基于贝叶斯网的公路路侧事故风险评价

为了根据路侧危险情况采取针对性的措施,急需开展公路路侧事故风险评价研究. 基于事故模拟再现分析,根据车辆驶入路侧后的事故形态,将路侧事故严重程度划分为 4个等级,对不同等级路侧事故的致因因素进行研究,给出驶入车速、边坡坡度与边坡高度阈值.构建了路侧事故风险评价的贝叶斯网,基于路侧事故致因因素阈值,针对单因素、双因素与三因素分别给出了不同等级路侧事故发生概率的计算方法.选取典型路侧事故案例进行分析,贝叶斯网的计算结果显示发生 2次及以下翻车事故的概率为 0.929,与路侧事故模拟试验结果相符,证明了本文提出的公路路侧事故风险评价方法的准确性.     

城市道路交通拥堵状态出行者感知差异性研究

为研究出行者在感知城市道路拥堵状态时的个体差异性,首先,选取长沙市 5条典型路段,采用视频观测法,设计拥堵状态主观感知实验,收集出行个体对城市道路拥堵状态的真实感知数据;其次,基于多层有序 Logit贝叶斯模型,获取出行者个体感知参数,深入分析道路及交通流因素对出行者拥堵感知影响的差异程度,并进一步探究造成感知差异的个体属性因素.结果表明：所选道路和交通流特征因素,对出行者的拥堵感知结果有显著影响;在其他变量不变的情况下,道路特征因素对不同出行者拥堵感知结果的影响差异性大于交通流特征因素,其中平均车速的影响差异性最小;个人属性的不同,是造成感知差异的主要原因.     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

关键词检索法在客票系统知识库中的应用研究

本文介绍客票系统的知识库系统现状和关键词检索法,对客票系统知识库中不同类型的知识如何有效地和各类检索技巧及算法特点结合在一起,从而形成与之相匹配的检索方法进行研究。应用这些检索方法将使客票系统知识库的检索达到便捷、高效、准确的效果。     

基于运行数据的航班运行关键风险因素推断

为降低由于运行控制人员个体差异导致的航班运行风险,提升航空公司运行 控制能力,通过对航班运行程序的系统分析,结合运行数据,从飞行机组、机场、天气、航 路和航空器等运行角度筛选风险因素,建立航班运行控制风险评估指标体系;利用基于 事故树的贝叶斯网络分析方法,以历年不安全事件报告为样本,正向推理预测得到不安 全事件发生概率;综合3 种重要度分析结果,辨识关键致险因素.结果表明,机长和副驾驶 技术水平、机组间搭配、与空管人员配合等5 项关键风险因素概率值超过了40%,严重影 响航班运行安全.风险推断结果与实际运行情况相符.     

基于贝叶斯原理的车次号追踪方法

在铁路行车调度指挥中,需要实时掌握列车在路网中的实际位置.本文对承载 列车位置信息的车次号追踪方法的实现和优化进行研究.在分析车次号追踪问题基础上 给出了问题的数学描述和依赖于信号状态及列车行车计划的车次号基本追踪模型,并在 此基础上,构建了基于贝叶斯原理的车次号追踪优化方法和模型.采用津秦高速铁路数据 对实现的车次号追踪模型进行仿真和分析,并对车次号追踪模型在各种约束下的实现结 果进行比较分析.结果表明,该优化的车次追踪算法能有效地降低车次号追踪的误判,具 有良好的容错性和鲁棒性.     

电力机车故障诊断专家系统

以SS9型电力机车为研究对象,设计了以TMS320LF2407A为核心的机车智能诊断专家系统。完成专家系统知识库的构建和推理机的设计,为电力机车故障诊断提供了一种先进的诊断方法,能够满足机车的检测与诊断的要求。     

基于贝叶斯网络的长江航运安全状况监测 模型研究

为提升航运安全监测水平,依据系统工程学理论构建贝叶斯网络拓扑结构,提出基于贝叶斯网络的长江航运安全监测模型。通过对1 465 条长江航运事故数据分析与处理,借助Genie 软件对长江航运安全贝叶斯网络进行模拟,标定模型参数。利用改进马尔科夫链蒙特卡洛算法可以满 足细致平衡的要求且能与实际的后验概率保持一致的特点,采用马尔科夫覆盖对模型下一阶段的状态进行预测,最后以武汉长江大桥航段某日观测数据为例进行实例验证。结果表明,影响长江航运安全的4个主要因素的22 个子节点相互独立,所建长江航运安全状况监测模型操作性强、可视化程度高、监测结果连续、符合实际情况。     

考虑数据不平衡的城市道路乘用车致命事故率分析

城市道路交通事故频发,而事故数据存在明显不平衡,不同因素间的耦合作用对城市道路乘用车致命事故率分析造成极大挑战。为此提出了1种集成重采样、贝叶斯网络（Bayesian networks,BN）和关联规则（association rule method,ARM）的三阶段事故率分析方法。基于国家事故深度调查体系的1 105例城市道路乘用车事故数据,从驾驶人、车辆、道路、环境这4个方面选取16个潜在特征变量构建BN模型;鉴于数据不平衡时会导致BN模型性能下降的问题,提出在构建BN模型前利用合成少数类过采样技术（Synthetic Minority Over-sampling Technique,SMOTE）和聚类中心进行数据重采样,并比较分析各类采样技术下不同BN模型的综合性能;基于最优BN模型并结合ARM,推理不同影响因素及因素的耦合作用对致命事故率的影响。结果表明：重采样方法可以显著提升BN模型的综合性能,以及识别风险因素的能力。其中SMOTE采样技术结合GTT算法构建的BN模型的AUC最高,达0.793。此外,相较于原始不平衡数据构建的BN模型,经SMOTE采样后构建的BN模型多挖掘了...     

贝叶斯树算法在异常入侵检测中的应用

研究了Windows平台下异常检测方法,提出了一种利用Windows Native API调用序列和基于贝叶斯树算法的主机服务进程规则与对应概率分布生成算法。根据长为N-1的Windows Native API调用序列预测第N个调用的概率分布,对生成的概率序列用U检验方法作为异常检测算法。以贝叶斯树作为弱分类算法,利用AdaBoost-M1方法构造多个基于贝叶斯树的概率分布序列,并按一定方式把它们组合成一个加强的概率分布序列进行入侵检测。实验结果表明这种方法能明显提高模型预测能力。