海上船舶溢油事故多物资应急调度问题分析

为降低海上船舶溢油事故对海洋生态环境的影响,减少应急物资调度不合理造成的损失。针对海上船舶溢油事故漂移扩散性、持续性和应急物资需求多样性等特点,通过GNOME(The GNU Network Object Model Environment)仿真确定应急物资需求点,并引入三角模糊数确定应急物资需求区间,构建以所有船舶完成调度所用时间最短为目标的多应急物资、多调度船舶和多需求点的调度模型,并利用遗传算法进行求解。引入算例对模型的有效性进行验证,结果表明:海上船舶溢油事故需在预测事件形态时空变化的基础上建立应急物资调度方案;在多种物资下的应急调度更符合实际。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性.针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径.提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法.以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集...     

基于XGBoost的高速公路事故类型及严重程度预测方法

高速公路事故频发,而以往研究未能充分揭示交通流动态特性对事故类型与严重程度的影响。为此研究了基于动态交通流数据的高速公路事故类型与严重程度的预测方法。从高速公路门架数据中提取流量、密度、速度等交通流数据,同时考虑时间特征以及时间和空间不均匀性特征的数据,与事故数据相匹配构成全样本。建立了基于极端梯度提升树（extrem Gradient Boosting,XGBoost）算法的预测模型,预测事故是否发生、事故类型以及事故严重程度。分别考虑追尾事故和其他事故2种事故类型、有人员伤亡和仅财产损失2种事故严重程度,模型的结果表明：①上下游速度差大、低速、路段车流量大且频繁分流、合流条件下交通事故风险较高;②低速、路段车辆多且合流、分流交通量大、上下游速度差大的情况下发生追尾事故的风险更高;③路段车流量较少且追尾事故发生于周末或夜间可能会增大事故严重程度。将常用机器学习算法与XGBoost算法的预测效果进行对比,XGBoost事故类型预测模型与事故严重程度预测模型的ROC曲线下面积（Area Under Curve,AUC）分别达到了0.76和0.88——相比于序列Logistic、高斯朴素贝叶斯、线性SVM、随机森林以及神经网络等其他常用算法,平均分别提升了0.08和0.24。这表明基于XGBoost建立的模型具有较好的预测性能。研究结果为高速公路路段实时交通流状态预警提供了可靠手段,进而可以提升高速公路行车安全。     

基于线性规划的灰色模型在桥梁监控中的应用

预应力混凝土连续刚构桥通常采用悬臂分段浇筑施工,施工监控是保证施工质量的重要手段。以灰色系统理论为基础,针对以往施工控制中传统的GM(1,1)模型参数估计方法与精度检验准则不适配的问题,将平均相对误差最小准则下的参数估计问题转化为线性规划问题,通过Python语言实现,从而得到一种新的理论模型来进行挠度预测,并以陕西境内某1号大桥为工程背景,对混凝土浇筑、预应力张拉两个工况作用后的梁端挠度值进行预测。与传统模型相比,改进后的模型平均相对误差最多可减小28.41%,并能够排除奇异数据的干扰。研究结果表明,基于线性规划法的GM(1,1)模型较传统模型具有更高的预测精度和更好的稳健性,能够在桥梁施工控制中发挥更好的预测作用。     

基于矩量法的舰艇设备辐射电磁环境预测

借助电磁场数值计算方法,对舰艇设备辐射电磁环境预测技术作了一定研究.根据等效原理及电磁场的连续性原理,由设备近场扫描数据在其辐射口径面上确立等效磁流源及设备与等效源之间联系的电场积分方程,按矩量法原理将电场积分方程转换为矩阵方程并求解,再由等效源计算预测设备辐射电磁环境,计算预测过程用MATLAB语言编写程序代码实现.为了验证理论及演算过程的正确性,设计了验证试验,试验数据与预测结果相比较,一致性较好.     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.     

综合客运枢纽换乘量预测方法及其适用性分析

换乘量预测是交通枢纽规划的关键,是换乘站各种交通方式运营调度的前提.在总结现有预测方法——基于集计与非集计的预测方法的优缺点的基础上,针对枢纽管理的不同需求提出分时段预测、换乘量短时预测、分担率类比预测等预测方法,并应用于辽阳市客运枢纽换乘量的预测分析.从客运枢纽的建设阶段(已建成与未建成)、换乘预测方法构建的难易程度、基础资料准备过程等方面对各方法的适应性进行比较,扩展客运枢纽换乘量预测的研究思路.     

大型车辆侧翻预测和控制技术研究进展

大型车辆引起的重特大侧翻事故频发会造成严重的人员伤亡和财产损失,因此,提高中国大型车辆防侧翻技术水平显得尤为重要.通过阐述国内外在车辆侧翻预警和稳定性控制方面开展的研究现状,详细描述基于静态门限值法和动态门限值法的侧翻预警技术研究进展,分析车辆半主动、主动转向控制、主动悬架控制、差动控制、电子稳定控制、联合控制等防侧翻控制技术发展现状,指出当前车辆侧倾预警领域主要研究方向在于提高侧翻指标的预测精度和响应实时性,特别是综合考虑道路环境因素对侧翻指标的影响.侧翻控制已逐步从半主动阶段提升到主动控制,控制方法更趋智能化、精确化.人-车-路-环境耦合作用、复杂非线性条件下的车辆侧翻预测模型,以及混沌条件下的优化控制将会是未来重点研究方向.     

基于模糊故障树的长江LNG船舶装卸作业风险预测

为了评估LNG进江船舶装卸作业风险,研究了基于模糊故障树的风险定量预测模型.该模型采用模糊集合理论与专家语言判断相结合的方法来量化基本事件发生的可能性,克服了我国长江LNG船舶装卸事故数据库不完善的问题.对192起LNG船舶历史事故数据进行统计分析,查阅国内外LNG货物装卸操作相关资料,辨识装卸作业过程中存在的风险源.结合长江通航环境特征建立LNG船舶装卸作业故障树,明确装卸作业失效的各种可能途径.模糊化过程用一致性决策方法综合专家意见,通过去模糊化输出过程得到顶事件概率,求得基本事件的模糊重要度系数.选取长江江苏段某L N G码头进行验证.结果表明,该码头装卸作业失效风险为4.559×10-4每船年,该值位于国际海事组织(IMO)规定的社会风险可接受范围内,高于全球LNG船舶装卸作业事故统计频率2.64×10-4每船年,装卸作业风险与沿海港口存在差异性,该结果可以为主管机关制订L N G船舶进江政策提供支撑.     

面向人机协同共驾的驾驶行为短时预测方法研究

通过实时感知交通场景下的汽车相对运动状态和行车安全信息,对驾驶人的操纵行为进行短时预测,进而为人机协同驾驶中主权切换的模式与方法提供依据.基于线性最优二次型方法建立了典型驾驶意图下的驾驶操纵序贯链优化目标函数,通过求解目标函数得到驾驶人操纵行为对车辆运动状态的改变量,并结合运动学CA模型提出了驾驶操纵行为短时预测模型.运用统计检验分析实车试验和所提出的模型得到的仿真试验驾驶输入之间的差异程度.实车实验的统计检验结果表明,不同驾驶工况下的驾驶输入差值的配对样本T检验的T统计量分别为1.96,0.1,1.36,均小于其T临界检验值.所提出的模型能较好的模拟实际驾驶操纵行为特征,并能对驾驶人操纵行为进行准确的短时预测.