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:在社会科学领域,"认同"是一个备受学界关注的概念。同理,促进人的安全认同作为安全管理的本质,安全社会科学领域相关研究理应重点关注"安全认同"这一重要概念。本文针对目前人的安全认同缺失的不良现象,立足于理论思辨层面,基于大安全视角,以认同的定义为基础,提出安全认同的定义,并对其进行扼要解释。在此基础上,阐释安全认同的功能与特征,并深入剖析安全认同的动机、路径及其惰性产生的原因。研究发现,安全认同是安全社会科学交叉领域的一个值得关注的重要概念,促进人的安全认同需从增强人的安全认同动机、综合运用各类安全认同路径,以及减弱至消除人的安全认同惰性三方面着手。此外,安全认同理论是一条极为重要的安全管理学原理,该研究可为促进人的安全认同提供重要的理论依据和方法指导。