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。     

熵-TOPSIS-IFPA聚类方法在中欧班列运输节点风险识别中的应用

中欧班列运输网络中关键节点风险影响班列线路规划和运营安全。通过分析中欧班列运输节点的物理网络拓扑特性，结合考虑服务网络中节点服务能力的重要性，提出熵-逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS)节点重要度评估方法。考虑节点受外部宏观因素影响可能失效的情况，引入国家运输支撑力衡量节点失效可能，提出重要性-失效可能分析模型(Importance-Failure Possibility Analysis, IFPA)识别中欧班列关键运输节点风险，并采用K-Means++聚类算法对节点进行风险划分。通过构建中欧班列全域运输网络进行案例分析，结果表明该模型可有效识别节点风险且节点风险分类结果符合实际情况。高、中、低风险区和风险监测区分别对应5、10、7和6个关键运输节点。对运输节点进行风险分类有助于分级管理中欧班列运输风险，保障运输安全。     

聚类分析方法在判别深层砂土液化中的应用

目前各种砂土液化判别方法均尚不成熟,尤其在对埋深较大的砂层液化的判别上存在着较大的局限性。在分析了砂土液化的主要影响因素的基础上,将聚类分析方法应用到判别埋深较大的砂土液化中,并将其用M atlab语言编程实现,简化了以往繁琐的计算过程,提高了判别的速度和精确度。最后,通过西南某水电站的工程实例资料证明了聚类分析方法在埋深较大的砂土液化判别中使用的可行性和可靠性。     

2020—2022年全国入海河流总氮浓度时空特征

根据全国230个入海河流断面2020—2022年总氮质量浓度监测数据,基于时间序列统计方法和空间聚类方法,分析了总氮浓度的时空分布特征。结果显示:2020—2022年全国入海河流总氮年均质量浓度逐年上升,从(3.24±2.20)mg/L上升到(3.92±3.30)mg/L;年内总氮浓度呈现冬高夏低、春秋居中的V形季节变化规律。空间聚类分析表明:总氮质量浓度从北到南可分为4个有较明显差异的区域,分别为北方高值区(包括辽东丘陵西部、辽西丘陵、山东丘陵),北方次高值区(包括环渤海京津冀地区、苏北平原),华东区(包括长江中下游平原区、上海市、浙江省、福建省),华南区(包括广东省、广西壮族自治区、海南省)。总氮年均质量浓度分布为北方高值区>北方次高值区>华东区>华南区。北方高值区的过高总氮浓度对全国总氮浓度均值提供了超比例的贡献。同时,北方高值区和北方次高值区贡献了2020—2023年全国总氮浓度92%的增幅。此外,从空间分布上看,越往北,总氮浓度的V形季节变化规律越明显。     

基于因子、聚类分析的危货运输行业安全管理研究——以北京市为例

为提高道路危险货物运输行业的安全管理水平，本文基于2022年北京市交通行业安全生产千分制评价工作，随机抽取38家危险货物运输企业评价数据，利用SPSS23.0软件对指标体系进行多层次因子分析、聚类。结果表明：可将指标体系中目标层的4个指标聚合为现场管理因子(车辆及设备、停车场、安全管理体系)和人员管理因子2个影响因子；将38家危险货物运输企业分为3类即合格、基本合格和不合格，3类企业均存在不同程度的安全隐患。结合线下评价的结果针对不同类型企业的安全管理现状提出有针对性的建议。