情景分析法在交通规划中的应用研究

运用情景分析法,综合考虑影响交通发展的5个主要因素,结合专家群体的知识与实际数据资料、各种信息与计算机技术以及数学模型与决策者的经验智慧,依次得到     

生活事件、应对方式对上消化道癌发生的影响

目的　探讨心理社会因素中生活事件、应对方式对上消化道癌发生的影响。方法　以 98例上消化道癌患者和98例与之相匹配的健康人作为研究对象 ,采用生活事件量表、简易应对方式问卷进行评定 ,比较两组之间的差异。结果　病例组病前负性生活事件刺激量和发生频率明显高于对照组 (P <0 .0 5) ,而其正性生活事件刺激量和发生频率明显低于对照组 (P <0 .0 5) ;病例组的消极应对方式总分高于对照组 (P <0 .0 5) ,而积极应对方式总分低于对照组 (P <0 .0 5)。结论　应激可能是上消化道癌的一个致病因素 ,而消极应对方式可能是上消化道癌的一个致病危险因素     

复杂水文地质环境条件下等级公路的灾害防治研究

为了有效预防、治理各类复杂特殊岩土体公路自然灾害和人类活动、区域地质构造环境极端变化诱发的公路灾害,文章在分析公路灾害孕育、诱发、发生、发展过程中地下水补、径、排等关键水文地质致灾条件和灾害类型的基础上,详细研究了公路灾害的成灾机理特征,诱发、影响因素及防治措施。提出了对公路建设全过程的公路灾害安全评价和以勘探、预防预报、治理地表水、地下水运动变化等水文地质条件关键点为核心的公路灾害治理与防治技术措施。     

遇雨天路面自动排积水

雨天路面积水多,路面滑容易出车祸．“雨雾天气高速公路交通安全控制技术”项目的开展将解决雨天积水和雾天预警问题．该项目通过研制排水路面．采用新型的路面结构加强道路自我排水功能,防止路面积水,并建立雾天判断系统给司机以路况提示。     

大型活动中心交通需求管理策略研究

在对大型活动中心交通供需特性分析的基础之上．论证了大型活动中心需要采取交通需求管理的可行性和必要性,并分别从活动中心活动参与者以及过境出行者两个不同群体的角度提出了大型活动中心实施交通需求管理的具体目标和关键问题。并以上海市浦东三林体育中心为研究对象,对处于城市中心区的大型活动中心实施交通需求管理的策略进行了实例分析。     

基于粒子滤波的场景事件实时识别

为解决智能监控场景中场景事件的检测与分析问题,提出了一种基于粒子滤波的场景事件实时识别方法.将场景事件分解为一系列的子事件,构成多层动态贝叶斯网络模型,模型中每一状态对应一种事件.采用Particle F ilter粒子滤波方法对模型中各节点状态的后验概率进行实时估计,以对场景事件进行实时识别.采样不同的粒子数目进行了对比仿真试验,仿真结果表明该方法能够得到较高的识别精度.     

高速公路灾害性天气研究

气象环境对高速公路的行车安全、正常运行起着举足轻重的作用,恶劣天气是导致高速公路交通事故、道路阻塞、路产损失的主要原因之一.因此,加强对气象灾害的分析研究,加强对气象状况的检测并制定相应的对策,对保障高速公路过往车辆的安全、提高服务质量具有十分积极的作用.     

异常事件下的城市轨道交通网络特征分析

网络结构是城市轨道交通网络的一个重要特征.异常事件下网络结构特征的变化往往决定了事件所产生的影响.以新加坡的轨道交通网络为对象,首先基于3类中心度指标分析网络的结构特征,对站点和线路进行了比较;然后分析了1个站点关闭这类异常事件下网络结构特征指标发生的变化,基于此能界定破坏网络连通性及明显改变网络结构均衡性的2类关键站点;最后阐述了分析结果在城市轨道交通系统运营管理方面的应用价值.     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

基于高速铁路的GSM-R通信无线覆盖的可靠性分析

高速铁路的GSM-R通信无线覆盖的可靠性分析是保证列车安全、高效运行的技术手段之一。抽象出胶济线GSM-R网络结构,利用故障树分析法,根据各个网络节点的可靠度,计算出整个系统的可靠度。胶济线GSM-R网络覆盖采用单网交织冗余覆盖方案,铁路沿线基站设置的比较密集,根据故障树定量分析法,求出顶事件发生概率的近似值,根据某厂家提供的相关产品参数,得到GSM-R网络主要单元节点的可靠度预测值。