道路交通事故多发点鉴定方法探讨

基于已有的道路交通事故统计资料，应用动态聚类分析方法和贝叶斯概率模型，对事故多发点的鉴定方法进行了探讨。     

基于数据挖掘的船舶引航事故致因分析

为控制和预防船舶引航事故的发生,采用Apriori算法挖掘船舶引航风险因素的关联规则,在挖掘风险因素间强关系的基础上结合定性贝叶斯网络的事故致因网络关联分析,综合确定船舶引航事故致因链。根据事故致因链分析引航事故最可能的形成过程和关键环节,以提出有针对性的防范对策。     

基于朴素贝叶斯算法的船舶异常行为监测

随着海事事故与海上违法行为的不断增多,智能的监控方法成为降低海事事故,打击海上违法行为的有效手段.同时,船舶自动识别系统(Automatic Identification System,AIS)的普及及船舶交通管理系统(Vessel Traffic Service,VTS)的扩建,又为智能监控提供了数据支持.鉴于此,利用船舶自动识别系统提供的数据,分析通航水域船舶信息的分布情况,根据其概率分布采用朴素贝叶斯算法,从船舶航速、航向及距航道边界距离3个方面,构建船舶异常行为检测模型.最后,以成山角通航水域为例,检验模型的有效性.实验结果表明,构建的模型能够有效地完成异常行为监测,减少海事监管人员的工作强度,同时根据实验结果分析了成山角水域船舶航行的特点,并对成山角定线制提出合理化建议.     

考虑共因失效的列控车载子系统可靠性分析

针对利用β因子模型对列控车载子系统共因失效问题进行可靠性量化分析时存在计算结果不精确的问题,采用α因子模型对共因失效进行计算,并综合考虑恢复机制和降级运行因素,对列控车载子系统进行可靠性分析.在分析列控车载子系统功能结构的基础上,通过故障树和贝叶斯网络之间的映射关系,建立车载子系统的贝叶斯网络模型;利用β因子模型和α因...     

基于贝叶斯网络的海上交通系统设备投资风险决策

随着航海科技的发展而相继出现的一些比现有交通系统设备更智能先进的设备可以提高船舶航行的安全性,进而提高船舶乃至船舶公司和航运公司的收益,但是投资这些智能先进设备会导致整个系统的成本增加.因此,为降低决策风险,基于贝叶斯网络方法,通过分析海上交通设备所影响的相关因素及其对海上船舶事故的影响,建立海上事故的贝叶斯网络;通过调研和专家问卷获取相关数据,并对其进行处理得到相关的先验概率和条件概率;将这些数据输入到贝叶斯网络得到后验概率,通过计算得到使用现有设备和智能设备的期望收益,进而做出风险决策.     

基于贝叶斯网络的车辆目标功能毁伤评估模型

应用贝叶斯网络在解决不确定性事件方面的推理优势,根据车辆目标的毁伤特征分析建立了贝叶斯网络功能毁伤评估模型。在目标物理毁伤信息分析的基础上,通过实例演示了评估过程,验证了用贝叶斯网络进行功能毁伤评估的可行性与有效性。     

基于手机信令数据的居住地人口分布辨识改进方法

针对传统的基于手机信令数据的居住地人口分布分析方法的不足,通过建立一种基于手机信令数据和问卷调查数据的多源数据融合手段,利用有监督机器学习方法,实现对居住地人口分布现状的分析.首先通过问卷调查数据获取志愿者的实际居住地位置及其所使用的通信运营商相关信息,并进行样本筛选.其次,在通信运营商内部机房建立志愿者用户实际居住地...     

基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。     

老年人驾车出行转移行为影响因素分析

我国老龄化进程不断加快,公安部于2020年发布取消小型汽车驾驶证申请70周岁上限,老年人群的驾车出行行为备受关注。提出结构方程模型与贝叶斯网络的综合分析方法：以结构方程模型验证老年人转向驾车出行意向的社会认知理论因素,结合机器学习领域的贝叶斯网络计算输出关键决定因素并量化因素间的关系强度。研究结果表明：约16%的老年人有高水平的驾车出行转移意向;态度、主观规范与自我效能感对驾车出行转移意向产生的影响力最大;当老年人的自我效能感和态度由低状态变为高状态时,转移意向的高状态发生概率呈现约185%和265%的增长幅度。这有助于了解老年人的驾车心理需求,为预测未来高龄驾驶群体规模提供思路。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。