考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

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CAN总线技术的某船主机遥控监测系统

结合某船主机遥控监测系统实例，详细论述一种基于CAN总线的主机监控系统的构成及功能，对CAN总线网络各节点的处理，主机遥控系统控制框图和通讯作了具体措施，以推进CAN总线技术在船舶主机遥控监测系统中的运用。     

船舶智能感知车间的网络构建及系统应用

针对船舶制造现场缺乏实时感知系统、船舶制造车间未构建数据传输至工位的通信系统等问题,应用网络构建技术和信息采集与传输技术,构建船舶智能感知车间网络,实现船舶制造车间内部的“人、机、料”互联,达到数据采集的多源异构性和实时性,提高设备综合利用率和船厂管理水平。     

安徽省公路沥青路面再生技术的应用及其经济社会效益分析

常规的沥青路面养护维修方式会产生大量的旧沥青路面废弃材料,对环境造成不良影响,不仅增加了工程投资,也造成巨大的资源压力。该文以安徽省干线公路沥青路面再生技术为例,分析了沥青路面厂拌热再生技术、水泥就地冷再生技术、全深式厂拌冷再生技术在安徽省干线公路养护维修中所带来的巨大社会、环境和经济效益。     

城市既有梁桥改造技术

针对城市既有梁桥适应新的交通需求所开展的技术改造,结合工程建设实践,分析和总结城市梁桥技术改造中可能出现的方式、类型和采取的改造技术,提出自己的技术主张,并给出了具体的工程实例,为城市既有梁桥的技术改造提供参考。     

在线监测系统在工业水管网中的应用

该文针对上海石化地区工业水管网的运行情况,研究了在线监测方法,建立了管网在线监测系统,并对系统运行效果进行了分析评价。研究表明,该系统反馈及时、信息准确、运行经济,可实现远端无人值守,提高水厂的运行质量。     

服务质量(QoS)在IP视频监控中的应用

QoS技术是一种有效提高IP网内视频数据传输质量的技术,文章介绍其设计思想和实现细节,给出承载视频监控的IP网络内配置QoS的具体过程,以使该技术应用于IP视频监控领域.     

基于路网可达性的城市交通离散网络设计模型及算法

根据城市交通路网分区理论,把分成的子区看成一个节点,考虑所有节点的可达性,以此度量整个路网的可达性,设计了基于路网可达性最大为目标的城市交通离散网络设计模型。采用粒子群算法,并给出一个简单的算例,算例表明,合理的添加路段,能使城市路网可达性达到最大。     

Estimating the influence of common disruptions on urban rail transit networks

With the continuous expansion of urban rapid transit networks, disruptive incidents—such as station closures, train delays, and mechanical problems—have become more common, causing such problems as threats to passenger safety, delays in service, and so on. More importantly, these disruptions often have ripple effects that spread to other stations and lines. In order to provide better management and plan for emergencies, it has become important to identify such disruptions and evaluate their influence on travel times and delays. This paper proposes a novel approach to achieve these goals. It employs the tap-in and tap-out data on the distribution of passengers from smart cards collected by automated fare collection (AFC) facilities as well as past disruptions within networks. Three characteristic types of abnormal passenger flow are divided and analyzed, comprising (1) “missed” passengers who have left the system, (2) passengers who took detours, and (3) passengers who were delayed but continued their journeys. In addition, the suggested computing method, serving to estimate total delay times, was used to manage these disruptions. Finally, a real-world case study based on the Beijing metro network with the real tap-in and tap-out passenger data is presented.