简介: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(BackPropagation)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。
简介:针对"单一评价指标"难以准确揭示城市空气污染特征的问题,基于"空气质量浓度、人口暴露强度、人口加权浓度"3个指标,以长沙市为例,对比分析了各指标在城市PM2.5污染防控区划中的差异与优缺点。结果表明,研究区质量浓度指标区划下的暴露防控区呈梯度面分布,空间平滑效应明显。而顾及人口特征的人口暴露强度和人口加权浓度两个指标能够揭示污染防控区的空间微观差异,但前者受人口空间分布因素的影响过大,风险异常集聚效应"突出"。融入空气质量标准的人口加权浓度相对风险指标能够更准确地揭示长沙市人口PM2.5暴露风险空间变化规律。开展城市PM2.5污染防控多指标空间区划研究,有利于弥补单一指标评价结果的局限性及不确定性。
简介:近年来随着污染的加剧,地下水中检出的污染指标种类不断增加。原有的地下水污染评价方法未对天然劣质指标进行突出考虑,对指标性质差异性也未考虑,已不适用。在综合分析了地下水污染评价的各种方法后,考虑天然状态下地下水水质差异巨大,天然劣质指标的参评容易使评价结果出现偏差,对天然劣质指标进行单独考虑。另外,判别组分信息,分别对天然组分与人工组分进行评价,最后采用指标分类的污染综合评价方法对地下水的污染状况进行评价。将其运用到淮河流域某地区地下水污染评价中,结果表明,淮河流域某地区地下水中总硬度、铁、锰、氟化物、苯并(a)芘5项指标为劣质指标。研究区感官性状与一般化学指标以Ⅰ级、Ⅱ级为主,Ⅳ级中污染、Ⅴ级重污染水主要分布在研究区中西部的城区;毒理学指标以3级为主,其次为4、5级。评价结果简单明了,物理意义明确,对比内梅罗污染指数法,评价结果更加符合实际情况。提出的地下水污染指标分类综合评价方法对劣质指标进行了考虑,有效解决了评价结果偏差、夸大污染程度与范围、不同性质指标容易产生歧义的问题,综合体现了地下水污染信息。