时程分析法在大蒲春河特大桥主桥抗震验算中的应用

采用时程分析法对大蒲春河特大桥进行抗震分析,对主桥控制部位E1概率和E2概率地震作用下的响应进行验算,并利用验算结果指导该桥的抗震设计.     

随机风浪中舰船横摇倾覆概率分析

以路径积分法为基础,采用Gauss-Legendre公式探讨了随机风浪作用下舰船的运动及其倾覆概率计算。考虑阻尼力矩、复原力矩的非线性及风浪的随机性,建立了随机风浪中舰船运动的非线性微分方程,应用路径积分法给出白噪声随机扰动和定常风倾力矩作用时横摇角概率密度函数随时间的演变,按照现有的倾覆准则给出舰船倾覆概率的表达式。通过算例,验证了路径积分法的准确性,分析了各个参数对横摇角概率密度的影响,计算得出了不同风速、不同航速下的倾覆概率,以及倾覆概率随时间的变化。研究表明,此方法简便可行,并能在数量上预报舰船在随机风浪下的倾覆概率。     

精确制导武器对地面目标毁伤效能研究

从对地攻击靶场效能评估的角度出发,讨论了制导武器毁伤地面目标效能的模型、所采用的效能指标及效能指标的计算方法,最后给出了一个对单个目标毁伤效能的算例分析。     

交通事件持续时间预测贝叶斯网方法研究

交通事件持续时间的预测是事件管理系统的重要组成部分,根据I-880实测数据集,利用逐步回归分析的方法确定事件持续时间的主要影响因素,分别建立了应用于事件持续时间预测的朴素贝叶斯(NB)模型、加树朴素贝叶斯(TAN)模型以及一般贝叶斯网(BN)模型,在分析数据特点的基础上确定了贝叶斯网的推理算法、参数学习以及结构学习方法.在不同数据缺失的程度和不同训练样本规模下,分别对三种模型的预测准确率进行了评价,结果表明贝叶斯网预测模型在数据缺失30%的情况下30min准确率高于80%.     

隧道与互通出口小净距路段换道可靠性研究

为分析高速公路隧道与互通出口小净距路段在不同交通流状况下的车辆驶出概率,提出了基于交通仿真的安全换道概率模型。首先,采用VISSIM标定仿真模型并进行正交试验,获取小净距路段在不同净距长度、交通量、驶出比例、大型车比例下的交通数据,在此基础上确定瞬时交通流密度及相应车流平均速度的计算方法,构建相应的分布模型,通过K均值聚类算法研究不同速度下的瞬时交通流密度大小和出现概率;同时引入可靠度方法并利用微分法来构建车辆安全换道概率模型,综合考虑车速、车流密度、目标车道临界可插入间隙等因素的不确定性,应用蒙特卡罗仿真法搭建求解概率模型的算法,并通过MATLAB对模型进行求解;针对分流车初始位置的不同,分别得到了不同交通量、大型车比例、净距长度下的换道驶出成功率,进而研究不同交通流状况组合下的净距长度。结果表明：交通量、大型车比例、净距长度对净距路段内侧车道车辆换道驶出成功率有显著性影响,研究结果可为规范的进一步完善提供参考。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

基于路侧毫米波雷达的车辆碰撞概率计算方法

为定量化得出高速公路同一车道中前后相邻车辆的碰撞概率,从制动减速度的角度出发, 提出一种新的前后相邻车辆碰撞概率计算方法。分别考虑前后车发生碰撞的3种不同情况,推导出如果发生碰撞前车需要的最小制动减速度。基于路侧毫米波雷达获取海量车辆运行状态真实数据,包括轨迹、速度以及制动减速度的变化规律,采用广义帕累托分布(Generalized Pareto Distribution,GPD)建立制动减速度分布模型,进一步基于GPD模型计算出在不同场景下如果发 生碰撞所需最小制动减速度的发生概率,将该概率值确定为碰撞概率。研究结果表明,在本研究路段,约99.10%的加速度在[-1, 1] m·s-2 的区间范围内波动,车辆制动减速度的分布具有“长尾” 特征,较大的制动减速度占比非常小。内侧1车道、2车道加速分布比3车道的分布更为集中,大型货车的加速度分布比小客车的加速度分布更集中。最后,基于真实的危险场景数据以及模拟的典型危险场景数据进行验证,将该方法的计算结果与传统方法的计算结果相比较,表明该方法的计算结果连续,且可迅速、准确地识别各类危险场景。     

A competing Markov model for cracking prediction on civil structures

Cracks on the surface of civil structures (e.g. pavement sections, concrete structures) progress in several formations and under different deterioration mechanisms. In monitoring practice, it is often that cracking type with its worst damage level is selected as a representative condition state, while other cracking types and their damage levels are neglected in records, remaining as hidden information. Therefore, the practice in monitoring has a potential to conceal with a bias selection process, which possibly result in not optimal intervention strategies. In overcoming these problems, our paper presents a non-homogeneous Markov hazard model, with competing hazard rates. Cracking condition states are classified in three types (longitudinal crack, horizontal crack, and alligator crack), with three respective damage levels. The dynamic selection of cracking condition states are undergone a competing process of cracking types and damage levels. We apply a numerical solution using Bayesian estimation and Markov Chain Monte Carlo method to solve the problem of high-order integration of complete likelihood function. An empirical study on a data-set of Japanese pavement system is presented to demonstrate the applicability and contribution of the model.     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响，考虑交通小区间的空间相关性，分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型，并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计，结果表明：交通小区间的空间相关性显著存在；以不考虑空间相关性的模型作为对比，基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优；在控制家庭层面社会经济变量后，居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应，表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

Lights,camera, legal action! The effectiveness of red light cameras on collisions in Los Angeles

This study estimates the effect of red light cameras (henceforth cameras) on collisions under the Los Angeles Automated Photo Enforcement Program that ran from 2006 to 2011. To control for selection bias and unobservables, a data set is constructed such that intersections with cameras are compared to control groups of nearby intersections without cameras, matched on observable characteristics. To capture potential spillover effects of cameras, control groups at various distances from the intersections with cameras are considered. A Poisson panel data model with random coefficients is applied to these data and estimated using Bayesian methods. The program suffered from weaknesses in enforcement. The city’s courts did not uphold citations and this dampened the effect cameras had on drivers. These problems are accounted for in modeling. Controlling for these concerns, results indicate that the cameras decreased red light running related collisions, but increased right-angle and injury collisions, as well as collisions overall.