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:为了解覆煤及粉煤灰回用土壤砷含量及赋存形态分布特征,选取贵州省兴仁县某村农耕旱地土壤为研究对象,采用逐级化学提取法对土壤样品进行试验。结果表明:研究区土壤中砷质量比为15.71~169.55mg/kg,波动范围较大;土壤砷质量比最高值为169.55mg/kg,远远高于土壤砷质量比自然背景值(15mg/kg)、世界土壤砷平均质量比(6.0mg/kg)及我国土壤砷平均质量比(9.2mg/kg);对照样土壤砷质量比为15.71mg/kg,也略高于土壤中砷质量比的自然背景值(15mg/kg)。研究区土壤砷污染问题已较为严重,这除与该地区地层中砂岩及粉砂岩砷质量比较高所导致的土壤砷背景质量比偏高有关以外,最主要的原因是覆煤广泛存在及粉煤灰大面积回用农田所致。该研究区土壤中砷主要以残渣态存在(72.16%),其次为硫化物结合态(15.45%)、铁锰氧化物结合态(5.89%)、有机态砷(3.06%)、碳酸盐结合态(2.51%),水溶态和可交换态砷均较低(0.93%)。研究区土壤总砷量较高,但迁移转化能力较弱,对环境及人体健康的危害程度尚有待讨论。