学科分类
/ 1
2 个结果
  • 简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险辨识,解决了高维指标数据监督聚类困难和险识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险的时间序列进行验证。结果表明:该模型的驾驶行为险识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。

  • 标签: 安全管理工程 危险状态辨识 KOHONEN神经网络 支持向量机 驾驶行为 动态辨识
  • 简介:针对边坡稳定性具有模糊性和随机性的特点,引入云模型理论,建立了基于变权重-正云理论的边坡稳定性评价模型。以某省际高速公路边坡评估为例,考虑地形地貌、地质环境和气象水文特征等方面因素,选取了10个指标建立综合评价指标体系。首先计算各指标对应评价等级的确定度,采用变权重理论确定指标权重,计算综合确定度,最后根据最大隶属度原则确定边坡稳定性等级。结果表明,待评估边坡稳定性等级分别为不稳定、基本稳定和不稳定,与理想点和神经网络评价模型结果基本一致。

  • 标签: 安全工程 变权重理论 云模型 边坡稳定性 综合确定度