多传感器融合车载电池舱灭火方法研究

电动汽车属于汽车行业的支柱产业,越来越受到社会的重视,但随之产生的汽车安全问题也逐渐增多。电池舱属于复杂环境,易出现着火事件,本文开展多传感器融合车载电池舱灭火方法研究,运用温度、烟雾浓度传感器实现对火灾的实时监测。设计贝叶斯网络模型,并考虑到了传感器失效及误报,实验结果表明本系统具有良好的响应速度及稳定性,为相关领域研究提供了一种解决方法。     

老年人驾车出行转移行为影响因素分析

我国老龄化进程不断加快,公安部于2020年发布取消小型汽车驾驶证申请70周岁上限,老年人群的驾车出行行为备受关注。提出结构方程模型与贝叶斯网络的综合分析方法：以结构方程模型验证老年人转向驾车出行意向的社会认知理论因素,结合机器学习领域的贝叶斯网络计算输出关键决定因素并量化因素间的关系强度。研究结果表明：约16%的老年人有高水平的驾车出行转移意向;态度、主观规范与自我效能感对驾车出行转移意向产生的影响力最大;当老年人的自我效能感和态度由低状态变为高状态时,转移意向的高状态发生概率呈现约185%和265%的增长幅度。这有助于了解老年人的驾车心理需求,为预测未来高龄驾驶群体规模提供思路。     

艰险山区铁路桥隧技术接口悬挂威胁等级评估

艰险山区环境条件极端恶劣、地质灾害频发,铁路沿线桥隧工程占比大,为提高桥隧工程技术接口管理水平,构建贝叶斯反馈修正云模型对桥隧技术接口悬挂威胁等级进行评估。首先,以铁路桥隧工程技术接口为基础,考虑不同参建方之间的接口共性问题和艰险山区铁路建设面临的一系列技术难题对接口悬挂的影响作用,从业主方因素、勘察设计方因素、承包方因素、与项目关联的其他因素、外界因素5个方面出发,构建了桥隧工程技术接口悬挂威胁等级评价指标体系,并利用IFAHP法进行赋权。然后,运用贝叶斯反馈修正原理构建了艰险山区铁路桥隧工程技术接口悬挂威胁等级评估模型。最后,以贡多顶隧道和奔中车站双线大桥桥隧工程技术接口为例,对其悬挂威胁等级进行评估,并借助MATLAB进行可视化分析。通过工程实例表明,该技术接口悬挂威胁综合等级为严重,其中勘察设计因素对桥隧技术接口的悬挂威胁程度最高。     

基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。     

基于AIS数据的交汇水域船舶会遇态势辨识

船舶会遇态势辨识是实现船舶安全避碰的重要前提,交汇水域复杂的通航环境和船舶运动的不确定性使在辨识会遇态势过程中容易出现误判的情况.为准确快速辨识交汇水域的船舶会遇态势,提出联合支持向量机-贝叶斯滤波(Support Vector Machine and Bayesian Filter,SVM-BF)的辨识会遇态势模型和...     

基于手机信令数据的居住地人口分布辨识改进方法

针对传统的基于手机信令数据的居住地人口分布分析方法的不足,通过建立一种基于手机信令数据和问卷调查数据的多源数据融合手段,利用有监督机器学习方法,实现对居住地人口分布现状的分析.首先通过问卷调查数据获取志愿者的实际居住地位置及其所使用的通信运营商相关信息,并进行样本筛选.其次,在通信运营商内部机房建立志愿者用户实际居住地...     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

大型邮轮人员感染新冠肺炎风险评估方法

为快速识别大型邮轮上感染新冠肺炎的高风险人群,避免疫情在邮轮上的社区传播,提出了一种基于数据驱动的大型邮轮新冠肺炎风险评估贝叶斯网络模型.结合《新型冠状病毒肺炎诊疗方案》(第七版)和确诊病例数据确定了大型邮轮人员感染风险评估模型的影响因素;从接触史和临床症状2个主线确定了感染风险的贝叶斯网络结构;通过建立改进的IF-THEN规则库,确定了"风险程度"节点条件概率表,并利用M类节点的逻辑关系确定节点概率,从而构建了大型邮轮人员感染新冠肺炎风险的评估模型;利用500条历史数据对构建的模型进行了验证,采用灵敏度分析识别主要影响因素.结果表明,该模型的预测精度为81%,且模型结构符合贝叶斯3项准则要求.研究结果可在不进行医学检测情况下对高风险人群准确预测,为大型邮轮早期干预新冠肺炎传播提供理论和方法支撑.      

海冰影响下船舶北极水域航行风险评估方法

北极东北航线的开通大大缩短了亚洲至欧洲的航行距离,而海冰是船舶北极航行的主要威胁.针对海冰影响下船舶北极水域航行风险研究,提出基于客观监测数据的贝叶斯动态风险评估方法.通过分析船舶北极水域航行所面临主要风险因素,基于控制理论构建北极东北航道船舶航行风险评价模型.在此基础上,结合贝叶斯网络评价分析方法,根据北极水域海冰动态监测数据,实现船舶北极航行动态风险评价研究.以"永盛轮"北极航行为研究对象,对所研究航线上的航行风险变化进行仿真.评估结果表明,所提方法可实现对船舶北极水域航行风险的动态评估,并突出海冰冰情对船舶极地航行风险的影响,其中,完全无冰和完全有冰状态下的航行风险差值达0.14,模型灵敏性高.