面向驾驶行为预警的换道意图辨识模型研究

为更准确地对驾驶行为进行预警,进一步提高驾驶人换道意图的辨识准确率,借助驾驶模拟器采集数据,建立基于支持向量机(SVM)理论的换道意图辨识模型。对比分析不同人-车-路系统参数组合在换道意图和车道保持期间的差异性,选取最佳特征参数组合,运用网格和遗传算法-支持向量机(GA-SVM)寻优方法优化模型参数,并对优化模型进行验证。结果表明,以纵向加速度、方向盘转角、车辆偏离车道中心线的距离、驾驶人头部运动横坐标变化值作为表征换道意图的人-车-路系统特征参数,优化模型惩罚参数c为58.642 3、核函数参数g为222.732 6时,该模型对驾驶人换道意图的辨识准确率为90%,误警率为5%,基本实现准确辨识换道意图。     

高速公路换道行为的频谱结构识别及分类

为提高高速公路出口换道车辆与主流车辆之间安全性，以驾驶行为功率谱分析为基础，进行换道识别及危险特征分类。首先，采集高速公路出口车辆车头时距、速度、加速度特征数据，从车辆行驶横向、纵向运行方向计算碰撞时间(Time-To-Collision, TTC),以得到危险冲突与一般冲突发生概率。其次，基于特征参数划分换道过程中安全状态，根据换道车辆运动学规律，对换道行为数据抽样，同时进行频谱结构分析，在定阶为10的频谱下构建行为功率谱模型，得到碰撞安全阈值。此外，通过相关性分析得到一般冲突和严重冲突的特征量，并与实际换道数据进行匹配。最后，利用K-means聚类分析对危险行为进行分类。研究结果显示：K-means聚类分析算法的精度较高，能有效辅助交通管制措施。研究成果可为高速公路换道行为研究和高速公路出口复杂交通变化研究提供理论基础。     

一种基于支持向量机的飞行冲突探测方法

管制运行过程中,飞行冲突探测与解脱是安全运行的一个关键环节.使用具有二分类能力的支持向量机(SVM)对飞行冲突数据进行学习,得到具有冲突探测能力的SVM模型,再结合飞行趋势探测模块的结果,从而实现高效准确的飞行冲突探测.将实际的ADS-B数据分为训练组和验证组,利用训练组训练SVM,得到具有分类能力的SVM,再利用验证组数据对SVM的分类能力进行检验.结果表明,在最优的参数g与C的情况下,分类准确率达到98％,表明结合飞行趋势探测模块与支持向量机可以利用飞机的经度、纬度、高度、速度与航向等ADS-B信息,准确判断飞行冲突.     

基于DWT与SVM的风门开闭阶段识别方法

为解决因风门开闭导致的风速传感器数据异常波动与误报警问题，提出一种基于离散小波变换(DWT)与支持向量机(SVM)的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据，利用统计方法与DWT,提取各尺度子时间序列数据中的统计特征与隐含的波动特征，建立SVM风门开闭阶段识别分类模型。为进一步优化识别结果，基于重叠度(IoU)规则合并、修正、组合、取优分类识别结果，再根据相似准则建立长度方向取变率为2、整体相似比为1∶16的相似试验模型，开展风门开闭扰动试验，验证方法的可行性。结果表明：在测试集上的识别准确率较高，对于风门开闭时间的识别准确率可达到90.08%,风门开闭阶段的划分准确率可达到71.05%,优化滑动窗口尺度数量，可继续增加方法识别的准确率。     

基于FTA-SVM的车辆发动机故障识别方法

发动机结构日益复杂,其故障具有多样性和频发性的特点,收集大量故障样本存在很多实施障碍。为了提高车辆发动机的故障识别的效率和准确性,提出了一种新的结合故障树(FTA)和支持向量机(SVM)各自特点,从故障模式分析到故障类型识别的FTA-SVM故障识别方法。首先利用故障树在复杂系统故障模式分析中的优势,找出系统的故障模式,建立故障树模型,通过对故障树模型中各故障事件的分析,采集与故障事件状态相关的数据,建立数据与故障树底事件的映射模型,最后利用支持向量机在小样本数据处理中的优势,进行故障类型的识别。以发动机的失火故障为例建立了发动机失火故障树模型及故障数据与故障模式映射模型,验证了FTA-SVM方法的有效性和适用性。     

融合多源数据的ABC-SVM快速路交通事件检测

为保证城市快速路段的畅通,建立一种基于蜂群算法-支持向量机(ABC-SVM)融合多源交通数据的城市快速路交通事件检测方法。首先通过分析路段实际情况,选取不同检测器的数据作为事件检测模型的输入值;然后利用蜂群算法(ABC)对支持向量机(SVM)分类模型中的参数进行优化,获得最优的交通事件检测模型,模型的输出结果为检测路段是否发生交通事件;最后结合成都市三环城市快速路路段上采集到的多源交通数据进行实例验证。结果表明,利用ABC-SVM方法进行事件检测的效果优于BP神经网络的方法。     

基于空间单元分析的装配式建筑施工安全预警模型

为提高装配式建筑施工的安全绩效,针对装配式建筑施工安全监测与预警问题,分析施工现场人的不安全行为、物的不安全状态以及不安全的环境及这3类危险源交叉关联情境;以单元空间为对象,提取各类危险源的动态信息,构建空间单元危险特征向量;采用支持向量机(SVM)分类算法建立装配式建筑施工空间单元安全预警模型。研究结果表明:空间单元安全监测与预警模型具有良好的泛化能力,可识别实际工程项目空间单元的安全风险。     

基于属性约简的绝缘节破损预测

准确的绝缘节破损预测能够保证铁路运输安全和经济效益。支持向量机算法能够处理轨道电路测试数据,对其进行分类,预测可能存在隐患的绝缘节,但支持向量机预测模型的原始样本多有冗余,基于此,提出了一种基于粗糙集和支持向量机的绝缘节破损预测模型。通过改进主分量启发式属性约简算法,降低样本维数,同时选用模拟退火算法完成SVM自动参数选优。实例分析和仿真结果表明,与单一支持向量机算法相比,属性约简后的粗糙集-支持向量机算法提高了分类器的分类性能,与采用网格搜索技术的SVM预测方法相比,模拟退火算法有效提高了SVM的预测精度。     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析。建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型。研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重。     

面向换道冲突互信息的复杂交织区车辆风险识别北大核心CSCD

为提升复杂交织区行车安全性,提出了一种考虑换道冲突互信息的车辆换道风险识别方法。首先,基于无人机视频提取复杂交织区的微观换道轨迹,测算换道风险关键参数;然后,考虑换道紧邻车辆信息,聚焦于车辆换道行为的矢量性,改进拓展TTC理论,构建复杂交织区换道风险识别模型,并对换道风险的等级进行细分;最后,基于实测数据进行模型的优化与验证。结果表明,模型可有效反映汇入或汇出主线的迫切需求,描述车辆在不同位置、不同方向的换道风险差异。研究成果有助于智能网联环境下复杂交织区的车辆换道决策与轨迹优化,为交管部门制定动态预警方案提供理论支持。     

辅助驾驶中的换道决策安全研究

换道是驾驶员达到快速通行目标的一种常用手段,但换道会带来很多公路交通事故。为有效避免交通事故,需给驾驶员提供换道安全预警。构建了安全换道决策模型,将换道决策分为换道意图识别和换道条件判断分别建立模型以提高预测精确度。通过神经网络方法SOM(Self-Organization-Map)聚类及BP(Back Propagation)建立换道意图识别模型,基于贝叶斯理论建立最小风险贝叶斯换道条件判别模型。模型开发和测试采用车辆轨迹数据集(NGSIM),提取数据中的换道行为特征参数作为模型的输入,将驾驶员换道决策预测视为输入变量的函数。通过对比最小贝叶斯和最小风险贝叶斯方法发现,由后者构建的换道条件判别模型效果较好,对于不换道行为的预测精度为90.4%,换道行为的预测精度为73.8%。鉴于错误的换道决策可能导致交通事故,而错误的不换道决策只会导致失去一次换道的机会,在换道辅助系统中,不换道决策的精确度要求需高于换道决策的精度。最后,在微观交通仿真系统中加入换道决策模型,其结果验证换道决策安全。最小风险贝叶斯换道条件判别模型的引入,使得换道决策系统能够通过修正风险系数,进一步提高换道判别精度,减少不安全的换道概率。     

Modeling the probability of freeway lane-changing collision occurrence considering intervehicle interaction

Objective: To better capture the relationships between lane-changing collisions and explanatory variables, a microscopic model is developed for freeway lane-changing collisions based on the interactions between lane-changing vehicles.

Methods: The model applies an intervehicle interaction structure to account for the occurrence mechanism of lane-changing collisions. The occurrence mechanism can be described as the failure of a vehicle driver of an adjacent lane in avoiding the lane-changing vehicle, which disturbs the smooth movement of the adjacent lane vehicle and requires the driver's brake action to avoid an angle collision. This model is examined using data collected from freeways in Washington State during 2010 to 2011 and validated using lane-changing collision data for the SR 520 freeway.

Results: The findings of this study show that generalized truck percentage has a significant decreasing effect on lane-changing collision risk, whereas average spacing and several roadway characteristics have significant increasing effects. The frequency of slight collisions during peak hours is higher than that during off-peak hours. Young female drivers are more likely to be involved in collisions during lane-changing than young male drivers, but the result for senior drivers is opposite, with older male drivers having a higher probability of lane-changing collisions than female drivers in the same age group.

Conclusion: The process of lane-changing collisions is a complicated maneuver. Truck percentage, average spacing, and good roadway characteristics, such as straight and level segment, in the target lane have a significant effect on the occurrence of lane-changing collisions. Age and gender are also 2 important factors contributing to the relationship between lane-changing collisions and explanatory variables.     

雾霾时车辆尾气排放对驾驶员能见度的影响

针对北京道路车辆尾气排放对雾霾时驾驶员道路能见度的影响问题,建立了雾霾时车辆尾气排放与驾驶员道路能见度关系模型。该模型以车辆为单元建立车辆尾气排放元胞,考虑了车辆尾气排放后的污染物物理和化学变化,并以车道中的尾气排放位置截面及截面单元、交叉口处的尾气排放位置区间为模型单元。为验证该模型,于2016年10月-2017年2月和2017年10月-2018年2月,在北京地区部分路网检测了驾驶员道路能见度等数据,并统计了各时段驾驶员道路能见度的分布情况。对建立的关系模型进行仿真,结果表明,该关系模型的仿真结果与实际检测数据的误差占比平均值小于4. 98%,验证了该关系模型用于描述北京市道路车辆尾气排放对雾霾时驾驶员道路能见度影响的有效性。     

基于高斯过程机器学习算法的矿柱稳定性分析

矿柱是地下矿山支撑顶板围岩、维持采场稳定的关键结构要素。为迅速准确地判别矿柱稳定性,选取矿柱宽度、矿柱高度、矿柱宽高比、矿岩单轴抗压强度和矿柱承受载荷作为影响指标,利用高斯过程机器学习算法建立矿柱状态与其主要影响因素之间的非线性映射关系,进而提出一种基于高斯过程二元分类(GPC)的矿柱状态识别模型。结合工程实例,以40组样本数据进行训练,以10组样本数据对该模型进行检验,并与ANN和SVM进行对比。结果表明,矿柱状态识别的高斯过程模型是科学可行的,该模型具有参数自适应化获取、分类精度高、计算复杂度低等优点,还可对矿柱状态判别结果的不确定性或可信度进行定量化评价。     

基于模糊熵和非对称贴近度的安全预警研究

针对道床漏泄严重导致道砟电阻和分路电阻发生变化、继而引起"红光带"与分路不良故障的问题,以ZPW-2000 A轨道电路为例,建立预警指标体系。采用模糊模式识别法对轨道电路状态进行预警。首先,计算各预警指标的隶属度函数和隶属度矩阵,利用模糊熵理论确定各预警指标的权重;其次,采用非对称贴近度原则对预警决策进行识别,以判决系统所属安全等级;最后,以长沙电务段新开铺站为例进行实例验证。结果表明,基于模糊非对称贴近度的轨道电路分路不良预警是可行的,其对轨道电路的安全等级划分更精细,故障预警更精确。     

Injury-severity analysis of lane change crashes involving commercial motor vehicles on interstate highways

Introduction: One of the challenging tasks for drivers is the ability to change lanes around large commercial motor vehicles. Lane changing is often characterized by speed, and crashes that occur due to unsafe lane changes can have serious consequences. Considering the economic importance of commercial trucks, ensuring the safety, security, and resilience of freight transportation is of paramount concern to the United States Department of Transportation and other stakeholders. Method: In this study, a mixed (random parameters) logit model was developed to better understand the relationship between crash factors and associated injury severities of commercial vehicle crashes involving lane change on interstate highways. The study was based on 2009–2016 crash data from Alabama. Results: Preliminary data analysis showed that about 4% of the observed crashes were major injury crashes and drivers of commercial motor vehicles were at-fault in more than half of the crashes. Acknowledging potential crash data limitations, the model estimation results reveal that there is increased probability of major injury when lane change crashes occurred on dark unlit portions of interstates and involve older drivers, at-fault commercial vehicle drivers, and female drivers. The results further show that lane change crashes that occurred on interstates with higher number of travel lanes were less likely to have major injury outcomes. Practical Applications: These findings can help policy makers and state transportation agencies increase awareness on the hazards of changing lanes in the immediate vicinity and driving in the blind spots of large commercial motor vehicles. Additionally, law enforcement efforts may be intensified during times and locations of increased unsafe lane changing activities. These findings may also be useful in commercial vehicle driver training and driver licensing programs.     

基于期望运行轨迹的车道变换行为安全性分析

为解决车道变换行为对交通运行安全影响的定量分析难题,基于车辆和驾驶员行为特性,构建车道变换行为期望运行轨迹,提出基于缓和曲线的轨迹形式,并结合车道变换行为引发的4种碰撞形式,在车辆运行纵向和横向分别构建安全运行判断方程和安全运行限制方程,分析安全距离对运行速度和车辆侧向加速度梯度的敏感度,给出车道变换行为安全运行判断方程的应用案例。研究结果表明,侧向加速度的变化梯度直接影响车道变换的安全性。     

基于SEM的双车道公路超车行为安全评价

为提高驾驶人在双车道公路上超车的安全性,基于tau理论适应性分析,提出超车过程中驾驶人不仅根据tau线索估计避碰时间,也利用距离、速度、加速度等判断超车是否安全的试验假设。招募12名受试者,应用驾驶模拟系统试验平台,依据试验假设采集12个与超车行为有关的驾驶行为数据,对其进行无量纲化处理,并利用Bootstrap法对数据进行扩增。结合驾驶行为问卷得分,利用AMOS软件,建立超车行为安全评价的结构方程模型。通过对初始假设模型进行多次修正与评价,得到影响超车行为安全的3个驾驶行为参数。结果表明,超车车辆在超车并道后的速度、与前导车之间的避碰时间及与对向车辆之间的避碰时间这3个驾驶行为参数可作为超车行为安全评价的有效指标。     

支持向量机对多环芳烃毒性的定量构效预测

为了实现多环芳烃(PAHs)毒性的有效预测,提出应用定量构效技术对多环芳烃的空气-正辛醇分配系数(KOA)和致癌性进行预测。应用分子描述符和试验值确立构效关系,采用支持向量机算法(SVM)和人工神经网络算法(ANN)分别建立了PAHs的KOA回归预测模型和致癌性分类预测模型。利用网格划分(GS)、遗传算法(GA)、粒子群算法(PSO)对SVM进行参数寻优。应用均方误差(MSE)、拟合决定系数R2和分类准确率(Accuracy)分别对模型进行了验证与评价。结果表明,最佳回归预测模型GS-SVR的MSE为0.059 7,R2为0.913 0;最佳分类预测模型GA-SVC的Accuracy为95%。研究表明:应用SVM所建两种模型的稳定性和预测能力都优于应用ANN建立的模型;参数优化后模型的稳定性和预测能力得到了提高。     

基于扇区单元的航路交通流复杂度研究

空中交通航路交通流复杂度越来越高,威胁整个航路的正常运行,严重时甚至影响航空器的运行安全。为研究和解决扇区航路交通流复杂度较高的问题,了解了造成航路交通流复杂度较高的原因。基于航空器的基本运动学方程,列出了航空器运动过程中27种典型的飞行状态组合。考虑航空器的临近效应、速度差异和汇聚梯度3个影响航路交通流复杂度的主要因素,分别建立了相应的测量模型,从3个方面研究对航路交通流复杂度造成的影响,然后采用加权求和的方式求得三方面综合对航路交通流复杂度的影响程度。以雷达模拟机数据作为仿真验证对象,通过MATLAB软件对建立的模型进行了仿真验证