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:大型工程项目在我国的经济社会发展中具有关键地位,但是也日益成为社会稳定风险事件的一大诱因。“利益相关者-问题-手段”框架可以对此进行解释。大型工程项目的利益相关者包括政府、项目方、专家和当地民众,按照影响力大小可以细化为上层、中间层和下层三个层次。通常,上层利益相关者主导项目的需求识别、方案制定等论证过程,中间层利益相关者充当了辅助的角色,反对的专家和项目所在地民众无法实质参与论证过程,因此其意见和诉求没有得到充分体现,导致持续的质疑和群体事件发生,政府和项目方不得不匆忙应对。但是,政府和项目方采取的应对手段离从源头上和根本上化解风险存在一定的差距。为此应构建“政府、项目方、专家、当地民众实质参与的科学化、民主化、程序化”项目决策论证制度,以缩短这一差距,从源头上阻隔大型工程项目的社会稳定风险因子,实现大型工程项目的良性治理。