基于GIS的城市道路掘路交通影响分析系统研究

构建了基于GIS的城市道路掘路交通影响分析系统的体系，提出了局域路网，D矩阵反推模型、局域路网掘路交通分配模型和局域路网掘路交通状况评价方法，为掘路工程实施的可行性和交通组织方案的优选提供了依据。     

普通干线公路监测工作的安全管理研究

对普通干线公路监测工作事故的成因进行了分析,得出影响监测工作安全的五大主要风险因素即人、设备、基础设施、环境、管理.然后利用解释结构模型(ISM)、系统化的建模技术和计算机工具对这五大风险因素间的逻辑关系进行了运算和分析,并由此建立了描述影响普通干线公路监测工作安全的多级递阶解释结构模型.在此基础上,利用风险矩阵法对普通干线公路监测工作中的各个风险源进行了评价并确定了风险等级.最后针对不同的风险等级,依据风险控制原则,对各个风险因素提出了相应的措施和建议,以提高普通干线公路监测工作中的安全管理水平.     

Estimation of origin-destination matrices from link counts and sporadic routing data

Estimation of origin-destination (OD) matrices from link count data is a challenging problem because of the highly indeterminate relationship between the observations and the latent route flows. Conversely, estimation is straightforward if we observe the path taken by each vehicle. We consider an intermediate problem of increasing practical importance, in which link count data is supplemented by routing information for a fraction of vehicles on the network. We develop a statistical model for these combined data sources and derive some tractable normal approximations thereof. We examine likelihood-based inference for these normal models under the assumption that the probability of vehicle tracking is known. We show that the likelihood theory can be non-standard because of boundary effects, and provide conditions under which such irregular behaviour will be observed in practice. For regular cases we outline connections with existing generalised least squares methods. We then consider estimation of OD matrices under estimated and/or misspecified models for the probability of vehicle tracking. Theoretical developments are complemented by simulation experiments and an illustrative example using a section of road network from the English city of Leicester.     

GM模型和Markov模型在公路客运量预测中的综合运用

文章在应用灰色理论构建的GM预测模型基础上,以Markov模型为修正方法,建立GM—Markov模型,并以陕西省2003—2012年公路客运量为基础数据对上述理论进行实例验证。结果表明：与实际客运量相比,GM模型的相对误差为11．08％,而GM—Markov模型的相对误差仅为5．61％,GM—Markov模型拟合精度较高,更加贴近实际情况。     

基于梯度提升决策树模型的铁路货运装卸时间预测技术

铁路货运装卸时间的精准预测可提升铁路货运系统的调度合理性和服务质量,但装卸时间受多种因素影响。文章针对铁路货运装卸时间预测问题,从铁路货运运单全流程信息中挖掘运单属性与货运装卸时间的关系,以分类与回归树为基础模型,在LightGBM框架下构建梯度提升决策树模型;对铁路货运运单全流程信息中的相关数据进行整合、对数变换、增加特征等预处理,形成运单数据集;采用该数据对构建的模型进行训练,结果表明,构建的模型对货运装卸时间的预测性能优于与其对比的其他机器学习模型。将该模型应用在实际货运装卸业务场景时,实际准确率依旧高于其他对比模型。     

预应力曲线箱梁和异形箱梁的研究

近年来 ,国内外学者对曲线箱梁和异形箱梁的静力分析理论和计算方法作过大量的研究 ,但这些理论和方法在某种程度上都存在着一定的局限性 ,特别是在实际设计工作中 ,运用起来不能得心应手。为此本文在综合前人已取得经验下 ,针对桥梁结构设计中分析曲线箱梁、异形箱梁 ,经常遇到的难题进行了研究 ,建立一个较为完善的理论和方法 ,编制了等参元空间分析程序。在实际工程中进行实桥试验 ,验证了本文理论和方法的正确性。本文的研究工作更准确描述了箱梁的荷载响应 ,为设计人员提供直观的设计依据。对曲线箱梁和异形箱梁受力特性有了更一步的理解 ,并提出了新的见解     

树脂基复合材料在汽车工业中的应用研究

树脂基复合材料是以合成树脂为基体,以纤维为增强材料,经成型技术形成的一种新型复合材料。本文介绍了树脂基复合材料的性能特点、组成和分类,重点介绍了树脂基复合材料的成型工艺及其在汽车上的应用。     

基于CS-SD的车载环境下实时行人检测模型

针对车辆辅助驾驶系统中行人检测的实时性问题, 提出一种基于路面边缘线标定结合显著性纹理检测(CS-SD) 的算法和定位方向梯度直方图(L-HOG) 的行人检测模型, 应用CS-SD算法替代穷尽搜索快速标定图像中的行人区域, 应用L-HOG快速提取行人特征, 并采用附加核心的支持向量机(AK-SVM) 进行高效目标分类。分析结果表明: 在个人计算机上对包含832个行人的500幅图像进行检测时, 模型正确检测720个行人, 检测率为86.5%, 误检率为4.1%, 检测时间为39ms; 在基于BF609的车载行人检测系统上对包含988个行人的48 400幅图像进行检测时, 模型正确检测861个行人, 漏检127个行人, 误检13个行人, 检测速度为20fps。可见, 提出的行人检测模型在不降低检测率的前提下, 可以达到满意的检测速度, 并且可以用于实时行人检测车载设备。     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500（18%的初始样本量）,150（5%的初始样本量）时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。