程度减小人为干扰,在隧道及地下工程风险评估中具有广泛的应用价值。     

高速公路隧道群交通安全影响因素辨识

为识别影响高速公路隧道群路段交通安全的关键因素,改善隧道群路段交通安全状况,提出了一种基于正态隶属函数的模糊层次分析法(FAHP),对影响隧道群交通安全的因素进行排序分析。建立了包括交通特性、隧道群特性和环境特性3个一级指标,14个二级指标的评价指标体系,通过专家评价构造判断矩阵,利用正态隶属函数结合判断矩阵得到正态判断矩阵,计算不同层次指标的权重值,并引入权重稳定性概念,进行一致性检验,从而对安全影响因素进行排序,识别显著性影响因素。以西汉高速和甬台温高速某隧道群为研究对象进行分析,结果表明:隧道群线形状况、隧道群连接段长度、隧道照明过渡设施影响权重较大,应该优先考虑针对性的改善措施。该模型能够充分利用所有专家的评价信息,避免了传统的模糊层次分析法使用单一值排序的不足,具有更高的准确性和可靠性。     

基于BP神经网络确定评价体系指标权重

文章提出一种基于BP神经网络确定指标权重的方法,该方法的主要目的在于减少在确定评价指标权重时人为因素的影响,提高权重的准确性和实用性.文章以老铁山水道为例,对老铁山水道的通航现状进行了研究,分析影响其通航安全的相关因素,将灰色致因理论确定老铁山水道的通航安全评价指标体系,最后利用BP神经网络的方法给出评价指标权重,证明...     

基于DIALux的公路隧道入口段侧壁 反光材料布设方法研究

结合国际照明协会推荐的一般天空亮度模型,基于DIALux照明计算软件对公路隧道入口段照明环境进行室内仿真,模拟了在全晴天、全阴天两种天空类型下,3种不同反射率(0.75、0.80、0.85)的反光材料,在4种布设高度(2.0、2.5、3.0、3.5 m)和两种布灯方式(中间及交错布灯)情况下洞口照明工况,研究反光材料在公路隧道入口段侧壁对隧道内路面平均亮度和亮度均匀度的影响,并选取实际能效值,表征反光材料布设方法对公路隧道照明节能效果的影响。结果表明:公路隧道入口段路面照度指标随侧壁反光材料反射率和布设高度的提高而增大;交错布灯对应的路面平均照度值远高于中间布灯所对应的路面平均照度值;洞外自然光的亮度越大,侧壁反光材料对洞口照明质量的提升效果越明显;反光材料布设在隧道侧壁的单位长度能效比受洞外亮度影响较大。     

公路隧道智能调光控制影响因素分析

为研究不同因素对隧道入口段和中间段照明亮度智能调光控制的影响,利用BP神经网络建立网络模型进行分析。分析计算结果得出：隧道内车速超过60 km/h应采用智能调光控制;交通量对隧道各照明段的影响相对较小,随交通量增加大体呈线性增加;随洞外亮度增加入口段亮度大体呈线性增加,且增幅较大,说明洞外亮度对入口段亮度影响较大。     

������ع�-BP ������Ĺ��ƹ�������Ԥ�ⷽ��

基于空中交通复杂程度刻画管制工作负荷是当前空中交通管理领域的研究热点。本文采集了厦门空管站的雷达数据,计算得出10个空中交通复杂性评价指标数值,通过共线性诊断发现复杂性指标间存在较强的多重共线性。在利用岭迹图对复杂性评价指标进行筛选的基础上,建立岭回归—BP神经网络组合模型对管制员工作负荷进行预测,并通过实测陆空通话数据进行验证。结果表明,本文提出的岭回归—BP神经网络组合模型收敛速度快、训练时间少;组合模型的均方误差、均方根误差、平均绝对误差、平均绝对相对误差等4项性能指标都相对较小,预测精度较高。     

基于岭回归—BP神经网络的管制工作负荷预测方法

基于空中交通复杂程度刻画管制工作负荷是当前空中交通管理领域的研究热点.本文采集了厦门空管站的雷达数据,计算得出10个空中交通复杂性评价指标数值,通过共线性诊断发现复杂性指标间存在较强的多重共线性.在利用岭迹图对复杂性评价指标进行筛选的基础上,建立岭回归—BP神经网络组合模型对管制员工作负荷进行预测,并通过实测陆空通话数据进行验证.结果表明,本文提出的岭回归—BP神经网络组合模型收敛速度快、训练时间少;组合模型的均方误差、均方根误差、平均绝对误差、平均绝对相对误差等4项性能指标都相对较小,预测精度较高.     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于遗传神经网络评价铁路多项目优先级

提出一种评价铁路建设多项目优先级的遗传神经网络方法,针对现有评价方法在对指标权重赋值时存在的主观随意性问题,在已有指标体系的基础上给出基于BP神经网络的铁路建设多项目优先级评价模型,并运用遗传算法对所建立的神经网络模型进行优化,有效克服现有综合评价方法中主观确定权重的缺陷。经过算例分析,验证该方法的可行性,并得出结论。     

隧道照明工程质量评价指标的探讨

隧道照明作为保障公路隧道交通安全、提高运输能力的重要手段,为道路使用者提供了必要的安全行驶视觉环境,保证了驾驶过程的舒适感。照明工程质量的评定,需要对隧道照明质量、效果等方面进行定量和定性分析。目前,国内的照明标准在适用实际应用发展现状的基础上已经逐步向国际标准靠拢。本文基于国内标准的应用现状,指出了现存的认知和实施中的问题,进行了隧道照明工程质量评价指标的探讨。     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

决策信息为区间数的多属性群决策方法

为了解决群体决策过程中难以精准确定指标权重和专家权重,以及难以得到精确决策信息的问题,提出了一种基于集值统计和信息公理相结合的群决策方法.该方法将决策个体对各指标的决策信息采用区间数表示;用集值统计模型计算决策群体对各指标决策信息的综合评价值,在此基础上引入观点分歧度概念,以判定综合评价值的有效性;以有效的综合评价值作为决策群体期望的指标设计范围,根据信息公理计算各方案的信息含量来判断方案的优劣,并给出该决策方法的具体步骤.最后,通过实例说明了该方法的有效性;实验数据分析表明,该方法在群决策中避免了确定权重的复杂计算过程,降低了决策的复杂度,更加符合决策者的思维习惯.     

基于BP神经网络的分销商绩效指标评价及应用

针对当前评价分销商绩效的方法所存在的不足,提出一种基于BP神经网络的分销商绩效评价方法.首先建立分销商绩效评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出了可行的评价程序.在计算方法上,用神经网络工具箱进行计算.通过学习样本的训练和测试,使模型的误差达到预定的范围内.最后,利用该模型对江苏某动力机械厂的分销商绩效指标进行了评价,同时探讨了BP神经网络在分销商绩效指标评价中的特点和适用性.     

基于DeviceNet现场总线的公路隧道照明工程控制系统研究

隧道照明系统在达到基本的照明指标后,应尽量实现系统的环保、高效和节能。根据人眼明适应和暗适应的数据拟合函数,推出了隧道各区段亮度计算公式,同时还对基于De-viceNet总线的隧道照明控制系统进行了系统分析,整个控制系统使得隧道内外亮度变化平稳,给驾驶员以安全感和舒适感,同时可以改变传统照明系统电能损耗较大的缺点。     

基于双山隧道的入口段亮度计算方法对比研究

针对国内现行规范JTG/T D70/2—01—2014《公路隧道照明设计细则》与国际照明委员会CIE对于隧道入口段亮度计算方法的差异,推导了20°视野的等效光幕亮度计算方法。以重庆双山隧道为例,计算了不同天空环境下20°和56.8°视野的察觉对比度法入口段亮度,与规范设计值进行比较。研究结果表明:察觉对比度法考虑的视野范围更大,并且更多的考虑了周围景物环境、大气以及汽车挡风玻璃的综合作用对驾驶员视觉特性等生物因素的影响,计算结果较规范值偏大;采用逆光照明的察觉对比度法计算结果比采用对称照明时小52%左右,采用逆光照明能更好的减小隧道照明能耗;天空环境对隧道入口段亮度影响显著,入口段照明需根据天空类型进行分级。     

基于模糊复合物元的停车诱导系统综合评估研究

在考虑城市停车诱导系统多种因素的基础上,利用定性、定量相结合的分析方法提出基于模糊复合物元的城市停车诱导评估模型。该模型以可拓学、关联函数、隶属函数、模糊物元分析为基础,将评价指标、测量值、评价等级等应用于城市停车诱导系统评估,采用关联熵法确定指标权重,通过计算得到评估值并进行排序,进而判断城市停车诱导系统水平。该模型的实例应用表明,所建模型计算简单,便于应用,为停车诱导系统提供了一种合理可行的评估方法。     

基于BP神经网络公路交通噪声的预测

由有限的公路交通噪声实测数据类比估算其它环境敏感点噪声值是公路建设项目环保验收和环境后评价的重要基础工作之一,为探讨科学有效的类比方法,根据人工神经网络理论,针对高速公路交通噪声预测的特点,提出了基于大、中、小车交通量、预测点距离及道路结构5个参数的高速公路交通噪声预测BP神经网络模型。通过对BP模型预测结果与实测值和FHWA模型预测值的比较表明:在某一特定公路环境下,由有限噪声实测数据预测其它环境敏感点的噪声值,BP神经网络不失为一种简便而有效的方法,且可得到比用FHWA模型预测更为精确的结果。     

基于PSO-BP算法的联盟航线市场份额预测

联盟背景下航线产品与单个航班相比,属性复杂、合作风险高。产品属性差异导致市场分担率不同,航线市场份额的精准预测是联盟合作伙伴选择与协同价值计算的基础。因此,充分利用联盟运输数据,在达美航空QSI指标基础上,加入了航线竞争程度、联盟合作关系等指标,建立了适用于联盟背景下国际航线产品市场份额预测的指标体系。考虑到影响因素与QSI值间的非线性关系,引入BP神经网络进行市场份额与影响因素的机器学习,建立了两者间的非线性映射。为防止BP神经网络陷入局部极小值,再引入粒子群算法确定神经网络初始权值,建立PSO-BP算法的QSI模型。结果表明,基于PSO-BP算法的QSI模型能更好预测国际航线市场份额,绝对误差控制在1%。