基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系，本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori，XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构，通过机器学习库 scikit-learn 中 XGBoost (Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而，对Apriori算法设置有序定向约束，得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项，选取频繁项集，总结高置信度、高提升度的关联规则。关联因素模型评估结果表明，本文采用的SFM功能准确度可达78.31%，关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示，驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中，男性驾驶员造成的行人死亡事故频次较高，女性驾驶员造成的受伤事故频次较高；大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高；位于匝道等道路线型弯曲的坡道中，老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法，为有效保护道路弱势群体提供必要的理论支持。     

基于分段学习模型的自动驾驶行为决策算法研究

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立一种端到端的车道线检测网络模型,并引入车道中心线作为决策的重要线索提高算法的迁移能力,同时利用YOLOv3目标检测模型对本车道内前方最近障碍物进行位置检测;而后,经几何测量模型将两者检测结果转换成环境状态信息向量为决策做支撑;最后,构建基于长短期记忆(LSTM)网络的驾驶行为决策模型,根据编码的历史状态信息刻画出动态环境中车辆的运动模式,并结合当前时刻的状态推理得到驾驶行为参量。使用建立的真实驾驶场景数据集对模型分别进行训练、验证与测试,离线测试结果显示车道线检测模型的检测位置误差小于1.3%,车道内前方障碍物检测模型的检测精度达98%以上,驾驶行为决策网络模型表征预测优度的决定系数 大于0.7。为进一步验证算法的有效性,搭建了Simulink/PreScan联合仿真平台,多种工况下的仿真验证试验中多个评价指标均达到工程精度要求,实车测试的试验结果也表明该算法可实现复杂驾驶场景下平稳、准确无偏航的预测效果并满足实时性要求,且与传统端到端模式的算法相比,具有更好的迁移性和泛化能力。     

A context aware system for driving style evaluation by an ensemble learning on smartphone sensors data

There are many systems to evaluate driving style based on smartphone sensors without enough awareness from the context. To cover this gap, we propose a new system namely CADSE system to consider the effects of traffic levels and car types on driving evaluation. CADSE system includes three subsystems to calibrate smartphone, to classify the maneuvers, and to evaluate driving styles. For each maneuver, the smartphone sensors data are gathered in three successive time intervals referred as pre-maneuver, in-maneuver, and post-maneuver times. Then, we extract some important mathematical and experimental features from these data. Afterwards, we propose an ensemble learning method on these features to classify the maneuvers. This ensemble method includes decision tree, support vector machine, multi-layer perceptron, and k-nearest neighbors. Finally, we develop a rule-based fuzzy inference system to integrate the outputs of these algorithms and to recognize dangerous and safe maneuvers. CADSE saves this result in driver’s profile to consider more for dangerous driving recognition. The experimental results show that accuracy, precision, recall, and F-measure of CADSE system are greater than 94%, 92%, 92%, and 93%, respectively that prove the system efficiency.     

汽车检测与维修技术专业学生自主学习的研究与分析 ——以北京学校为例

基于工作过程以能力培养为主是北京汽修专业新的一轮教学改革目标。通过将传统教学与企业实践工作相融合,提倡行为导向,鼓励学生进行自主学习。但是在教学改革的过程中也暴露出学生自主学习能力不足,需要开展学生自主学习能力培养,需要增强学生主体地位,激发学习兴趣;需要推行探究式学习改进学习模式;需要改进教学方法加强学校软硬件建设。     

基于分层次教学法的学习动力激发 ——以汽配专业《汽车电工电子技术基础》教学为例

在“互联网+”时代的到来,以及全民教育、终身学习的思想在全社会的推广,高职院校课堂教学重点应适应时代发展,向“激发学生内在学习动力,实现终身学习”的方向转变。根据教学经验,制定出针对不同层次学生的分层次教学方法,运用在日常教学活动中,最终通过该方法完成教学任务,实现教学目标。     

“工程力学”课程教学中加强高职学生工程能力和兴趣培养的探索

概述了工程力学性质,对学生现状进行了分析,提出了从引入工程案例、制作力学模型、苦练教师内功等三个方面来加强高职学生工程能力和兴趣的培养。     

基于交通大数据的移动模式分析综述

交通大数据可为揭示交通主体显性出行行为背后的深层规律（即移动模式）提供重要基础。精确掌握大数据驱动下交通主体的移动模式，可为需求预测、客流组织、土地利用、事件管理等应用提供理论依据。交通大数据主体繁多、时空多态、关联性复杂的特性迫使小数据时代下的移动模式分析方法转型和升级，但仍可能遇到移动模式一致性表达难、异常类型检测难、复杂关联性表达难、时空多态性建模难、一体可视化分析难等普遍问题。针对这些问题，利用科学知识图谱，对2010~2020年期间3 747篇文献的热点关键词分布、发表趋势分布、出版刊物分布等特点进行归纳总结，结合常见的移动模式分析数据集，系统综述现有研究在移动模式常态分析、非常态分析、关联分析、预测分析和可视化分析方向上的阶段性进展。其中，移动模式常态分析综述了个体活动特性分析、出行类别划分、特定群体分析等应用的研究进展。移动模式非常态分析综述了基于模板匹配和数据驱动的非常态事件检测方法的发展脉络。移动模式关联分析综述了面向不同数据源的关联特性检测方法的发展近况。移动模式预测分析综述了基于数理统计和数据驱动的交通属性预测方法的发展状况。移动模式可视化分析综述了用户交互设计、移动模式宏观可视化、微观可视化和整体可视化的发展近况。最后，系统总结各个分支方向面临的主要问题与挑战，并从数据整合、模型创新、机制变革等角度提炼移动模式分析研究的未来发展趋势，期望为后续研究采用新理论技术开展移动模式分析提供参考。     

面向高速公路车辆切入场景的自动驾驶测试用例生成方法

为在自动驾驶汽车基于场景的测试中生成涵盖相应场景中复杂多变的真实交通运行过程的测试用例,从highD数据集中提取车辆切入场景的多个实际样本,通过分析运动参数和参与车辆之间的位置关系,建立车辆切入场景的描述模型,根据切入点的碰撞时间评估该方案的风险程度,并结合描述模型中参数的分布,采用蒙特卡罗方法生成测试用例。结果表明,生成的车辆切入测试用例能够覆盖所有风险等级,可较好地支持自动驾驶测试。     

基于深度学习网络模型的车辆类型识别方法研究

为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型。该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层。理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48%、测试精度优于83.86%。     

北疆地区货运专线铁路站场设计特点研究

北疆地区地广人稀、自然条件恶劣、风力强劲频繁、降雨量稀少不均匀,存在瞬时洪水及风沙、风蚀、风吹雪等特殊不良地质现象,针对该地区独特的自然环境及地形地质特征,结合红柳河至淖毛湖铁路(货运专线铁路)设计实例,提出铁路站场设计应遵循的原则,根据上述不良地质形成的铁路病害成因及规律,在站址选择、站型、站场路基及车站房屋等方面,提出不同地形地质条件下铁路站场的特殊设计方案。