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:将褐煤样品加入含染料酸性红B的模拟废水中并加碱,褐煤中的腐殖酸溶解,而后加盐酸使腐殖酸絮凝。利用溶解的腐殖酸结合与褐煤颗粒表面的吸附作用,达到去除废水中该染料的目的。结果显示,褐煤对酸性红B具有很好地去除效果,但受到作用时间、溶液pH值、离子强度等因素的影响。要达到最佳去除效果,结合过程最少需要120min,吸附过程需要480min。初始质量浓度越高,废水中酸性红B的去除率越低,但当初始质量浓度在250~500mg/L时,去除率最小,但变化不大。结合过程pH值升高与吸附过程pH值降低均有利于该染料的去除。褐煤投加量增加,去除率提高,当初始质量浓度为250mg/L,褐煤投加量达到4mg/mL时的去除率达99%。离子强度的增加有利于褐煤对酸性红B的去除作用。