基于车辆动力学响应特征的越野地面分类方法

利用车辆动力学响应进行地面分类是越野智能汽车的关键技术之一。本文中提出了结合地面不平整度特征和力学特征进行越野地面分类的方法,对沙地、土路、水泥路和雪地进行分类。本方法中选取等效地面轮廓和车身垂向加速度作为地面不平整度特征,选取行驶阻力和轮速波动作为力学特征,设计了基于LSTM模型的越野地面分类器,对自行采集的车辆越野行驶数据集进行训练与测试,结果表明,分类正确率达到95.5%;最后,使用HMM模型实现了分类后处理,解决了分类结果在连续数据上跳变的问题,使该算法在连续越野数据上的地面分类正确率从88.44%提高到90.13%。     

人工智能科学在软土地下工程施工变形预测与控制中的应用实践——理论基础、方法实施、精细化智能管理（示例）

首先,介绍了基于人工神经网络的智能预测方法（多步滚动预测）和基于智能模糊逻辑法则的施工变形控制方法对策;其次,介绍了基坑施工和盾构掘进施工变形智能预测与控制案例。经过应用实践,认为智能方法的优点是： 对于结构变形位移和周边地表沉降/隆起,智能方法所得的预测值（3~5 d）与其相应实测值的精度偏差一般为5%~10%;不只是可以了解到当天已发生的信息,还可预见3~5 d将要发生的变形位移和沉降/隆起等的预测定量值;在施工变形达到超限阈值前,采用智能模糊逻辑控制法则作处理,通过调整相应的施工技术参数,即可使后续变形始终处于允许的限值之内,而无需附加额外的巨大花费,节约造价,节省工期,还可实现远程、无线、视频监控。在探讨地铁施工变形智能预测与控制的基础上,开发了盾构掘进施工中工程周边地表沉降/隆起变形的多媒体三维动态可视化仿真程序软件,研制了盾构掘进施工计算机智能管理系统。目前,上海隧道工程有限公司已在上海市沿江通道盾构施工中进行试验性应用,取得了良好的技术效益。最后,对人工智能科学发展的前景及存在的一些问题进行了探讨。     

高速公路投资辅助决策系统设计与开发

论述了高速公路投资辅助决策系统的开发背景和系统需求,设计了高速公路投资辅助决策系统的总体技术框架、软件物理框架、逻辑架构,探索了系统开发过程中的关键算法,提出了一种高速公路投资辅助决策系统的开发途径,并完成了开发实例。该系统为高速公路投资单位的投资决策活动提供了一种直观、可视化的辅助决策工具。     

基于多元高斯模型的跟驰轨迹评价方法研究

针对机器学习跟驰模型中传统轨迹层面误差分析方法考虑因素不够全面、原始数据存在部分不合理驾驶轨迹且难以剔除的问题,提出一种从总体数据角度评价跟驰轨迹的方法——多元高斯模型,将车头间距与相对速度进行联合考虑更能体现个人的驾驶行为.运用高斯分布描述总体数据的概率分布,计算跟驰轨迹的概率值作为对比依据.选用K近邻模型进行轨迹仿真,在NGSIM数据集上进行训练和仿真测试,仿真实验结果表明,多元高斯模型对轨迹的评价更合理,该方法也可用于改善和扩充数据集,剔除部分不合理轨迹,将仿真概率较高轨迹加入到数据集.     

轨道交通站点聚类及其对客流预测的影响分析

城市轨道交通站点受多层面因素交互作用而反映出异质性,为实现站点精细化分类,本文统筹考虑地铁刷卡数据、兴趣点数据和地铁网络数据,提取客流、土地利用和网络性质等特征,其中,客流层面考虑工作日、周末和节假日等不同日期类型下客流状态,土地利用层面考虑站点辐射区用地强度和均衡性,网络层面考虑节点自身特性和影响能力。构建基于主成分分析与K-means++算法的聚类模型,综合聚类评价指标确定簇数,辨析不同类型站点多维度特性,结合站区土地利用和站点网络特征探讨对出行活动的影响,并设计簇内联合预测和整体联合预测策略,采用3种多元时序预测方法探究站点聚类对预测性能的影响。研究结果表明：考虑全部客流特征时,划分为10簇,考虑工作日进站客流特征时,划分为5簇,充分挖掘客流时变特征能够获得更加精细化的聚类结果;各簇站点客流分布特征与其土地利用及网络特征间存在一定的反馈关系;相比于整体联合预测,通过聚类联合相关性强的站点进行预测,以间接捕获空间相关性的方式能有效提升预测性能,各模型均方根误差平均降低9.04%,平均绝对误差平均降低4.94%。研究结果为站点精细化管理和站区设施建设规划提供依据。     

启发式搜索和机器学习在港区单路口交通控制的应用研究

主要运用启发式搜索和机器学习研究港区单路口交通控制。首先将港区路口交通流状态表征为两个状态变量,然后建立了港区单路口交通控制的启发式搜索和机器学习模型,并运用模型对双向车流不对称、双向车流对称和交通流动特性随时间变化的港区单路口进行仿真实验。     

基于自主学习行为识别的教学质量智能评价系统设计

文章提出了一种基于自主学习行为识别的教学质量智能评价系统设计方案。系统设计的核心技术包括机器学习算法、行为识别技术和数据分析技术,主要介绍了系统的总体设计和关键技术,包括数据采集、特征提取、行为分类、质量评价和建议生成等方面。实验结果表明,该系统能够有效识别和分析学生的自主学习行为,并准确评估教学质量、提供个性化的教学建议。     

基于红外热成像和机器学习的动态转向架监测系统研发

基于红外热成像和机器学习的动态转向架监测系统可以对货运列车的转向架进行动态、可视化监控分析。系统利用了红外热成像技术和机器学习图像识别技术,全方位对转向架的关键部件故障,如热轴故障、抱闸故障、制动缓解不良和不制动等故障进行全面监测诊断和实时预报。系统实现了地面设备对货运列车车辆转向架部位的关键部件动态监测,提高了货运列车安全运行能力。     

2车碰撞事故下5座乘用车乘员死亡风险分析

为探究5座乘用车乘员在2车碰撞事故下的死亡风险,研究了6种单一特征变量对乘员致死率的影响,进而基于二项Logistic回归模型分别对单一特征变量和组合特征变量进行显著性分析。通过9种常用的分类算法,结合网格搜索的调参方法,以F1为衡量指标选出相对较优的3种分类算法,即投票分类器、梯度提升及决策树,来构建多特征组合下的死亡风险预测模型。研究结果表明：①单一特征变量中行驶方向、路段类型、碰撞对象、乘坐位置对乘员死亡有显著影响。其中,异向行驶的车辆碰撞与同向行驶相比,乘员的死亡风险增加72%;非高速交叉路段与高速路段相比,乘员的死亡风险降低69%;碰撞对象为商用货车、商用客车的乘员死亡风险分别是乘用车的5倍和3倍,若在非高速非交叉路段发生碰撞则乘员死亡风险升至8倍左右,若在高速路段则高达15倍左右;相对于驾驶位乘员,副驾驶位乘员的死亡风险增加70%,且该位置乘员的死亡风险在高速路段会升高到驾驶位乘员的近4倍;②碰撞对象和路段类型是影响乘员死亡情况的主要特征变量;③由模型的预测结果可知：5座乘用车的正面或后面与商用货车在高速路段或非高速非交叉路段发生碰撞,乘员的死亡风险高于生存几率。