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:我国拟颁布的最新《环境振动标准》与现行《城市区域环境振动标准》分别采用不同的频率计权曲线,新标准采用的Wk计权曲线相对于现行标准的Z计权曲线降低了1~4Hz范围振动的影响权重,提高了5~80Hz振动的影响权重。结合不同测点的振动频谱,分析了2条计权曲线对振动测试结果的影响。结果表明,Wk与Z计权曲线对振动结果的影响主要受测点振动能量分布的控制,若测点振动能量主要集中在5~80Hz内,则Wk计权Z振级大于Z计权Z振级;若振动能量在1~80Hz内分布比较均匀,则2条计权曲线对振动结果影响较小。对铁路环境振动,若新标准采用与原标准相同的昼夜振动限值,则近场新标准限值比原标准更严苛,但远场新标准的限值可能不会更严苛,反而可能更宽松。