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:隧道通风数值计算中定义壁面粗糙程度的参数由粗糙高度和粗糙常数构成,参数的选取很难利用数学推导的方式进行研究。依托衢宁铁路鹫峰山隧道的施工通风项目,采用数值模拟并结合现场实测数据研究了隧道内壁面粗糙度的评定方法、取值和工程应用。结果表明:隧道壁面平均粗糙高度由隧道内实际开挖轮廓线和设计开挖轮廓线之间包络的面积与取样长度的比值确定,计算得到了隧道横断面平均粗糙高度为0.191m,纵向平均粗糙高度为0.231m;建立了粗糙常数Rc与粗糙单元间距、形状的关系,同时得到基本模型对应的Rc计算公式;基于典型理想壁面模型,以原模型面积减去理想模型的面积(绝对值)除以原模型面积所得值最小定义了最优简化模型,提出了关于壁面粗糙常数取值的计算方法,并以此计算出鹫峰山隧道壁面粗糙常数Rc为0.46。最终根据Rh和Rc的取值,采用三维数值模拟,分析了隧道内CO质量浓度不同时间段的分布规律。由于压入式通风自身的缺陷(无法突破长度瓶颈),且受现场布置及施工方式所限,通风距离超过3000m很难满足施工条件的需要,无法达到规定的洞内作业环境条件。因此,急需对现有的通风方式进行优化和调整。