考虑多身体部位的二轮车骑行者事故伤害严重程度研究

现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2 799起二轮车事故,以二轮车骑行者头部、胸部、上下肢等7个主要部位伤害严重程度为因变量,选取44个主要自变量以表征碰撞前行为、碰撞位置等信息。采用带随机参数的多变量模型进行研究,以更好解释各受伤部位严重程度间的关系及数据中未能观测到的异质性。结果表明：二轮车骑行者性别及年龄、车辆属性、碰撞前二轮车驾驶行为及二轮车被撞位置均会对二轮车骑行者不同部位的伤害造成显著影响;头部、胸部及下肢在二轮车事故中是最脆弱的3个部位,值得进一步研究;中年二轮车骑行者在头部伤害模型服从正态分布的随机参数,即中年二轮车骑行者会对二轮车骑行者头部伤害严重程度存在异质性影响;加强汽车及二轮车的安全设计从而保护二轮车骑行者胸部和腹部极有必要;佩戴头盔不仅能够保护头部伤害,对于保护上肢伤害也有重要作用。     

刹车状况下桥上随机车流动态演化及车-桥耦合振动分析

为实现刹车时桥上多状态车流并行动态演化的高真实度模拟和时变汽车荷载与桥梁运动状态的时时耦合,首先从宏观和微观上丰富随机车流模拟方法,宏观上沿用交通荷载调查数据中的车辆顺序、车辆基本特性等不变量,以车辆间距为服从正态分布的限幅随机变量,形成深度融合交通荷载调查数据和交通流理论的随机车流高真实度仿真方法;微观上对车辆间距随机变量确定的关键状态-阻塞状态,引入加权速度,实现阻塞密度时车流的走走停停动态描述,采用考虑驾驶人状态的概率分布方法确定车辆时距;实现多密度随机车流的高真实度仿真。其次细化刹车过程模拟,建立车流差异化刹车模型：采用顺次对比方法,筛选桥长范围最不利刹车车流;引入停车视距,考虑驾驶人反应,区分头车和跟驰车辆,精细模拟车辆刹车动态过程和刹车车流演化过程,差异化确定各车辆刹车参数;实现桥上多状态车流并行动态演化模拟。第三建立刹车力学模型,并融入至已有正常车流的车-桥耦合系统,构建可考虑刹车状态的分析系统。最后确定桥梁典型响应和分析指标,以一座大跨斜拉桥为例,对多刹车工况下的桥梁响应进行分析。结果表明：桥上刹车状况一般会产生超过正常行驶状况下的桥梁响应,最不利单车道刹车状况下的塔根弯矩甚至达到跑车工况的2.7倍,简单采用规范冲击系数方法很难实现刹车响应的包络;刹车过程中的桥梁响应最值不仅与采取刹车的车辆数目和桥上车辆保有量有关,还受刹车作用与桥梁原响应趋势的顺逆程度控制;桥梁及桥上刹停车辆的总质量和桥上正常行驶的车辆决定桥梁响应时程曲线趋势振幅;典型桥梁响应的总体趋势,与车流密度和刹车车道数相关性较小,不同时段车流会对梁端顺桥向位移和塔根弯矩产生影响。     

基于随机过程的连续箱梁桥通行荷载研究

车辆荷载是桥梁的基本可变荷载之一,其模型由车重、轴重、桥跨、交通量等许多随机变量来表征。选择了7处国省道的移动称重系统(WIM)数据,将其与原交通部"公路桥梁可靠度研究"中相关车辆特征进行对比,分析其差异和变化情况,并将某一时段实测的数据加载在连续箱梁桥上得到对应时程曲线、截口分布和最大值样本分布,并基于此,得到对应典型PC变截面连续箱梁桥的通行荷载特性。     

t半序在序列密码设计中的应用

讨论了半序在序列密码设计中的应用问题,给出了生成伪随机序列的详细算法和matlab实现.     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

基于客户关联的纯电动轻卡驱动电机可靠性台架试验研究

为研究轻卡BEV驱动电机可靠性台架试验标准与实际客户的关联,文章基于整车CAN网络,采集实际客户日常行驶过程中的电机扭矩、转速等数据,通过Ncode软件计算出电机的扭矩谱。根据Miner准则,计算出电机20万公里的疲劳伪损伤。对比电机可靠性台架试验的电机伪损伤,确定电机台架试验标准是否满足客户需求。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

随机交通分配中有效路径的确定方法

对用于随机交通分配的三种不同路径进行了比较和分析,研究了无环简单路径的寻求方法和无环简单路径集上的随机交通分配问题。重新定义了有效路径,提出通过利用求解确定性用户均衡分配问题的迭代过程来产生有效路径的启发式方法,算例表明该方法是有效性的.     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．