降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.     

基于固有匹配对数据的交通事故致亡风险因素分析

机动车乘员在道路交通事故中死亡风险的大小受到很多因素的影响.为分析交通事故中致亡因素的非线性效应,在美国交通事故死亡分析报告(FARS)的数据基础上,对机动车乘员的事故结果进行匹配筛选,得到了固有匹配对数据.进而以相对死亡风险为衡量指标,通过非参数logistic回归的方法揭露了性别、年龄、安全带的使用情况以及座椅位置4个因素对致亡伤害的深层次影响机理,有望为交通安全政策的制定和交通安全措施的实施提供重要依据.除此之外,非参数logistic模型能够揭露年龄作为连续变量的重要非线性影响.研究结果表明,固有匹配对的数据结构能够排除外界因素对模型的干扰,且性别、年龄、安全带的使用情况以及座椅位置4个因素会对交通事故中机动车乘员死亡风险的大小造成显著影响.女性的死亡风险相对男性高出15.9%(对数值);使用安全带可以降低74.8%的死亡风险(对数值);死亡风险随机动车乘员年龄增长呈上升趋势;小汽车的后座左侧和后座中间位置是最安全的位置.     

基于首次超越机制的小规模路网可靠性模型研究

可靠性可用于评价路网性能。传统的路网可靠性指标基于路段可靠性推导而得,因数据获取难度大等诸多缺点导致难以实践应用。分析了传统路网可靠性指标的不足,基于路网行程时间,通过构造合理的单输入单输出路网结构模型,获得表征路网结构的功能函数,并得到一般路网的可靠性模型。在此基础上,基于首次超越机制,在泊松假设的前提下构造了评价路网可靠性的模型。基于Vissim 仿真平台介绍了模型的应用过程,仿真结果与路网运行状态相符。     

应急车辆延误情况调查及应对措施研究

因交通拥堵而造成的应急车辆救援延误导致悲剧事件频发。为了解应急车辆救援延误的情况并研究应对措施,以普通机动车驾驶者为对象进行问卷调查,针对驾驶者对应急车辆的认识和对应急车道的占用情况,驾驶者在驾驶过程中对应急车辆是否避让,以及避让方法进行调查。然后利用SPSS数据统计软件筛选出对驾驶者驾驶行为影响权重较大的特征变量,并基于Logistic模型建立了驾驶者特征与占用应急车道和避让应急车辆行为的模型。在此基础上提出相应的应对方案,利用Vissim仿真软件对解决方案进行仿真。结果显示:对有一定驾驶年龄并有本科以上学历的青壮年的驾驶行为对应急车辆延误有较大影响,且正确的避让方法能明显地减少应急车辆的行程时间。     

基于特征增强学习的路面裂缝病害视觉检测方法

受路面复杂背景的干扰,既有的路面裂缝病害视觉检测算法易产生虚警和漏检问题。基于此,提出一种基于语义特征增强学习的路面裂缝病害检测方法。为了强化网络模型对图像浅层特征的利用,该算法以Unet++网络为裂缝检测的主框架,其通过融合更多的底层特征信息来提升裂缝病害检测的精度。在Unet++网络层间特征融合的基础上,根据不同卷积层的特征图属性,进一步差异性地引入视觉注意力计算模块,有效抑制背景杂波的干扰,减少虚警率。为了降低裂缝病害检测的漏检率,利用空洞卷积操作分别从2方面改进网络模型的训练过程：其一,应用空洞卷积代替传统的池化操作,通过网络的自动学习剔除无关紧要的特征信息,加强网络对细微裂缝特征的学习能力;其二,在网络上采样前,建立空洞卷积金字塔池化层,通过增加对裂缝特征的尺度多样性计算,保证网络模型在不同拍摄距离下裂缝病害检测的适用性。收集大量的路面裂缝图像数据并与不同算法进行对比分析,实验结果表明本算法取得了比全卷积网络、原始Unet++网络更优的裂缝检测效果。     

公共汽车票价体系和补贴机制问题与思考

票价体系和财政补贴机制是公共交通运营管理和财政优先的重要手段。从公共管理视角阐述公共交通服务的四大特性,梳理其发展定位的演变过程。对比分析中国主要城市公共汽车票价体系、运营模式、补贴机制等方面发展现状和存在的问题,提出相应对策建议。结果表明：构建与乘客出行特征相适应的票价体系、乘客出行费用与居民人均可支配收入相匹配的票价优惠模式以及动态调节机制,可为公共汽车线网优化奠定基础;建立成本约束、综合考核、经营分享等机制以及精细化补贴模式,有利于促进公共汽车企业降本增效。以广州市597条公共汽车线路为例进行分析显示,乘客满意度达到83分是运营成本和满意度的拐点,应避免为追求满意度无限提高运营成本导致政府补贴过高。     

基于区块链的舰船通信数据防篡改模式研究

现有舰船通信数据存储模式存在易被篡改等缺陷,结合具备防篡改特性的区块链技术设计通信数据防篡改模式,构建该模式中的舰船通信区块链结构,通过区块链共识机制由所构建的舰船通信区块链中选取最佳区块,以分层数字签名的方式向最佳区块内加密上传舰船通信数据,完成舰船通信数据的加密防篡改存储。结果表明,该模式在上传舰船通信数据过程中,可保持平稳的签名加密与最佳区块选取运算开销,并有效避免各类篡改攻击,具有较高的防篡改性能。最终存储的数组舰船通信数据中,最高被篡改与缺失数据量的占比仅为0.004%与0.02%,存储数据的整体安全性与完整性较为理想,可为舰船通信数据的安全存储提供保障。     

基于LSTM与注意力机制的船舶航迹预测模型研究

在内河通航船舶数量不断增加和通航环境日益复杂的情况下,为充分挖掘海量AIS数据中的价值信息,针对内河船舶航迹预测中的精度和可靠性问题,应用循环神经网络方法,提出了一种结合深度学习注意力机制(At-tention Mechanism)和长短期记忆网络(Long Short-Term Memory,LSTM)的船舶航迹预测...     

天气因素对福州地铁客流的影响分析

地铁作为一种绿色出行方式,是缓解城市交通拥堵的重要手段。地铁客流受到多种因素影响,其中天气因素变化较快,会造成地铁客流的快速变化。了解天气因素对地铁客流的影响,有助于建立相应的运输组织响应措施。本文旨在量化分析天气因素对福州地铁客流量的影响,并考虑原始天气指标的局限性,引入体现舒适度的指标。建立地铁客流与天气因素(包括气压、相对湿度、风力、降水、风寒指数等级、综合舒适度指数等级等)之间的多元线性回归模型,量化影响方向和影响程度。此外,工作日与非工作日的客流模式差异较大,将两者分别建模分析。研究发现：工作日,降水、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响;非工作日,降水、气压、相对湿度、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响。总体而言,非工作日地铁客流对天气因素更加敏感。     

内河航运安全指数构建和发布机制研究

为提高内河航运管理人员安全意识,提升内河航运安全管理水平,提出建立内河航运安全指数的思路。从人、船舶、环境和管理因素四个方面全面分析了内河水上交通安全的影响因素,确定各种因素对事故发生的影响程度。提出了基于贝叶斯理论的安全指数的计算方法,以长江为例,建立了内河航运安全贝叶斯网络拓扑结构图,进而对长江某段的通航安全进行评估。最后,提出了内河航运安全指数发布周期、发布流程、部门支撑和发布途径等,供我国内河航运管理部门参考。