张云帆[1]（2021）在《无控交叉口驾驶人交互避撞行为与预警功效性研究》文中研究说明在我国,发生在交叉口的交通事故数量、死亡人数在所有交通事故类型中占比较高,其中无控交叉口更是深受交通安全领域的关注。无控交叉口通常分布在车流量较少的城市道路或乡村道路上,不设置交通信号灯、交通标志标牌等,也没有详细的道路渠化设计,车流量低但交通冲突情况复杂,并且参与交通冲突的多方驾驶人在冲突避让过程中存在相互影响、博弈决策的现象,该过程充满了不安全因素,容易导致交通事故的发生。本文从驾驶人的角度出发,聚焦于无控交叉口驾驶人交互式避撞行为,深入分析其行为机理。同时,针对无控交叉口的特殊性,本研究提供了一种基于车联网技术的视觉车辆避撞预警系统设计思路,引入雾天作为环境干扰因素,利用驾驶模拟实验对无控交叉口的交通冲突环境进行仿真模拟。与以往驾驶模拟实验不同,本研究借助多台联机式驾驶模拟实验设备,能够获得多方驾驶人交互式驾驶行为数据,有助于更深入地探究在外部干扰和辅助影响下的驾驶人交互式行为规律和决策机制。首先通过文献综述,在对无控交叉口驾驶行为进行理论研究的基础上,提出了三阶段式驾驶人冲突避撞过程框架,然后以雾天和预警作为主要控制变量设计了驾驶模拟实验。以实验数据为基础,首先进行了分阶段式的驾驶人避撞行为特征分析,揭示了预警作用下,驾驶人对于不同雾天条件和不同他车驾驶行为的行为规律和决策机制。然后通过系统聚类将无控交叉口冲突风险划分为四类,进一步利用多元Logistic回归模型分析外部干扰和辅助因素对冲突风险程度的影响,并探究了驾驶人上游避撞行为与冲突风险程度的关联规则。最后提出了基于交互式特征参数的驾驶行为短时预测模型。本文主要得到以下结论:基于多台联机式驾驶模拟设备开展驾驶模拟实验是可行并且实验数据可分析的;在预警功效性研究方面,基于车联网技术的视觉车辆避撞预警系统设计能够极大提高雾天环境中的行车安全,缩短驾驶人的决策反应时间,使其对他车行驶状态的反应更为敏感,促进驾驶人选择更积极的方式避撞冲突,对降低冲突风险有积极作用;在驾驶行为的决策机制方面,驾驶人主要以自车与他车到交叉口的距离差和时间差作为初始决策判断依据;在避撞行为与冲突风险的关联规则方面,驾驶人避撞行为中的平均加/减速度和行动点的位置决定了驾驶人最终的冲突风险程度;在驾驶行为预测方面,基于随机森林算法的短时预测模型准确度较高。图67幅,表35个,参考文献148篇。
郭小丁[2]（2021）在《基于张量分解的法律咨询和辅助判案关键技术研究》文中研究说明近年来,司法部深入贯彻习近平网络强国战略思想,着力提高司法行政事业发展的科技含量和信息化水平,全面展开科技创新和技术攻关,建设“数字法治、智慧司法”科技创新工程,法律咨询服务和辅助判案是其中重要项目。目前,法律咨询服务智能化程度低,无法准确描述法律咨询语句,难以理解用户法律咨询意图,进而为其提供个性化、多元化法律咨询服务。传统辅助判案技术对案件描述粒度较粗,无法捕捉案件间关联信息,影响案件罪名判定。此外,现有辅助判案算法难以准确地从案件中抽取出有效信息,无法得出细致的案件预判结果。本文针对法律咨询服务和辅助判案问题进行深入研究,力图准确刻画法律案件以及咨询语句,预测用户法律咨询意图,实现案件罪名判定和案件结果预判。本文的主要工作和贡献包括:首先,研究司法案例的统一、规范化表示。司法案例建模为案例相关预测算法提供数据支撑。传统司法案例建模方法主要基于特征模型和矩阵分解。这类方法存在特征模型的天然缺陷。针对这一问题,提出一种基于规范化张量分解的司法案例建模方法,引入张量模型概念,将司法案例表示为三维原始张量,定义权重矩阵,利用规范化张量分解算法将原始张量分解为核张量,完成司法案例表征。核张量降低原始张量维度,去除其中冗余信息,减少后续预测算法计算复杂度。与传统方法相比,针对法律咨询意图理解、案件罪名判定和案件结果预判,本文方法在真实法律咨询语句和案件文书数据集上显着提高预测算法准确率。其次,研究法律咨询意图理解方法。精准理解用户法律咨询意图是为其提供个性化法律服务的前提。传统法律咨询意图理解方法中建模方法和预测算法相互独立,预测算法无法准确地从法律咨询语句中抽取出有效信息。针对上述问题,提出一种基于模式张量分解的法律咨询意图理解方法,优化无监督张量分解,定义模式张量,在此基础上,利用模式张量分解算法将法律咨询语句表示为核张量,设计预测算法对模式张量的优化方法,进而使得预测算法通过优化模式张量干预张量分解过程。模式张量建立前期建模过程和后期预测算法间的关联,从而使核张量代表最有利于提高方法准确率的张量元素和结构信息。与传统方法相比,本文方法在真实法律咨询语句数据集上有效地提高法律咨询意图理解准确率。再次,研究案件罪名判定方法。案件罪名判定对案件分流、案件法官分配至关重要,直接影响案件流转速度与审理效率。传统案件罪名判定方法未将案件间相似信息作为预测案件罪名的重要依据。针对这一问题,提出一种基于相似驱动神经网络的案件罪名判定方法,在模式张量分解的基础上,对神经网络门控结构进行改进,定义输入型相似门和输出型相似门。二者分别在神经网络的输入层和输出层获取案件间相似信息,并将其用于网络最终输出结果的计算中。相似门捕捉案件间潜在关联,为预测算法提供案件间相似信息,有效地提高案件罪名判定准确率。与传统方法相比,本文方法在真实法律案件文书数据集上准确率更高。最后,研究案件结果预判方法。案件结果预判有助于推进案件审理工作,辅助法官判理案件,同时减少冤假错案产生。传统案件结果预判方法主要基于分类算法,得出的预判结果粒度粗糙,此外,案件建模过程与预判算法关联性差,预判算法无法准确地从案件中获取有效信息。针对上述问题,提出一种基于可介入张量分解的案件结果预判方法,精简优化模式张量分解,定义可介入参数,构建可控张量分解与映射张量分解算法,二者分别利用中介张量和映射矩阵集合优化张量分解过程,进而实现案件建模。设计经优化回归模型,提出回归模型对可介入参数的优化方法,从而使张量分解得出的核张量代表最有利于提高预判算法准确率的张量信息。与传统方法相比,本文方法在真实法律案件文书数据集上案件结果预判准确率明显升高。
董浥尘[3]（2020）在《H省高速公路交通事故应急救援体系改进策略研究》文中指出随着高速公路里程的不断增长,货运物流业蓬勃发展以及人民对快速高效的出行需要,高速公路车流量逐年增长,为保障社会公众通行高速公路时的人身财产安全,高速公路应急救援能力成为了高速公路今后建设的重要部分,H省的高速公路运营管理和应急救援体系已初步建成,但体系还未发展成熟,交通事故急援能力有待评估,在高速公路交通事故发生后,造成的人员财产伤亡往往很大,对社会稳定产生了不利影响。因此,对H省高速公路的应急救援体系进行评价并给出改进策略是亟需进行的一项研究。本文通过资料查阅、现场调查以及对相关从业专家进行访谈,从H省高速公路交通事故应急救援体系中选取关键指标,并建立了评价体系,评价体系覆盖了应急救援体系从预防到恢复的全过程,通过对各级评价指标进行赋权,组织应急救援参与各方专家对评价指标进行定性定量打分,计算分析了H省高速公路应急救援体系从应急预防过程、应急准备过程、应急响应过程到事故恢复过程的各项工作开展效果。根据评价结果,本文分析出了H省高速公路应急救援体系中亟需优化改善的重点问题,通过对标国内应急救援领域先进省份做法,借鉴国内外对应急救援体系优化的最新研究,提出了对H省高速公路交通事故应急救援体系的改进策略:以各级政府主导,以合署办公方式成立综合联动指挥中心,分级对应急救援工作进行统一指挥调度,通过完善科学合理的应急救援预案,不断提高各方参与人员专业素质,依托未来“智慧交通”发展大趋势,充分利用互联网等技术,健全应急救援队伍物资、设备,从而优化H省现有应急救援体系,使之成为一个运行顺畅、反应迅速、处置得当的现代化管理系统。
张华锋[4]（2020）在《基于网格化的车务系统职工安全行为风险管控模型研究》文中研究说明车务系统作为铁路运输生产的组织者和指挥者,是一个以“人员”为核心、“管理”为中枢、“设备”为基础、“环境”为条件,实时监控的、开放的、动态运行体系。人员作为车务系统最重要、最具有能动性的要素,既是日常管理的实施者,又是被管理者,既是事故的引发者,又是受害者,具有双重属性,其安全的行为活动直接关系到铁路运输安全。随着我国铁路事业的快速发展及铁路安全管理理念逐步向“风险管理”、“以人为本”、“个性化管理”等的转变,铁路车务系统的现场安全管理将面临着新的挑战,如何更精准、更个性化的评估铁路车务现场职工的安全行为风险,如何更科学的制定个性化的干预策略,形成对车务系统“关键人、关键事、关键时间段”的有效盯控,既是铁路车务系统安全管理领域中的重大理论问题,也是车务现场安全管理实践中面临的棘手问题。针对上述问题,本文在国内外相关研究成果的基础上,提出了一种车务系统职工安全行为风险网格化管控方法,该方法利用网格化对车务系统现场职工进行精准定位、归类,并以致灾因子为核心,利用创新的三维风险评估矩阵模型及改进的系统动力学模型,对车务系统现场职工的安全行为风险进行个性化的风险评估和精准化的风险应对,同时将沟通与咨询、监测与评审活动融合在整个风险管控流程中,实现了风险信息在网格间的自由流动,推动了职工安全行为风险管控的持续性、动态改进,创新性的改进了既有车务系统现场职工的安全行为风险管控模式。本文主要围绕以下三个方面展开了研究:（1）提出了一种新的车务系统职工安全行为风险网格化管理方法。该网格是一种有人员参与的、逻辑上的虚拟网格,它具有明显的时间、空间、事件三维空间属性。通过引入空间位置变量,网格化管理可以将任意一个单元网格中的员工在时刻T发生的事件在“网格-要素-时间”三维空间坐标系中精准展现出来,从时空的角度对车务系统现场职工进行精准定位、归类,将无序、缺少关联的风险数据有序化,使其更具有价值,为个性化的风险评估、精准化的风险应对提供建模支撑,辅助实现车务系统职工安全行为风险事件的精细化管理。（2）提出了一种新的车务系统职工安全行为风险评估建模方法。该建模方法将车务系统单一网格要素作为研究对象,能够充分考虑不同时空框架下每个网格中单一要素风险事件致灾因子间的动态耦合变化特征,通过个性化的致灾因子赋值模型对致灾因子赋值求解并将其作为风险参数计算的输入,利用“可能性-后果-脆弱性”三维风险评估矩阵模型求解风险事件的量级,解决了以往风险评估过程中风险参数考虑不周全、风险量级量化分析准确性不足的问题,实现了车务系统职工安全行为风险事件的个性化、精准化评估。（3）提出了一种新的车务系统职工安全行为风险网格化应对模型。该模型将网格化管理方法和系统动力学原理相结合,基于网格化管理的时间、空间、动态信息流特性,模型以致灾因子作为桥梁,将传统的系统虚拟仿真边界确定变为精准网格界定,通过完善网格要素风险事件应对策略并对其进行个性化系统动力学仿真,进一步提升了车务系统网格要素风险事件的仿真效果;同时,利用信息化手段建立致灾因子应对策略清单,实现了风险事件致灾因子应对策略的快速提取,缩短了响应时间;通过沟通与咨询、监测与评审活动,风险应对效果能及时得到反馈,推动了车务系统职工安全行为风险闭环管控的持续性、动态改进。
熊晓琴[5]（2020）在《专利视域下智能网联汽车关键技术分析及产品评价研究》文中研究说明智能网联汽车是指装备先进的车载传感器、控制器等器件,并融合现代通信与网络技术,实现车与X（车、路、人、云端等）的智能信息交流和共享,具备复杂环境感知、智能决策、协同控制等功能的新一代汽车。智能网联汽车可以给我们带来更安全、更节能、更环保、更便捷的出行方式和综合解决方案,是国际公认的未来汽车发展方向和研究焦点。随着技术、法规以及相关配套逐步成熟和完善,智能网联汽车将进入产品导入和市场化阶段。和美国、欧洲、日本、韩国等传统汽车强国相比,我国智能网联汽车信息交互技术相对成熟、基础支撑技术具有局部优势,但是仍然存在核心技术短缺、技术结构和方向不清晰、技术应用效益不明确等问题,需要进行技术分析及其应用评价。本文以智能网联汽车为研究对象,基于全球专利大数据、产业数据、商业应用数据等数据资源,围绕智能网联关键核心技术发展与应用问题,探讨智能网联汽车关键技术基础前沿、热点主题和演进路径,并结合重点企业关键技术专利分析评价不同产品的技术经济效益和生态效益,力求探索智能网联汽车关键技术发展特征和产品应用情况,研究内容包括以下方面:针对专利视域下的智能网联汽车,基于专利大数据绘制智能网联汽车关键技术专利地图,并以此为基础,运用新一代信息可视化手段,构建智能网联汽车科学知识图谱,研究智能网联汽车技术领域前沿与热点、关键技术演进路径及演化规律。重点围绕智能网联汽车全球专利数据,聚焦车辆技术、信息交互技术等领域,运用聚类分析、时间序列、回归分析和相关分析等方法绘制智能网联汽车专利态势、竞争态势及关键技术专利地图,从时间和空间等不同维度分析技术分布特征,得到关于智能网联汽车产业发展趋势、竞争态势、企业创新实力及关键技术发展等方面的结论;基于绘制的关键技术专利地图,综合采用共现分析、引文分析、共被引分析等方法,运用Cite Space等知识图谱工具,识别不同时期智能网联汽车的技术主题及成熟潜力专利技术,探测智能网联汽车关键技术领域前沿与热点变化,并通过与专利网络主体间的联系展示出智能网联汽车关键技术的演进路径与演化规律。面向关键技术分析智能网联汽车企业的专利布局,建立智能网联汽车产品的技术经济评价体系,运用模糊综合评价、数据包络法,对通用、比亚迪等8家企业具有代表性的车型进行技术性、经济性研究。从专利角度研究智能网联汽车企业的环境感知技术、决策控制技术、V2X通信技术、云平台与大数据技术等关键技术构成,明确不同智能网联汽车企业关键技术的专利布局重点;构建智能网联汽车技术评价体系,选择不同企业的代表车型进行模糊综合评价,发掘评价结果内涵,结合专利技术提出对我国智能网联汽车企业技术发展的有益建议;通过智能网联汽车的经济角度阐述智能网联汽车产品经济评价模型,构建智能网联汽车经济评价体系,运用数据包络分析法对不同企业的代表车型进行评价,从企业评价结果和专利技术揭示决定其经济性能的主要因素。基于关键技术重点专利推演智能网联汽车企业的技术发展路线,结合技术发展路线探讨不同智能级别车辆在能源、资源消耗以及环境方面产生的具体影响,通过对丰田和广汽关键技术领域历年重点专利的分析,明确其技术发展路线,并划分车辆的不同技术等级。面向企业关键技术及其专利进行目标选取和边界划定,以广汽丰田i A5为研究对象,建立了从原材料获取、制造装配、运行使用到报废回收四个阶段的资源耗竭和环境影响的数学评价模型,确定各阶段涉及材料、工艺、能耗清单,并在此基础上建立Ga Bi模型,计算得到矿产资源消耗、能源消耗、环境排放结果清单,采用CML2001评价方法对计算结果进行处理和分析评价;结合丰田和广汽的各技术等级重点专利和技术发展路线,评估预测不同智能级别车辆采用智能设备及关键技术等应用方面的不同,对L1-L5不同级别智能网联汽车全生命周期各阶段的资源消耗、能源耗竭、环境影响进行对比分析,以得出车辆技术智能化、网联化程度对能源消耗及环境影响的变化趋势。本文研究成果包括从专利视域所揭示的智能网联汽车关键技术特征和演进规律,以及结合智能网联汽车企业关键技术专利分析量化计算的产品技术经济性和节能减排绩效评价结果,提供了以专利分析辅助产业关键技术发展布局及应用的研究路径与方法,为智能网联汽车技术路线规划、政策制定和相关企业的技术创新、新产品研发提供重要的理论依据和数据支撑。
顾欣[6]（2020）在《高速公路互通立交合流区交通冲突预测模型研究》文中提出高速公路互通立交合流区是辅助互通立交完成路网车辆转向功能的重要“阀门”。合流区内交通环境复杂、车辆合流行为频繁,驾驶员易发生错误判断及操作,容易导致交通冲突发生概率增加,引发交通事故。在互通立交数量增长和互通立交合流区安全问题突出的双重背景下,研究高速公路互通立交合流区安全问题,构建安全分析模型,对深入探究安全影响因素,提高互通立交合流区安全性,提升互通立交区域服务品质具有重要意义。基于此,本文以揭示微观层面合流冲突形成机理为目标,开展了对高速公路互通立交合流区交通冲突预测模型的研究。论文分析了高速公路互通立交合流区交通运行特征,提出了合流冲突的定义;研究了合流冲突的形成过程和冲突类型及特征;在总结现有冲突数据采集方法的基础上,提出了基于无人机航拍视频的交通冲突识别系统;并对合流冲突影响因素进行了分析。针对基于无人机航拍视频的交通冲突识别系统,论文研究了视频画面处理、视频稳定和校准等视频预处理方法;在总结常见运动目标检测算法和常见运动目标追踪算法的基础上,提出了基于Mask R-CNN（Region-CNN,Convolutional Neural Networks）和CSRT（Discriminative Correlation Filter with Channel and Spatial Reliability Tracking）结合的车辆检测和追踪方法;并结合交通冲突指标,实现交通冲突识别。最后,以马群互通立交合流区为调查对象展示了交通冲突识别方法的应用。为了从微观驾驶行为层面分析合流冲突风险,论文对合流决策行为进行了研究。从合流执行位置、合流持续时间、合流速度等方面对合流选择行为特性进行了分析。提出了一种考虑驾驶员合流行为的冲突风险预测框架,即基于随机参数多层逻辑回归模型对合流决策行为进行预测,并利用冲突风险计算模型计算每一决策点的冲突风险。研究结果表明,合流车辆速度、合流驾驶员驾驶能力、合流执行位置对合流冲突风险具有显着性影响。该模型不仅可以计算单个合流车辆在合流过程中任一时刻的合流冲突风险,也可以对合流区域总的合流冲突风险进行集计计算,可应用于交通安全评价和危险交通状态监控。针对样本关联性问题,论文提出了两种建模方法。一种是构建考虑合流持续时间和合流冲突率的联合冲突预测模型,探究合流行为和合流冲突的耦合关系;分别采用生存分析模型和Tobit模型预测合流持续时间和合流冲突率,并基于二者的联合模型来进行合流冲突风险预测。模型结果表明,合流选择行为与合流冲突风险之间存在耦合影响。另一种是构建基于贝叶斯网络的合流冲突预测模型,探究影响因素之间的关联性和不确定性关系。模型结果表明,不同离散化标准对冲突预测精度有显着影响,且众多关键因素之间存在交互影响。在贝叶斯网络模型的基础上,提出了交通冲突链的识别方法。针对冲突预测模型的应用,论文还提出了一种计算下一时间窗内合流冲突风险的主动风险预测建模策略,并采用二项逻辑回归模型、多项式逻辑回归模型和巢式逻辑回归模型对采集数据进行了建模和比较;最终提出了所构建模型在合流辅助系统中的应用方案。
唐海琴[7]（2020）在《基于车车通信的联网车辆跟驰行为交通适应性研究》文中进行了进一步梳理随着车联网技术的发展,智能化、网联化将成为未来交通的主要特征,车车通信（Vehicle to Vehicle,V2V）环境下联网车辆（connected vehicles,CV）的信息协同共享能力,使其跟驰行为与人工驾驶车辆（Human Vehicles,HV）存在较大差异,而CV跟驰行为是否能适应复杂道路运行环境并提升交通系统功效是亟待研究的问题。因此对复杂道路运行环境下CV跟驰行为进行研究,掌握V2V技术对现有交通系统可能产生的正反双面影响,对推动V2V技术的实际应用具有重要意义。本文利用外场实测数据对基于V2V的CV跟驰行为交通适应性展开研究。首先,在对传统环境、V2V环境下跟驰行为研究现状和适应性研究现状进行综述的基础上,总结了现有研究的不足,将CV跟驰行为从理论建模层面深入到交通适应性评价层面,并给出了本文的研究内容及技术路线。其次,比较了传统环境和V2V环境下驾驶过程、跟驰行为特性、车辆跟驰建模的差异,为后续研究提供理论依据。然后,定义了跟驰行为交通适应性这一概念,从人-机-环境三个维度,设计反应时间、加速度变化率、速度变异系数、车头时距、碰撞时间倒数、稳态转移时间等跟驰行为交通适应性表征指标,并基于这些表征指标提出了跟驰行为交通适应性评价指标体系,具体包括:反应时间均值、加速度变化率绝对值均值、速度变异系数、车头时距均值、碰撞时间倒数极大值、稳态转移时间均值。同时,为对跟驰行为交通适应性进行综合评价,针对多种评价方法的评价结果可能不一致的问题,提出了基于离差最大化的跟驰行为交通适应性组合评价模型,选取灰色聚类分析法、物元分析法和模糊综合评价三种评价方法形成组合方法集,利用组合方法集中单一评价方法分别对跟驰行为交通适应性进行评价,对通过肯达尔一致性系数检验的评价方法,基于离差最大化思想,求解各评价方法的组合权重,并对各方法的评价结果进行组合,获得组合评价结果。接着,搭建基于V2V的跟驰实验平台,完成了实验平台软硬件设计,并设计加速、减速、停启、前向碰撞预警四种场景,采集外场实测数据,作为后续跟驰行为交通适应性表征指标提取和组合评价的数据来源。最后,考虑不同运行速度、工况、道路等级、天气、服务水平等复杂道路运行环境因素,从统计学角度探索不同因素下适应性表征指标的变化规律,分析不同因素下的CV跟驰行为交通适应性。并采用基于离差最大化的跟驰行为交通适应性组合评价模型进行实例分析,计算了跟驰行为交通适应性组合评价值和单项评价指标组合评价值,按分值区间划分了评价等级。跟驰行为交通适应性表征指标分析结果表明,相较传统环境,V2V环境下驾驶员反应时间均值缩短0.96s,车头时距均值减小27%,加速度变化率、碰撞时间倒数整体较小,稳态转移时间更小。在不同因素影响下各表征指标具有一定差异,反映了不同影响因素下CV跟驰行为交通适应性有所区别,即反应能力、舒适性、操控稳定性、安全性等不同。跟驰行为交通适应性组合评价结果表明,驾驶员感知决策能力大大提高,对车辆的操控稳定性更强,大部分情况下追尾风险性减小,即使较HV,基于V2V的CV跟车距离更近,但总体而言,CV跟驰行为的交通适应性比HV更高。
张世文[8]（2020）在《成都市城市轨道交通突发事件应急管理体系建设研究》文中研究说明发展轨道交通已成为国内越来越多城市公共交通的首选,对推动城市现代化和交通事业的发展都有其积极意义。在享受轨道交通给城市带来便捷的同时,也不能忽视城市轨道交通固有的一些安全隐患,轨道交通所处空间更封闭、短时间内客流量更大,轨道交通站点及其交通工具内环境更为复杂,安全隐患及所产生的后果会更为严重。因此,建设城市轨道突发事件应急管理体系尤为重要。本文以文献研究、比较研究、个案研究、访谈法为主要研究方法,对成都轨道交通事故应急管理体系进行了深入分析,对成都市政府应对轨道交通突发事件的处理方式及效果,并进行分解、辨析、论证,了解成都市地铁轨道交通突发事件应急管理的现状及存在的问题。本文立足于成都市轨道交通,以轨道交通突发事件应急管理为研究切入点,通过理论研究与比较借鉴并行推进的模式,在此基础上提出更好应对城市轨道交通突发事件的合理化对策。成都市地铁轨道交通突发事件应急管理体系中存在以下问题:在应急预案方面,成都市地铁轨道交通应急演练不够充分,成都市地铁轨道交通应急预案修订不够及时。在应急机制方面,成都市地铁轨道交通应急预防不充分,成都市地铁轨道交通应急联动不协调。应急体制方面,成都市地铁应急主管部门对社会力量的培育不足,成都市地铁城市轨道交通综合应急管理部门缺失。在应急法制方面,成都市地铁轨道交通应急配套法规不健全社会参与应急管理的制度保障缺乏。通过对美国、英国、日本等三个国家地铁轨道交通突发事件的应急管理进行分析,可以得出如下启示:要成立地铁突发事件应急管理组织体制;完善应急救援队伍管理机制;动员社会力量资源实施救援行动;完善应对各种突发事件的法律体系。基于以上问题,提出成都市地铁轨道交通突发事件应急管理体系建设的建议:充分发挥应急预案的指导作用,加强城市轨道交通联合应急演习、更新优化城市轨道交通应急预案;建设政府和社会合作型的突发事件的应急管理体系,引导社会参与城市轨道交通应急管理、设立轨道交通应急管理局;加强对轨道交通事故信息传播途径的监督和管理,建立地铁突发事件应急管理的信息系统,完善救援体系、提升救援的速度,改善服务态度、提升服务质量;推进应急运行机制的建设,坚持“预防为主,防救结合”原则,建立城市轨道交通应急预警信息系统。本文深入分析了成都市对地铁突发事件应急管理体系,并总结归纳了成都市地铁应急管理体系中存在的问题。研究发现政府对成都市轨道应急预案的建设还需加强重视,绝不能因为未发生过重大地铁事故就忽视这一环节,当前仍然需要不断完善成都市地铁突发事案应急管理的预案建设。另外,由于每个城市的现实条件不同,成都市可能面临的轨道交通事故也有差异,成都轨道交通集团还应根据成都市的实际情况制定具体的应急预案。
陈俊杰[9]（2020）在《耦合BIM的长距离输水渠道无人机巡检与险情智能图像识别研究》文中研究表明由于沿程地质、水文、气象和人文等环境条件的复杂性,长距离输水渠道的安全运行和供水保障时刻面临着冰凌拥堵、污染物入侵和边坡破坏等各类险情灾害的威胁。及时准确地识别险情,以在初始阶段采取措施控制险情灾害的发展,是应急响应和决策制定的重要前提。当前工程实践主要依赖于人工巡检和安全监测来对渠道运行过程中的安全风险进行识别。然而,人工巡检耗时长、效率低,且缺乏有效的信息协同机制来支撑快速安全诊断;安全监测仅限于个别典型断面的考察,存在险情漏报的风险,且难以对异物入侵、冰凌等非结构性的险情类型进行诊断。另外,长距离渠道常常穿越高寒无人区,当地严酷的自然地理环境给人工巡检带来了困难。针对现有手段的不足,有必要探索长距离输水渠道巡检和险情识别的新方法和新技术,以提升渠道运行风险发现和应急响应的能力,为保障工程供水安全提供新的途径。无人机、建筑信息模型（Building Information Modeling,BIM）及图像识别等新兴技术的发展,为长距离输水渠道巡检和险情识别手段的创新提供了可能。无人机具有机动灵活、视野开阔、适应高空作业的优点,可解决传统人工巡检效率低、长距离无人区交通不便等弊端;BIM以可视化的方式综合集成多源信息,可为渠道安全诊断提供信息辅助;图像识别对无人机巡检航拍图像进行自动批处理,可实现渠道全程险情的无盲区覆盖。本文从“渠道巡检航拍——动态BIM耦合——图像预处理——险情智能识别”的全流程出发,深入研究长距离输水渠道巡检与险情识别理论方法与应用,实现了多源信息辅助下集动态BIM-天地耦联-智能识别于一体的虚实信息增强巡检与险情快速溯源,有助于克服高寒环境下人工巡检困难、效率低、缺乏信息辅助的弊端,为高寒长距离输水渠道的应急巡检和险情追踪提供高效智能的技术手段。本文的主要研究成果如下:（1）提出了耦合动态BIM的无人机增强现实巡检方法。构建了耦合安全监测的输水渠道动态BIM模型,提出了动态BIM与巡检航拍视频的匹配联动算法,实现了动态BIM辅助下无人机巡检虚实信息的增强,克服了传统人工巡检效率低、前后方不协同和缺乏天地一体化多源信息辅助的弊端,为长距离输水渠道的安全巡检提供了一种新的自动化手段。（2）提出了BIM驱动的输水渠道航拍图像兴趣区提取方法。利用位置、姿态等地理标签信息,进行BIM三维注册渲染,进而指示航拍图像兴趣区提取,有效避免了传统方式对人工先验知识的依赖,实现了兴趣区提取的自动批处理,有助于克服大尺度航拍影像对图像识别任务的背景干扰,为渠道险情图像识别提供了有效的预处理手段。（3）研究了渠道冰情的智能图像识别技术。从对渠道冰情的先验观察出发,提出利用色彩特征指标St V、纹理密度特征指标EP,以及纹理方向特征指标δ-EHD和δ-HOG,进行明流、冰盖、流凌、冰塞等四个冰情阶段及流凌强度等级识别的方法,建立了基于图像特征的冰情识别支持向量机（Support Vector Machine,SVM）模型,实现了渠道冰情阶段和流凌强度等级的智能识别,有助于提高冰情监控的覆盖范围和险情识别的效率。（4）研究了基于无人机航拍的渠道水面异物智能图像识别技术。提出了基于SLIC超像素纹理特征的渠道水面异物图像检测方法,构建了异物类型识别的“层级投票”机制,给出了基于摄影测量学和航拍位姿信息的异物空间定位和几何特征估算方法,实现了渠道水体异物检测、分类、追踪的全流程自动化,克服了传统人工巡视效率低下、存在人为因素干扰的弊端,有助于解决渠道异物入侵发现难、鉴别难、追踪难的问题,为输水渠道水质安全管理提供了新的手段。（5）研究了渠道边坡破坏的智能图像识别技术。通过比选分析,给出了可有效描述边坡破坏的图像特征向量“LBP+HSV”,提出了基于超像素分割和支持向量机的边坡破坏图像识别方法,实现了基于图像数据源的渠道边坡状态自动识别。通过该方法与无人机巡检航拍相结合,可克服传统安全监测仅能感知有限个典型断面边坡状态的不足,为长距离输水渠道全线边坡状态的快速识别评估提供了新的思路。
贾炳琦[10]（2020）在《多车协同场景下的雷达-通信性能分析与关联关系研究》文中提出近年来,全球汽车保有量的不断增加对交通安全和道路智能化水平提出了更高的要求。一方面,车载毫米波雷达被越来越多地用于各种驾驶辅助系统和碰撞避免系统中,成为车载传感器中最为重要的组成部分之一;另一方面,车联网中的车对车（Vehicle-to-vehicle,V2V）通信技术无需依赖路边基础设施单元（Roadside Unit,RSU）,可为移动中的车辆节点直接提供端到端的无线通信服务,潜在地补充车载感应功能。因此,基于车辆平台的雷达通信融合技术（Joint Automotive Radar and Communication,JARC）成为当前研究的热点。为了研究车辆雷达和通信系统集成融合后对V2V网络性能和雷达探测性能的影响,本文首先基于一维均匀泊松点过程（1D-PPP）对单车道、中低节点密度场景进行建模,分析了在该模型下的干扰分布、覆盖概率和网络容量等通信性能指标。在此基础上,计算出双车联合探测距离衡量雷达协同探测的性能,并通过仿真验证了理论分析结果。随后本文将模型拓展至二维多车道、高节点密度场景,使用Matern CSMA点过程对活跃发射节点集进行建模,分析了网络节点接入概率、通信覆盖概率、网络容量等通信性能指标,利用汽车雷达截面积（Radar Cross-section,RCS）模型计算出双车联合目标检测概率。仿真结果表明,雷达检测概率可提升约45%,并可通过设置通信与雷达功率分配因子得到最优的性能表现。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.2 国内外研究现状 |
| 1.2.1 无控交叉口驾驶行为研究 |
| 1.2.2 车辆避撞预警系统研究 |
| 1.2.3 机器学习在驾驶行为研究领域的应用 |
| 1.3 研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 研究意义 |
| 1.3.3 技术路线 |
| 2 无控交叉口驾驶行为研究 |
| 2.1 无控交叉口交通冲突机理 |
| 2.1.1 无控交叉口交通冲突类型 |
| 2.1.2 无控交叉口交通事故成因 |
| 2.2 驾驶人避撞行为研究 |
| 2.2.1 无控交叉口驾驶人避撞行为机理 |
| 2.2.2 驾驶人交互式避撞行为机理 |
| 2.2.3 外部干扰或辅助对驾驶行为的影响 |
| 2.3 微观驾驶行为预测研究 |
| 2.3.1 驾驶行为分类识别研究 |
| 2.3.2 基于机器学习的驾驶行为预测模型 |
| 2.4 本章小结 |
| 3 实验设计和变量提取 |
| 3.1 实验目的 |
| 3.2 实验设备 |
| 3.3 实验人员 |
| 3.4 实验场景设计 |
| 3.4.1 基础路网设计 |
| 3.4.2 车辆避撞预警系统设计 |
| 3.5 实验流程 |
| 3.6 实验数据收集 |
| 3.7 实验变量提取 |
| 3.8 本章小结 |
| 4 无控交叉口驾驶人避撞行为特征分析 |
| 4.1 接近阶段 |
| 4.2 决策阶段 |
| 4.2.1 决策阶段持续时间 |
| 4.2.2 行动点到交叉口的时距 |
| 4.2.3 行动点到交叉口的距离 |
| 4.2.4 初始决策 |
| 4.2.5 驾驶人避撞决策机制分析 |
| 4.3 调整阶段 |
| 4.3.1 平均加/减速度 |
| 4.3.2 初始行动持续时间 |
| 4.3.3 最低速度 |
| 4.4 外部干扰和辅助对驾驶人避撞行为影响总结 |
| 4.5 驾驶人问卷调查结果分析 |
| 4.6 本章小结 |
| 5 无控交叉口冲突风险分析 |
| 5.1 冲突风险程度聚类变量特征选择 |
| 5.1.1 最终速度 |
| 5.1.2 相对速度 |
| 5.1.3 是否碰撞 |
| 5.1.4 碰撞时间(TTC) |
| 5.1.5 后侵入时间(PET) |
| 5.2 外部干扰或辅助对冲突风险程度的影响分析 |
| 5.2.1 基于系统聚类的冲突风险程度聚类模型 |
| 5.2.2 基于多元Logistic回归模型的冲突风险程度影响分析 |
| 5.4 避撞行为与冲突风险程度的关联规则 |
| 5.5 本章小结 |
| 6 无控交叉口驾驶行为预测模型 |
| 6.1 交互行为特征提取和驾驶状态划分方法 |
| 6.2 驾驶行为短时预测方法 |
| 6.2.1 随机森林模型 |
| 6.2.2 支持向量机模型 |
| 6.3 基于机器学习分类预测结果对比 |
| 6.3.1 评估指标选取 |
| 6.3.2 预测结果与讨论 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 A 驾驶模拟实验真实度调查问卷 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 司法案例建模 |
| 1.2.2 法律咨询意图理解 |
| 1.2.3 案件罪名判定 |
| 1.2.4 案件结果预判 |
| 1.3 本文的研究内容和组织结构 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文章节安排 |
| 第2章 基于规范化张量分解的司法案例建模方法 |
| 2.1 引言 |
| 2.2 张量的概念与定义 |
| 2.2.1 张量 |
| 2.2.2 相关计算 |
| 2.3 问题描述 |
| 2.3.1 问题背景 |
| 2.3.2 面临挑战及问题定义 |
| 2.4 基于张量模型的司法案例建模方法 |
| 2.4.1 司法案例模块分割 |
| 2.4.2 案例模块中词汇过滤 |
| 2.4.3 案例模块矩阵化及张量生成 |
| 2.5 规范化张量分解算法 |
| 2.5.1 张量分解的概念 |
| 2.5.2 规范化张量分解过程 |
| 2.6 实验结果与分析 |
| 2.6.1 实验设置 |
| 2.6.2 实验对比分析 |
| 2.7 本章小结 |
| 第3章 基于模式张量分解的法律咨询意图理解方法 |
| 3.1 引言 |
| 3.2 面临挑战及问题定义 |
| 3.3 张量相关计算 |
| 3.4 模式张量分解算法 |
| 3.4.1 映射矩阵集合生成 |
| 3.4.2 核张量计算 |
| 3.4.3 模式张量优化算法 |
| 3.5 实验结果与分析 |
| 3.5.1 实验设置 |
| 3.5.2 实验对比分析 |
| 3.6 本章小结 |
| 第4章 基于相似驱动神经网络的案件罪名判定方法 |
| 4.1 引言 |
| 4.2 面临挑战及问题定义 |
| 4.3 相似驱动神经网络算法 |
| 4.3.1 神经网络中输入型相似门 |
| 4.3.2 神经网络中输出型相似门 |
| 4.4 实验结果与分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验对比分析 |
| 4.5 本章小结 |
| 第5章 基于可介入张量分解的案件结果预判方法 |
| 5.1 引言 |
| 5.2 面临挑战及问题定义 |
| 5.3 张量相关计算 |
| 5.4 可介入张量分解算法 |
| 5.4.1 可控张量分解算法 |
| 5.4.2 映射张量分解算法 |
| 5.5 实验结果与分析 |
| 5.5.1 实验设置 |
| 5.5.2 实验对比分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术路线 |
| 第2章 有关概念与理论基础 |
| 2.1 概念界定 |
| 2.1.1 突发事件 |
| 2.1.2 高速公路交通事故 |
| 2.1.3 应急救援体系 |
| 2.2 理论基础 |
| 2.2.1 系统论 |
| 2.2.2 风险管理理论 |
| 2.2.3 公共服务理论 |
| 2.3 本章小结 |
| 第3章 H省高速公路交通事故应急救援体系综合评价 |
| 3.1 H省高速公路交通事故应急救援现状分析 |
| 3.1.1 组织机构及职责 |
| 3.1.2 H省高速公路交通事故信息沟通的方式 |
| 3.1.3 H省高速公路交通事故应急预警和处置 |
| 3.2 H省高速公路交通事故应急救援体系的综合评价 |
| 3.2.1 确定评价指标集合 |
| 3.2.2 确定评价指标权重 |
| 3.2.3 确定指标的评价等级标准 |
| 3.2.4 确定评价矩阵和计算灰色评估系数及权矩阵 |
| 3.2.5 各级指标评价 |
| 3.2.6 综合评价 |
| 3.3 H省高速公路应急救援体系的综合评价结果分析和小结 |
| 第4章 现有应急体系存在的问题及原因分析 |
| 4.1 H省高速公路交通事故应急救援存在的问题 |
| 4.1.1 应急救援组织机构设置的问题 |
| 4.1.2 应急救援预案不满足实际工作的问题 |
| 4.1.3 应急救援人员力量不足的问题 |
| 4.1.4 应急救援资金物资问题 |
| 4.2 H省高速公路交通事故应急救援存在问题的原因分析 |
| 4.2.1 高速公路应急管理制度存在局限性 |
| 4.2.2 高速公路应急预案管理机制不完善 |
| 4.2.3 应急信息管理机制不健全 |
| 4.2.4 应急救援缺少新技术新设备应用 |
| 4.3 本章小结 |
| 第5章 H省高速公路交通事故应急救援改进策略 |
| 5.1 建立联动响应的应急管理平台 |
| 5.1.1 建立快速联动机制 |
| 5.1.2 建立三级应急管理平台 |
| 5.1.3 加强各部门分析研判合作 |
| 5.1.4 保障应急管理平台资金 |
| 5.2 构建高速公路应急预案体系 |
| 5.2.1 科学设计预案体系 |
| 5.2.2 合理规划应急救援组织机构 |
| 5.2.3 完善交通事故伤员救助机制 |
| 5.3 提高应急管理的人员能力 |
| 5.3.1 加强应急救援人员培训 |
| 5.3.2 培训组建应急救援专业化队伍 |
| 5.4 完善应急救援技术保障 |
| 5.4.1 呼叫受理系统 |
| 5.4.2 自动事故监控平台 |
| 5.4.3 救援车辆调度管理 |
| 5.4.4 应急救援网络平台 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文 |
| 致谢 |
| 个人简历 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及问题提出 |
| 1.1.1 人员因素是影响铁路行车安全的重要因素 |
| 1.1.2 铁路安全管理理念的转变与挑战 |
| 1.1.3 铁路安全风险管理的自身独特性 |
| 1.1.4 风险理论、“网格化”管理等的实践应用 |
| 1.1.5 问题提出 |
| 1.2 主要研究内容 |
| 1.3 研究意义 |
| 1.4 研究方法与技术路线 |
| 1.5 论文组织结构 |
| 1.6 论文资助 |
| 2 国内外研究综述 |
| 2.1 安全行为风险相关概念研究 |
| 2.1.1 安全行为相关概念 |
| 2.1.2 风险、致灾因子、隐患和事故概念 |
| 2.1.3 风险管理相关概念及流程 |
| 2.2 铁路风险评估技术研究综述 |
| 2.2.1 铁路风险评估技术研究 |
| 2.2.2 铁路风险评估技术选择需注意的问题 |
| 2.3 安全行为风险评估研究综述 |
| 2.3.1 交通领域研究现状 |
| 2.3.2 其他领域研究现状 |
| 2.3.3 既有研究存在的问题 |
| 2.4 安全行为风险应对研究综述 |
| 2.4.1 交通领域研究现状 |
| 2.4.2 其他领域研究现状 |
| 2.4.3 既有研究存在的问题 |
| 2.5 网格化管理研究综述 |
| 2.5.1 网格化管理基本概念及特点 |
| 2.5.2 网格化管理的基本要素 |
| 2.5.3 网格化管理的实践应用 |
| 2.5.4 车务系统推行网格化管理的必要性 |
| 2.6 本章小结 |
| 3 车务系统职工安全行为风险管理的网格化 |
| 3.1 车务系统安全生产的特殊性 |
| 3.2 车务系统职工安全行为风险特性 |
| 3.2.1 异质性 |
| 3.2.2 不确定性 |
| 3.2.3 耦合性 |
| 3.3 车务系统职工安全行为风险网格化管理的概念与方法 |
| 3.3.1 车务系统职工安全行为风险网格化管理定义与内涵 |
| 3.3.2 车务系统网格的定义、划分方法及编码 |
| 3.3.3 网格要素的定义、分类方法及编码 |
| 3.3.4 网格事件的定义、分类方法及编码 |
| 3.3.5 车务系统网格化管理的实践意义与价值 |
| 3.4 本章小结 |
| 4 单个网格的职工安全行为风险评估模型构建 |
| 4.1 应用场景描述与建模思路 |
| 4.1.1 应用场景描述 |
| 4.1.2 车务系统职工安全行为风险网格化评估模型架构 |
| 4.2 单个网格的车务系统职工安全行为风险致灾因子识别 |
| 4.2.1 现有车务系统职工安全行为风险致灾因子识别存在的不足 |
| 4.2.2 车务系统职工安全行为风险致灾因子分类及标准化识别 |
| 4.2.3 车务系统职工安全行为风险事件致灾因子赋值模型 |
| 4.3 单个网格的车务系统职工安全行为三维风险分析 |
| 4.3.1 二维风险矩阵存在的不足 |
| 4.3.2 “可能性-后果-脆弱性”三维风险评估模型构建思路 |
| 4.3.3 “可能性-后果-脆弱性”三维风险评估模型 |
| 4.3.4 车务系统职工安全行为风险等级评定标准 |
| 4.3.5 车务系统职工安全行为风险大小计算 |
| 4.4 单个网格的车务系统职工安全行为风险评价 |
| 4.4.1 划分风险控制等级 |
| 4.4.2 建立风险接受准则 |
| 4.4.3 明确风险应对方式 |
| 4.5 本章小结 |
| 5 基于系统动力学的安全行为风险网格化应对模型构建 |
| 5.1 应用场景描述与建模思路 |
| 5.1.1 应用场景与问题描述 |
| 5.1.2 解决思路与建模流程 |
| 5.2 模型结构分析 |
| 5.2.1 确定系统边界 |
| 5.2.2 绘制因果回路图 |
| 5.2.3 建立系统流量图 |
| 5.3 模型建立与检验 |
| 5.3.1 确定模型方程式 |
| 5.3.2 变量权重赋值 |
| 5.3.3 初始值确定 |
| 5.3.4 模型检验 |
| 5.4 本章小结 |
| 6 实证研究 |
| 6.1 背景介绍 |
| 6.2 “助理值班员不按规定出场作业”风险事件分析 |
| 6.3 “助理值班员不按规定出场作业”风险量级评价 |
| 6.4 “助理值班员不按规定出场作业”应对策略仿真分析 |
| 6.5 模型在车务系统现场实践中的应用价值 |
| 7 结论 |
| 7.1 主要研究工作 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能网联汽车专利地图 |
| 1.2.2 智能网联汽车知识图谱 |
| 1.2.3 智能网联汽车生命周期评价 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第2章 智能网联汽车关键技术专利地图绘制 |
| 2.1 专利地图绘制方法 |
| 2.2 专利态势地图绘制 |
| 2.2.1 专利趋势 |
| 2.2.2 技术成熟度 |
| 2.2.3 专利地域 |
| 2.2.4 技术结构 |
| 2.3 竞争态势地图绘制 |
| 2.3.1 主要国家专利分布差异 |
| 2.3.2 主要创新主体布局差异 |
| 2.3.3 外企在中国的专利布局 |
| 2.4 关键技术专利地图分析 |
| 2.4.1 环境感知技术专利地图 |
| 2.4.2 决策控制技术专利地图 |
| 2.4.3 V2X通信技术专利地图 |
| 2.4.4 云平台与大数据技术专利地图 |
| 2.5 本章小结 |
| 第3章 基于专利知识图谱的智能网联汽车关键技术分析 |
| 3.1 专利知识图谱基础理论 |
| 3.1.1 知识图谱原理与方法 |
| 3.1.2 专利数据处理原则与工具 |
| 3.2 智能网联汽车关键技术基础与前沿分析 |
| 3.2.1 技术领域分析 |
| 3.2.2 技术基础分析 |
| 3.2.3 技术前沿分析 |
| 3.3 智能网联汽车关键技术热点分析 |
| 3.3.1 关键技术热点的知识图谱 |
| 3.3.2 环境感知与决策控制技术热点分析 |
| 3.3.3 V2X与云平台大数据技术热点分析 |
| 3.4 智能网联汽车关键技术演化路径分析 |
| 3.4.1 研究方法与参数设置 |
| 3.4.2 关键词与技术主题演化状态分析 |
| 3.4.3 技术主题动态演化路径分析 |
| 3.5 本章小结 |
| 第4章 面向企业关键技术的智能网联汽车产品技术经济评价 |
| 4.1 智能网联汽车企业关键技术专利分析 |
| 4.1.1 环境感知技术 |
| 4.1.2 决策控制技术 |
| 4.1.3 V2X通信技术 |
| 4.1.4 云平台与大数据技术 |
| 4.2 智能网联汽车产品的技术评价 |
| 4.2.1 评价维度 |
| 4.2.2 评价模型 |
| 4.2.3 评价结果 |
| 4.3 智能网联汽车产品的经济评价 |
| 4.3.1 评价原则 |
| 4.3.2 车型及指标的选取 |
| 4.3.3 评价模型 |
| 4.3.4 评价结果及分析 |
| 4.4 本章小结 |
| 第5章 智能网联汽车企业技术路线分析及产品节能减排评价 |
| 5.1 基于重点专利的企业技术路线分析 |
| 5.1.1 关键技术重点专利分析 |
| 5.1.2 企业技术发展路线分析 |
| 5.1.3 基于重点专利技术的等级划分 |
| 5.2 智能网联汽车产品节能减排评价目标与边界 |
| 5.2.1 评价对象选取 |
| 5.2.2 面向关键技术的评价目标选取 |
| 5.2.3 面向关键技术的评价边界划定 |
| 5.3 智能网联汽车产品节能减排评价模型构建 |
| 5.3.1 原材料获取阶段 |
| 5.3.2 零部件制造装配阶段 |
| 5.3.3 运行使用阶段 |
| 5.3.4 报废回收阶段 |
| 5.4 智能网联汽车产品节能减排评价结果分析 |
| 5.4.1 不同智能级别车辆分类与特征化结果 |
| 5.4.2 不同智能级别车辆归一化和量化结果 |
| 5.5 本章小结 |
| 结论与展望 |
| 1、主要研究结论 |
| 2、主要创新点 |
| 3、进一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间的学术成果目录 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高速公路互通立交合流区交通安全分析研究现状 |
| 1.2.2 合流换道模型研究现状 |
| 1.2.3 数据采集方法研究现状 |
| 1.2.4 国内外研究成果总结 |
| 1.3 研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 本章小结 |
| 第二章 研究基础 |
| 2.1 合流区基本情况概述 |
| 2.1.1 合流区基本特征 |
| 2.1.2 合流区车辆运行特征 |
| 2.2 合流冲突形成过程及特征分析 |
| 2.2.1 合流冲突定义 |
| 2.2.2 合流冲突形成过程 |
| 2.2.3 合流冲突类型及特征 |
| 2.3 合流冲突指标 |
| 2.3.1 合流冲突指标的选取 |
| 2.3.2 合流冲突严重程度判定 |
| 2.4 合流冲突数据采集 |
| 2.4.1 人工观测法 |
| 2.4.2 微观交通仿真法 |
| 2.4.3 驾驶实验法 |
| 2.4.4 视频识别法 |
| 2.4.5 基于无人机航拍视频的交通冲突数据采集系统 |
| 2.5 合流冲突风险影响因素分析 |
| 2.5.1 合流执行位置对合流冲突的影响 |
| 2.5.2 合流持续时间对合流冲突的影响 |
| 2.5.3 车辆类型对合流冲突的影响 |
| 2.5.4 车辆行驶速度对合流冲突的影响 |
| 2.5.5 车辆间隙对合流冲突的影响 |
| 2.5.6 驾驶员驾驶能力对合流冲突的影响 |
| 2.5.7 交通特性对合流行为产生冲突的影响 |
| 2.6 本章小结 |
| 第三章 基于无人机航拍视频的交通冲突识别方法 |
| 3.1 航拍视频预处理 |
| 3.1.1 航拍视频画面处理 |
| 3.1.2 航拍视频稳定 |
| 3.1.3 航拍视频校准 |
| 3.2 运动目标检测与追踪 |
| 3.2.1 运动目标检测 |
| 3.2.2 运动目标跟踪 |
| 3.3 交通冲突识别 |
| 3.4 交通冲突识别系统应用 |
| 3.4.1 数据采集地点特征 |
| 3.4.2 数据采集方法 |
| 3.4.3 指标提取 |
| 3.4.4 结果分析 |
| 3.5 本章小结 |
| 第四章 考虑合流选择行为的互通立交合流冲突风险预测 |
| 4.1 建模思路与方法 |
| 4.1.1 建模策略 |
| 4.1.2 建模方法 |
| 4.2 合流选择行为特性分析 |
| 4.2.1 合流执行位置 |
| 4.2.2 合流持续时间 |
| 4.2.3 合流速度 |
| 4.2.4 合流车辆与周围车辆的交互 |
| 4.3 驾驶员合流决策模型 |
| 4.3.1 建模样本统计与分析 |
| 4.3.2 合流决策模型估计 |
| 4.4 基于合流决策的合流冲突风险预测模型 |
| 4.4.1 合流车辆速度对合流冲突风险的影响 |
| 4.4.2 合流驾驶员驾驶能力对合流冲突风险的影响 |
| 4.4.3 合流执行位置对合流冲突风险的影响 |
| 4.5 模型应用 |
| 4.6 本章小结 |
| 第五章 考虑样本关联性的互通立交合流冲突风险预测 |
| 5.1 基于联合模型的互通立交合流冲突风险预测 |
| 5.1.1 建模策略 |
| 5.1.2 建模方法 |
| 5.1.3 建模准备 |
| 5.1.4 模型估计 |
| 5.1.5 模型比较 |
| 5.1.6 模型结果分析 |
| 5.2 基于贝叶斯网络的互通立交合流冲突风险预测 |
| 5.2.1 贝叶斯网络理论 |
| 5.2.2 建模数据准备 |
| 5.2.3 模型构建和验证 |
| 5.2.4 模型分析 |
| 5.2.5 模型应用 |
| 5.3 本章小结 |
| 第六章 合流冲突预测模型的应用 |
| 6.1 概述 |
| 6.2 建模思路与方法 |
| 6.2.1 建模策略 |
| 6.2.2 建模方法 |
| 6.3 模型求解 |
| 6.3.1 参数估计和模型比选 |
| 6.3.2 模型分析 |
| 6.3.3 弹性分析 |
| 6.4 模型应用 |
| 6.5 本章小结 |
| 第七章 研究结论与展望 |
| 7.1 主要研究成果与结论 |
| 7.2 主要创新点 |
| 7.3 研究不足与展望 |
| 致谢 |
| 参考文献 |
| 附录:第二章交通冲突指标计算方法 |
| 攻读博士期间发表论文及参与科研课题情况 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 1.2.3 总结 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 小结 |
| 2 车辆跟驰理论 |
| 2.1 传统环境与车车通信环境下跟驰行为分析 |
| 2.1.1 传统环境与车车通信环境 |
| 2.1.2 两种环境下驾驶过程分析 |
| 2.1.3 两种环境下跟驰行为特性分析 |
| 2.2 传统车辆跟驰模型 |
| 2.2.1 刺激-反应模型 |
| 2.2.2 安全距离模型 |
| 2.2.3 生理心理模型 |
| 2.2.4 优化速度模型 |
| 2.2.5 智能驾驶模型 |
| 2.3 车车通信环境下车辆跟驰模型 |
| 2.3.1 改进Newell模型 |
| 2.3.2 改进安全距离模型 |
| 2.4 小结 |
| 3 跟驰行为交通适应性组合评价模型设计 |
| 3.1 跟驰行为交通适应性 |
| 3.1.1 跟驰行为交通适应性定义 |
| 3.1.2 跟驰行为交通适应性表征指标设计 |
| 3.1.3 跟驰行为交通适应性评价指标体系构建 |
| 3.2 基于离差最大化的跟驰行为交通适应性组合评价模型 |
| 3.2.1 典型综合评价方法概述 |
| 3.2.2 基于离差最大化的组合评价模型 |
| 3.2.3 主客观组合权重的确定 |
| 3.2.4 三种典型评价方法 |
| 3.3 小结 |
| 4 基于车车通信的跟驰场景实验 |
| 4.1 跟驰实验平台设计 |
| 4.1.1 实验平台功能需求分析 |
| 4.1.2 实验平台关键技术 |
| 4.1.3 实验平台硬件设计 |
| 4.1.4 实验平台软件设计 |
| 4.2 实验方案设计 |
| 4.2.1 总体实验方案 |
| 4.2.2 场景设计 |
| 4.2.3 实验流程 |
| 4.3 实验数据预处理 |
| 4.3.1 数据清洗 |
| 4.3.2 跟驰片段提取 |
| 4.4 小结 |
| 5 跟驰行为交通适应性分析 |
| 5.1 表征指标分析 |
| 5.1.1 两种环境下适应性表征指标分析 |
| 5.1.2 不同因素下适应性表征指标分析 |
| 5.2 实例验证 |
| 5.2.1 评价指标相关性分析 |
| 5.2.2 主客观组合权重计算 |
| 5.2.3 基于典型评价方法的跟驰行为交通适应性评价 |
| 5.2.4 基于离差最大化的组合评价结果及适应性分析 |
| 5.3 小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A 数据处理部分代码 |
| 附录 B 组合评价模型部分代码 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
| 摘要 |
| Abstract |
| 绪论 |
| (一)研究背景 |
| (二)研究目的与意义 |
| 1.研究目的 |
| 2.研究意义 |
| (三)国内外研究现状 |
| 1.国外相关研究 |
| 2.国内相关研究 |
| 3.研究评论 |
| (四)研究思路、内容和方法 |
| 1.研究思路 |
| 2.研究内容 |
| 3.研究方法 |
| (五)研究创新点与不足 |
| 1.研究创新点 |
| 2.研究不足 |
| 二、相关概念界定和理论基础 |
| (一)相关概念界定 |
| 1.轨道交通 |
| 2.轨道交通突发事件 |
| 3.轨道交通应急管理体系 |
| (二)理论基础 |
| 1.危机生命周期理论 |
| 2.公共治理理论 |
| 三、成都市轨道交通事故应急管理体系建设分析 |
| (一)地铁现有运行状况整体介绍 |
| (二)轨道交通事故应急管理体系建设措施 |
| 1.信息综合 |
| 2.应急指挥 |
| 3.资源保障 |
| (三)轨道交通事故应急管理体系建设的成效 |
| 1.应急预案的作用发挥得当 |
| 2.应急体制的作用初步显现 |
| 3.应急机制的运转高效可行 |
| 4.应急法制已经初步建立 |
| (四)轨道交通事故应急管理体系中存在的问题及原因分析 |
| 1.应急管理体系问题分析 |
| 2.应急管理体系问题原因分析 |
| 四、国外地铁轨道交通突发事件应急管理体系建设的经验分析 |
| (一)日本轨道交通突发事件的应急管理 |
| (二)英国轨道交通突发事件的应急管理 |
| (三)美国轨道交通事件的应急管理 |
| (四)国外轨道交通应急管理体系建设的启示 |
| 1.成立地铁突发事件应急管理组织体制 |
| 2.完善应急救援队伍管理机制 |
| 3.动员社会力量资源实施救援行动 |
| 4.完善应对各种突发事件的法律体系 |
| 五、成都市轨道交通事故应急管理体系建设的对策 |
| (一)预案层面:充分重视并加以完善应急预案 |
| 1.加强城市轨道交通联合应急演习 |
| 2.更新优化城市轨道交通应急预案 |
| (二)体制层面:完善地铁突发事件应急管理体制 |
| 1.建设政府和社会合作型的突发事件的应急管理体系 |
| 2.设立轨道交通应急管理局 |
| (三)机制层面:优化地铁突发事件应急管理运行机制 |
| 1.坚持“预防为主,防救结合”原则 |
| 2.建立城市轨道交通应急预警信息系统 |
| 3.改善应急服务态度,提升服务质量 |
| (四)法制层面:加强地铁突发事件应急管理法制建设 |
| 1.完善地铁安全法制法规 |
| 2.加强成都市民地铁安全知识的教育 |
| 结语 |
| (一)研究结论 |
| (二)研究展望 |
| 注释 |
| 参考文献 |
| 附录 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 长距离输水渠道巡检研究现状 |
| 1.2.2 冰情图像识别研究现状 |
| 1.2.3 水面异物图像识别研究现状 |
| 1.2.4 边坡破坏图像识别研究现状 |
| 1.2.5 BIM在水利工程中的应用现状 |
| 1.2.6 现有研究不足 |
| 1.3 拟解决的关键问题及技术路线 |
| 1.3.1 拟解决的关键问题 |
| 1.3.2 本文总体技术路线 |
| 1.4 本文主要研究内容 |
| 第2章 动态BIM辅助的长距离输水渠道无人机增强现实巡检研究 |
| 2.1 引言 |
| 2.2 动态BIM辅助的渠道无人机增强现实巡检技术路线 |
| 2.2.1 长距离输水渠道巡检适航无人机选型 |
| 2.2.2 具体技术方案 |
| 2.3 输水工程安全监测动态BIM及网络可视化方法 |
| 2.3.1 输水工程BIM建模方法 |
| 2.3.2 工程安全监测动态BIM构建 |
| 2.3.3 工程动态BIM的网络三维可视化 |
| 2.4 动态BIM与无人机巡检航拍影像的虚实联动方法 |
| 2.4.1 虚实相机对应物理光学参数的解算 |
| 2.4.2 网络环境下巡检航拍影像的在线发布 |
| 2.4.3 基于航拍图物理光学参数的渠道BIM实时联动 |
| 2.5 实例分析 |
| 2.5.1 工程简介 |
| 2.5.2 长距离渠道无人机巡检适用性分析 |
| 2.5.3 工程动态BIM网络三维可视化实现 |
| 2.5.4 航拍影像-BIM虚实联动的匹配精度分析 |
| 2.5.5 动态BIM辅助的无人机增强现实巡检应用 |
| 2.6 本章小结 |
| 第3章 BIM驱动的输水渠道航拍图像兴趣区提取研究 |
| 3.1 引言 |
| 3.2 输水渠道航拍图兴趣区提取研究必要性 |
| 3.2.1 兴趣区提取的必要性 |
| 3.2.2 现有方法的局限性 |
| 3.3 BIM驱动的渠道航拍图兴趣区提取总体流程 |
| 3.4 基于位置和图像配准的航拍图-BIM匹配方法 |
| 3.4.1 基于空间位置的航拍图-BIM初步匹配 |
| 3.4.2 基于图像配准的航拍图-BIM精确匹配 |
| 3.5 BIM掩膜生成方法 |
| 3.6 基于掩膜的渠道兴趣区提取 |
| 3.6.1 渠道结构提取 |
| 3.6.2 渠内液面提取 |
| 3.7 基于视频时空连续性的渠道结构提取算法改进 |
| 3.8 实例分析 |
| 3.8.1 兴趣区提取评价指标 |
| 3.8.2 渠道结构提取结果 |
| 3.8.3 渠内液面提取结果 |
| 3.8.4 基于视频时空连续性的渠道结构提取改进结果 |
| 3.9 本章小结 |
| 第4章 寒区长距离渠道冰情图像智能识别研究 |
| 4.1 引言 |
| 4.2 渠道冰情状态识别的技术路线 |
| 4.3 渠道冰期输水冻融演化过程分析 |
| 4.4 冰情图像特征描述指标提出 |
| 4.4.1 基于HSV色彩特征的描述指标St V |
| 4.4.2 基于纹理密度特征的描述指标EP |
| 4.4.3 基于纹理方向特征的描述指标δ-EHD和 δ-HOG |
| 4.5 基于η~2的冰情图像特征描述指标相关程度分析 |
| 4.6 基于支持向量机的冰情图像识别分类方法 |
| 4.7 实例分析 |
| 4.7.1 数据采集及预处理 |
| 4.7.2 数据标注 |
| 4.7.3 相关程度分析 |
| 4.7.4 SVM模型训练及结果分析 |
| 4.7.5 讨论 |
| 4.8 本章小结 |
| 第5章 长距离渠道水面异物图像智能识别研究 |
| 5.1 引言 |
| 5.2 渠道水面异物识别的技术路线 |
| 5.3 基于SLIC超像素纹理的异物检测 |
| 5.3.1 SLIC超像素分割 |
| 5.3.2 基于超像素LBP纹理的异物判别模型训练 |
| 5.3.3 异物存在性判别及实例提取方法 |
| 5.4 异物实例的类型识别 |
| 5.4.1 异物实例超像素分类的SVM模型 |
| 5.4.2 异物类型识别的“层级投票”机制 |
| 5.5 基于摄影测量的异物空间几何特征估算 |
| 5.5.1 摄影成像及坐标转换模型 |
| 5.5.2 相机内参矩阵标定 |
| 5.5.3 无人机航拍相机外参矩阵解算 |
| 5.5.4 基于三角法的异物空间定位及几何特征估算 |
| 5.6 实例分析 |
| 5.6.1 数据采集及预处理 |
| 5.6.2 异物检测及实例提取 |
| 5.6.3 异物实例类型识别 |
| 5.6.4 异物空间几何特征估算 |
| 5.6.5 讨论 |
| 5.7 本章小结 |
| 第6章 长距离渠道边坡破坏图像智能识别研究 |
| 6.1 引言 |
| 6.2 渠道边坡破坏识别的技术路线 |
| 6.3 边坡破坏特征向量选取和设计 |
| 6.4 基于超像素分类的边坡状态识别方法 |
| 6.4.1 超像素SVM分类模型 |
| 6.4.2 图像整体边坡状态识别 |
| 6.5 实例分析 |
| 6.5.1 数据采集及预处理 |
| 6.5.2 不同特征向量下的超像素分类结果 |
| 6.5.3 不同数据集规模下的超像素分类结果 |
| 6.5.4 基于超像素分类的边坡状态识别结果 |
| 6.5.5 讨论 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 本文创新点 |
| 7.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车载自组织网络研究现状 |
| 1.2.2 雷达通信系统融合研究现状 |
| 1.3 本文的主要研究内容和组织结构 |
| 第二章 V2V通信和雷达探测性能分析理论基础 |
| 2.1 VANET理论基础 |
| 2.1.1 VANET的基本特征 |
| 2.1.2 IEEE 802.11p协议MAC访问机制 |
| 2.1.3 网络性能指标 |
| 2.2 车载毫米波雷达理论基础 |
| 2.2.1 车载毫米波雷达基本特征 |
| 2.2.2 车载雷达通信融合系统应用 |
| 2.2.3 雷达截面积模型 |
| 2.3 随机几何理论基础 |
| 2.3.1 随机点过程理论 |
| 2.3.2 Matern硬核点过程 |
| 2.3.3 Matern CSMA点过程的实现 |
| 2.4 本章小结 |
| 第三章 单车道V2V通信与协同探测性能分析 |
| 3.1 一维直线单车道模型 |
| 3.1.1 雷达通信融合系统工作模式 |
| 3.1.2 一维V2V传输模式 |
| 3.1.3 车辆节点分布 |
| 3.2 网络容量及探测性能分析 |
| 3.2.1 干扰距离分布 |
| 3.2.2 覆盖概率 |
| 3.2.3 网络传输速率 |
| 3.2.4 网络遍历容量 |
| 3.2.5 双车联合探测距离 |
| 3.3 数值结果分析 |
| 3.4 本章小结 |
| 第四章 多车道V2V通信与协同探测性能分析 |
| 4.1 二维平面多车道模型 |
| 4.1.1 雷达通信融合系统工作模式 |
| 4.1.2 车辆节点分布 |
| 4.1.3 二维V2V通信MAC接入模式 |
| 4.2 性能分析 |
| 4.2.1 覆盖概率 |
| 4.2.2 网络传输速率 |
| 4.2.3 双车联合探测概率 |
| 4.3 数值结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文以及其他成果 |
