贝叶斯网络在柴油机动力装置故障诊断中的应用

试图将贝叶斯网络应用于柴油机装置的故障诊断中,采用贝叶斯网络故障模型,理论上可以表示更加复杂的系统,从而改善诊断结果,并按最优原则充分利用观测信息,进行专家知识积累。     

基于贝叶斯网的城市迁居者通勤方式变迁模型

随着中国城市空间布局的扩展与郊区化现象的加剧,城市内部居住迁移导致居民出行交通结构发生演变.国内关于迁居—出行行为的研究主要集中于对迁居人群机动化通勤趋势及变化成因的宏观描述上,从微观角度分析城市内部迁居人群通勤方式转变的研究尚为少见.本文以南京为例,构建基于贝叶斯网络的迁居人群通勤方式转移模型,模拟并分析个人家庭信息、迁居属性,以及小区建成环境感知变化对原非机动(步行、自行车或电动车)通勤人群出行方式转移的影响.结果表明:家庭汽车、个人收入、新车的购置、住房类型、购房方式、迁居类型、地铁通勤便捷度和地铁步站距离是影响原非机动通勤人群转向小汽车出行的主要因素.研究结果可为城市规划者制定迁居通勤机动化的建成环境调控政策提供一定科学依据.     

社交网络信息对出行时刻选择行为的影响

随着社交媒体和基于定位的智能手机普及,人们可以通过社交平台获得其他人的出行经验,同时与别人分享自己的出行信息.这种媒体形式为人们提供了新的出行参考途径.显然,信息的准确与否,对人们的行为和交通系统性能会造成影响.本文使用贝叶斯学习更新机制描述人们的动态学习行为,建立出发时刻选择的Agent-based模拟模型,比较准确社交信息、不准确社交信息和没有社交信息对交通系统的影响.数值结果表明,本文所建立的模型可以刻画出行者的行为特征,并反映信息对交通系统的影响.     

基于事故树和模糊贝叶斯网络的铁路超限货物运输风险评估

为量化铁路超限货物运输安全风险并识别薄弱环节,提出一种基于事故树和模糊贝叶斯网络的超限货物运输风险评估方法.在确定超限货物运输影响因素的基础上构建事故树,并将其映射为贝叶斯网络.根据模糊集理论标定底事件的条件概率,将底事件的模糊失效概率(FFR)作为贝叶斯网络中根节点的先验概率.通过在仿真软件中利用贝叶斯网络建立铁路超...     

基于T-S模糊故障树和贝叶斯网络的重特大交通事故成因分析

重特大交通事故是最严重的交通事故类型,为了识别此类事故的主要致因,融合T-S模糊故障树和贝叶斯网络对其进行深入分析.建立了以重特大交通事故为顶事件,人、车、路、环境4个因素为中间事件,24个子因素为基本事件的T-S模糊故障树,将其转化为贝叶斯网络,进而双向推理基本事件的重要度和后验概率,确定主要致因.结果表明:融合T-...     

基于DBN的地铁隧道施工坍塌事故情景推演与应急处置优化研究

为充分利用历史事故的有效经验辅助应急决策,结合当前认知水平和技术水平优化历史事故的应急处置,提高决策的科学性和合理性,提出一种基于动态贝叶斯网络(Dynamic Bayesian Network, DBN)的地铁隧道施工坍塌事故情景推演和应急处置优化方法。从情景分析角度出发,基于情景元理论描述事故情景状态和趋势,分析情景因素间的作用关系,构建情景演化基本单元;分析事故情景的演化规律和路径,构建动态贝叶斯网络,对事故情景进行推演,探讨事故演化路径和发展趋势;从最优路径、最劣路径、最可能路径和实际路径探讨应急处置的优化方法和实施建议;应用该方法对某地铁隧道坍塌事故进行分析,根据推演结果提出应急处置优化方法和实施建议。     

基于本体推理和BN的无人驾驶行为决策

相较于高速与高架路段,无人驾驶行为决策系统在城区路段要面对更为复杂和多变的交通道路环境。文章提出一种将本体知识推理和贝叶斯网络（BN）相结合的方法,通过对道路环境本体模型加以逻辑推理,迁移为BN的结构参数,并根据历史驾驶案例和专家经验构建完整的贝叶斯网络。最后通过BN判断当前场景的最佳驾驶模式。本方法能使车辆较好地判断当前最优驾驶行为。     

港口水域船舶异常能耗云数据挖掘

以港口水域船舶的节能减排为目标,研究港口水域船舶异常能耗云数据挖掘方法。采集港口水域船舶的AIS云数据,删除与船舶能耗无关以及异常数据,利用K-means聚类算法对船舶能耗相关船舶主机转速以及船舶主机功率等数据进行聚类,输出船舶不同运行工况的能耗。利用贝叶斯分类器依据聚类结果识别港口水域船舶能耗云数据是否为异常数据,完成港口水域船舶异常能耗云数据挖掘。实验结果表明,该方法的船舶异常能耗数据挖掘精度高,为船舶的节能减排提供依据。     

路网抗震可靠性及震后运输调度路径选择研究

道路交通网络在地震作用下会出现一定程度的结构损坏和功能失效,对震后运输调度路径选择产生了影响.为研究路网的抗震可靠性及震后运输调度的路径选择问题,以路网连通概率作为衡量路网抗震可靠性的指标,将贝叶斯网络理论应用于路网形态特征之中,构建量化路网抗震可靠性的贝叶斯网络模型并求解.将震后运输调度路径选择视作多属性决策问题,综合考虑运输时间、运输距离及路径可靠性这3种属性,构建运输调度路径选择的决策效用函数模型,对模型求解确定震后运输调度的路径选择方案.以宿迁市宿城区部分路网为实例,在设定地震影响下,定量分析路网抗震可靠性,选择震后运输调度路径.     

交通事件持续时间预测的贝叶斯网络模型

交通事件是引发道路交通拥堵的主要因素之一,通过实时交通诱导等手段可以降低其对交通运行造成的影响,而及时准确地预测事件持续时间则是实现有效管控的前提条件.基于 MIT 打分函数,融合自上而下的网络生长规则,引入蚁群算法寻找最优网络结构,即以 S-ACOB 算法为核心搭建最优贝叶斯网络模型.增加了节点随机选择机制及局部结构概率选择模式,降低局部最优结果生成概率,确保贝叶斯网络的健壮性.通过实例验证及对比分析,针对观测节点属性完备和缺失的情况,网络模型预测精度分别为76.97%和93.23%,平均预测精度可达87.82%,证明该模型可以有效地预测交通事件持续时间.