基于FTA-BN的综合交通枢纽中地铁车站安全风险评价

以综合交通枢纽中的地铁车站安全为研究目标,综合考虑综合交通枢纽中特殊的客流组成和乘客特征,以踩踏、火灾、水灾、公共卫生和大面积滞留5类易发风险事故作为研究对象,基于FTA-BN方法对其影响因素进行分析,识别其风险因素,建立相应的事故树模型,转化为贝叶斯网络模型进行风险评价;引入三角模糊数处理专家自然语言,得到贝叶斯网络中的先验概率和条件概率分布,然后通过贝叶斯网络模型进行网络推理计算和敏感性分析,找出地铁车站中的薄弱部分,制定相应的风险管控措施,从而提高枢纽中地铁车站对于紧急事件的应对能力。以广州南站地铁车站为例进行快速评价,结果表明：广州南站在公共卫生安全方面存在一定危险,发生概率为42.98%,且较易发生大面积滞留事件,可能性为30.40%。     

层次分析法在港口起重作业装卸事故树研究中的应用

通过对港口起重作业大量事故案例原因分析,绘制了港口起重作业事故树。对港口装卸事故造成的原因重要度采用了层次重要度(AHP)分析法,将要素归并为不同的层次形成一个多层次的分析结果模型。求解基本事件及最小径集层次重要度过程中,采用了改进层次分析法,一次得到所求层次重要度,省略了一般层次分析法所要求的一致性检验,从而减少判断矩阵调整的盲目性。同时采用层次重要度法排列港口起重事故中基本事件及最小割(径)集重要性顺序,为事故控制方案的选择及制定安全检查表提供较可靠的理论依据。     

基于快速扩展随机树的机器人路径规划仿真实验平台研究

在建立并实现一种基于快速扩展随机树的机器人路径规划算法的仿真实验平台的基础上,通过该仿真实验平台所做的大量仿真实验表明：基于快速扩展随机树的路径规划算法具有强烈搜索未知空间的倾向,在各种障碍物环境下搜索出可达路径。该仿真实验平台运行稳定,功能完善,可直观地演示路径规划算法的搜索过程。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30．7463％,分类回归树的误差平均值为29．5197％,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65 000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8 000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30.746 3%,分类回归树的误差平均值为29.519 7%,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

基于Microsoft时序算法的广东省交通运输领域能耗预测研究

通过收集历史数据,建立多个影响城市交通能耗的因素与交通运输能耗的数据库,首先用决策树算法对影响因素进行选择,然后根据给定的输入列,用Microsoft时序算法对广东省交通能耗进行短期预测。结果表明,运行的车辆数、车辆的周转量是影响能耗的两大主要因素,同时短期内交通能耗呈上升趋势,且较往年有所增强。     

复制窗口不等保护喷泉码的与或树渐进性能分析

采用与或树分析方法,结合算法的构造,推导出复制窗口不等保护算法中各类数据的译码失败概率迭代公式.从数学的角度验证算法性能.通过Matlab性能仿真,给出在不同复制因数下复制窗口不等保护算法与算法误比特率性能关系曲线.通过与基于权重的不等保护算法及拓展窗口喷泉码的渐进性能仿真结果进行对比,证明了该算法在相同译码开销下,可将保护级别提高3~4个数量级.此外,本文研究了复制因数对算法性能的影响,在不同的译码开销下,通过Matlab仿真给出复制因数与算法性能的关系曲线.     

高速公路尾随相撞事件的贝叶斯网络致因分析模型

应用上海市高速公路1104条事件数据,基于专家知识和数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习;运用团树传播算法进行推理分析。研究了上海市高速公路尾随相撞事件类型与不同道路环境条件之间的关系。在验证贝叶斯网络模型的有效性后,系统分析事件致因,并提出改进措施。发现重大尾随相撞事件易发生在大中型车与小型车之间;夜间易发生大中型货车的重大尾随相撞事件,尤其是凌晨0时至6时;路表潮湿状态下的非普通路段上易发生大中型客车的重大尾随相撞事件。结果表明贝叶斯网络建模能够更好的反映事件致因因素的多维性及关联性,是交通事件致因分析的有效方法。     

建成环境对共享单车分时骑行量的非线性作用研究:以上海市为例

为解析建成环境对共享单车不同时段借还车量的非线性作用,本文以2016年上海摩拜共享单车和网络公开数据为基础,利用梯度提升决策树,建立共享单车工作日,非工作日及工作日早、晚高峰借还车量模型。研究结果显示：变量影响程度方面,街道至市中心距离对4个时段共享单车借还车量具有稳定且突出的作用,相对重要度超过17%;路网密度、非机动车道占比、人口密度影响次之,但在4个时段作用波动较大。非线性关系方面,街道至市中心距离、非机动车道占比、人口密度、就业POI(Point of Interest)密度与各时段共享单车借还车量呈复杂非线性关系,阈值效应显著;路网密度、住宅POI密度则与之总体负相关和正相关。同时段下,建成环境对早晚高峰时期的共享单车借还车量非线性作用差异明显,与高峰时期单车骑行的潮汐性特征相一致,非机动占比与街道中心邻近度、就业POI密度对高峰时段单车骑行作用有明显的协作性作用。     

BOM展开的树型结构实现

介绍了树型结构如何用Visual Basic语言的数组表示及实现遍历,以及如何用TreeView控件显示BOM,给出了数据结构的描述及算法的流程,并在大连机车厂CIMS工程的车间管理系统中成功应用,本方法对其他类似的实际应用也有参考价值。