港口装卸作业系统战时武器毁伤条件概率评估方法研究

由于战场情况的复杂,毁伤形式的多样,直接评定港口装卸作业系统的毁伤概率有很大困难。分析了装卸作业系统毁伤程度划分的影响因素,提出了基于抢修时间和贝叶斯网络法的武器毁伤的条件概率评估方法,解决了影响因素的选取和量化问题,有一定的实际应用价值;最后结合典型的装卸作业系统进行了毁伤条件概率的分析与计算。随着未来战争中要解决问题的大型化和复杂化,如何建立适用性更强、求解效率更高的装卸作业系统毁伤概率评价模型有待于进一步研究。     

大跨度公路隧道围岩动态分级的Bayes优化

基于贝叶斯统计理论,充分重视相同或相似工程岩组已有的围岩分级信息,建立[BQ]的先验分布和后验分布概率模型,推导出[BQ]的后验分布超参数的计算公式,获得[BQ]的可信概率为1-α的可信区间,并据此对围岩动态分级进行优化。通过某大跨度公路隧道工程实例的应用,验证了该优化方法的可行性。结果表明,优化后的围岩分级有效降低了围岩动态分级结果的主观差异,据此进行的围岩定级更加合理。     

重大交通突发事件中的态势评估研究

态势评估是交通应急管理的基础.针对重大交通突发事件中的态势评估,提出了分析预测流程,并对态势要素及各阶段功能进行阐述.结合国内外已有的态势评估研究成果,举例说明人工智能方法在突发事件态势评估领域的应用.     

面向汽车纵向安全辅助系统的路面附着系数估计方法

文中通过仿真研究探索了一种基于车轮滑移率的路面附着系数识别方法.首先讨论了有效估计驱动轮滑移率和利用附着系数的途径,然后在此基础上,提出了基于贝叶斯原理的路面附着系数估计迭代算法,并利用车辆动力学软件veDYNA对该算法进行仿真分析.结果表明,在滑移率大于代表不同路面的最小滑移率阈值的工况下,该方法能够快速、准确地捕获路面特征,满足汽车纵向安全辅助系统调整安全策略的需要.     

Bayesian Inference of Empirical Coefficient for Foundation Settlement

A new approach based on Bayesian theory is proposed to determine the empirical coefficient in soil settlement calculation. Prior distribution is assumed to be uniform in [0.2,1.4]. Posterior density function is developed in the condition of prior distribution combined with the information of observed samples at four locations on a passenger dedicated line. The results show that the posterior distribution of the empirical coefficient obeys Gaussian distribution. The mean value of the empirical coefficient decreases gradually with the increasing of the load on ground, and variance variation shows no regularity.     

基于贝叶斯判别的驾驶行为危险状态辨识

为有效辨识危险性驾驶行为,以事故发生概率为依据,对驾驶行为的危险状态分级.采用单因子方差分析提取危险状态辨识主因子.基于贝叶斯判别构建了驾驶行为危险状态辨识模型.将在连续驾驶条件下5名驾驶员驾驶行为状态指标测试数据分为两组,分别用于标定与测试模型.测试结果表明错判率为4.3%.     

面向多智能体的出行前信息下通勤者出行行为研究

采用面向多智能体的建模与仿真方法,对先进的交通信息系统(ATIS)提供的出行前信息下通勤者出行行为进行了研究.首先,基于贝叶斯理论,建立了在出行前信息与以往出行经验作用下,通勤者出行时间感知动态更新模型;进而以信念-愿望-意图(BDI)模型为基础,将每个通勤者一车辆单元刻画为一个具有双层结构的智能体,并采用面向多智能体语言AgentSpeak(L)刻画了智能体的出行行为决策机制;最后,采用面向多智能体编程平台Jason与微观交通仿真平台Paramics相结合的方式进行了相应的仿真试验.结果表明:贝叶斯理论可以较好地解释驾驶员(尤其是通勤者)出行行为动态特性,同时验证了多智能体技术与微观交通仿真技术的结合在驾驶员行为分析中应用的有效性,为驾驶员行为分析提供了新思路.     

基于动态贝叶斯网络的列控中心可靠性及可用性评估

为解决共因失效、动态失效及恢复机制等问题,本文基于动态贝叶斯网络对联锁车站和中继站列控中心可靠性及可用性进行评估.在分析列控中心系统结构的基础上构建系统动态故障树,并将动态故障树转化为动态贝叶斯网络,实现结构学习和参数学习.通过动态贝叶斯网络正向推理得到两种类型列控中心可靠度和可用度并进行比较分析.通过动态贝叶斯网络反向推理得到列控中心系统薄弱环节.研究系统敏感性因素并讨论恢复机制对系统可靠性及可用性的影响.结果表明：考虑共因失效的联锁车站和中继站列控中心的稳态可用度分别为0.999 960和0.999 977;电源及驱动采集单元为系统薄弱环节,需要重点关注.该方法能有效提高列控中心智能维修维护水平.     

基于贝叶斯估计的短时空域扇区交通流量预测

为准确把握空域扇区流量分布态势及未来变化趋势,提出了一种基于贝叶斯估计的短时空域扇区交通流量预测方法.首先,通过解析空域系统内航空器原始雷达数据,提取各扇区历史运行信息,建立了多扇区聚合交通流模型;其次,采用贝叶斯估计理论对模型参数进行最优估计和动态更新,预测了空域扇区交通流量的未来演变趋势及其不确定范围;最后,选取国内5个典型繁忙扇区为例,以5 min为时间段,以未来1 h为预测范围,对所提预测方法进行了验证.研究结果表明:85%以上时段交通流量预测结果的绝对误差在3架以内,平均绝对误差均在2架次以内,预测结果的稳定性较好,可充分反映各空域扇区之间短时交通流的动态性和不确定性,符合空中交通的实际情况.      

基于贝叶斯网络多方法组合的短时交通流量预测

贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型. 首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,把离散后的结果用贝叶斯网络进行学习,更新贝叶斯网络参数,通过联合推理求得各个基本预测模型预测结果组合下可能组合预测值的后验概率,把后验概率最大所对应的值作为预测值. 通过对实际道路交通流量的预测表明,本文提出的贝叶斯网络多方法组合预测模型的预测结果精度优于单一的预测模型,从而论证了本文提出的贝叶斯网络多方法组合预测模型具有一定的实用性.