高铁动车组司机连续作业时长的研究

本文在分析动车组司机感知、判断、操作特性的基础上,采用实验心理学测试方法采集司机的各项指标,根据试验测试数据,通过贝叶斯统计学的方法确定合理的高铁动车组司机乘务作业时长,建立乘务作业时长与各项测试指标之间的关系模型。通过算例验证,动车组司机安全可靠度测试等级为良好,并提出相应的改进措施     

北京地区驾驶人职业类型对交通事故的影响分析

国内当前对职业人群与交通事故关系的研究甚少,研究方法简单,文中在借鉴国外研究方法的基础上,利用描述统计、非参数检验的方法对北京市2008～2012年间的机动车事故资料进行统计与分析,以填补国内当前针对驾驶人职业特性对交通事故影响研究的空缺.非参数检验结果显示,北京地区驾驶人的职业类型对其事故数、死亡事故数、事故比例、死亡事故比例、事故责任类型均存在显著性的影响(ρ＜0.05).结果表明,农民、外来务工人员等5种职业类型驾驶人为事故高发人群.农民、自主经营者驾驶人主要发生全部责任事故,外来务工人员发生主要责任事故较多.同时,文中从教育水平角度解释了不同职业类型间交通事故发生的差异,并提出低等级教育水平驾驶人具有事故多发性、事故诱发性,应成为交通安全管理的重点对象.结合北京地区交通事故特点,简单探讨了相应的事故预防对策.     

车队认知能力增强的通信区块间隙优化方法

为了在单车超越车队的过程中缩短超车车辆与车队间通信范围，减少车队通信压力，锁定影响车辆入队的关键车队区块，同时通过将待进入关键区块的车队进行间隙优化调整，为驾驶人提供定制化换道入队引导服务，提出了基于驾驶人超车风格特征参数的车队内信息传输关键区块锁定算法，通过分析影响驾驶人换道入队位置范围的关键因素，将驾驶人换道入队过程分为本车道速度调整过程与入队速度调整过程，利用非参数贝叶斯算法获取驾驶人超车换道特征数据并提出基于关键区块所在车队位置序列的车辆间隙优化调整策略。研究结果表明：超车车辆加速度、与前车预计碰撞时间、与车队相对速度是影响驾驶人换道入队范围的关键因素；通过非参数贝叶斯算法将超车车辆运行数据分类获取的驾驶人换道入队驾驶操作基元，可准确提供驾驶人行为特征关键参数；通过将驾驶人换道特征分为48个子类型，可锁定驾驶人换道入队范围且车队关键区块范围随着超车车辆与车队速度差值不同在各个特征类型上呈现不同变化趋势；针对驾驶人入队特征对待进入车队关键区块的车辆间隙进行优化调整，不仅可以为驾驶人提供可接受的驾驶辅助信息，同时减少了车队间隙产生过程中车辆加速度范围，提升了车队运行的舒适性。     

基于有删失数据的失效率非参数估计方法

为解决当寿命分布的数学形式完全未知，而寿命试验数据又含有右删失数据的情况下，如何估计失效率函数的问题，推广运用密度结构估计的处理手段，根据极大似然的估计思想，在推推导出失效率函数估计的数学形式基础上，构造特殊的样条插值，给出了失效率函数的连续非参数估计。     

改进非参数回归在交通流量预测中的应用

实时、准确的短时交通流量预测是实现交通控制与诱导的关键。结合模式识别的思想,提出基于模式识别的非参数回归算法,并将之应用于短时交通流量预测,最后用仿真试验检验了方法的有效性,仿真试验结果表明,该方法具有较高的预测精度。     

核函数法与最邻近法在短时交通流预测应用中的对比研究

以北京三环路的一个区间路段作为短时交通流预测的背景,利用实际检测数据将非参数回归预测模型中核函数法和最邻近法2个不同的权函数方法进行了仿真对比研究,结果表明在相同的预测精度下,最邻近法更适合时间间隔比较短的交通流预测.将传统的最邻近法加以改进,依次加入前一时刻的交通流量、当前时刻的车辆平均速度和车道平均占用率作为搜索元素.通过对仿真实验结果的研究分析得出结论:前一时刻交通流量的引入保证了预测值和真实值具有相同的切线方向,使得预测精度得到了显著提高;车辆平均速度和车道平均占用率与交通流量具有一定的对应关系,其作用和当前时刻的交通流量相似,所以不能有效的改善最邻近法的预测精度.     

基坑土层等效m值反演分析

工程勘察报告尚不能正确提供各类土层的水平基床系数,而现有规程和指南给出的基坑土层水平反力系数的比例系数m值参考范围较大,致使设计中对m值的选取存在很大的随意性。通过假设及简化分析,提出一个综合考虑土体重度、基坑开挖深度、土层水平反力系数和抗剪强度指标的基坑土层等效m值计算公式,并利用水平位移实测数据,通过非参数回归方法反演确定系数Δ1、Δ2,以修正等效m值计算公式。以昆明市某浅埋公路隧道工程为例,对该反演方法进行分析验证。验证结果表明,该方法不仅能缩小规程或指南给定的m值取值区间,还可以根据基坑开挖深度不断地修正基坑土层等效m值,实现基坑动态控制。     

驾驶行为非参数微观仿真模型

运用信息挖掘技术最大限度地榨取实测数据所携带的驾驶行为个体有用信息,通过数据修正和精简形成样本数据库,采用K最近邻概率密度函数法对样本数据库进行数据过滤和冗余信息清洗,利用预处理后的数据和非参数回归法构建了驾驶行为非参数仿真模型。模拟得到的后车多元信息与其实际值有很好的拟合性,且实际值以模拟平均值为轴小幅度摆动。仿真结果表明,合适的光滑参数能提高模型精度,使模型避免大样本标定数据的限制,很好地反映和预测跟驰过程中的驾驶员行为。     

改进非参数回归在交通流量预测中的应用

实时、准确的短时交通流量预测是实现交通控制与诱导的关键。结合模式识别的思想,提出基于模式识别的非参数回归算法,并将之应用于短时交通流量预测,最后用仿真试验检验了方法的有效性,仿真试验结果表明,该方法具有较高的预测精度。     

城市轨道交通进站客流量短时预测模型研究

利用数学方法可以改善城市轨道交通进站客流量的短时预测效果,促进轨道交通车站客流管理智能化水平。首先建立K近邻非参数回归模型,然后在传统卡尔曼滤波模型的观测方程中引入偏差修正系数以提高其预测精度;再采用贝叶斯方法将以上两模型进行组合;最后利用2013年11月北京市地铁13号线的进站客流数据,研究对比这三类模型在早高峰、平峰、晚高峰和全天的预测精度。结果表明:K近邻非参数回归的总体预测精度最高;贝叶斯组合预测模型次之,但平峰时段效果最好;基于偏差修正系数的卡尔曼滤波模型晚高峰时适用性较差。