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:应急准备,又称备灾,是有效减缓灾害影响的重要途径,也是新时代灾害防治的新方向和新要求。近年来,我国开始强调关口前移,从注重事后处置向注重事前预防转变。2015年,我们对成都市某社区干部开展了一项小规模试调查(N=114),重点了解了社区第一响应人的应急准备情况及影响因素。问卷设计了20种应急准备活动,结果显示,总体上应急准备水平可接受,但是不容乐观。逐步回归分析显示政府信任度与应急准备水平显著负相关,男性干部应急准备程度更高。风险感知、对利益相关者责任分担感知和对其他利益相关者的信任状况作用并不显著。另外,我们重点分析了人们没有进行应急准备的原因。结果显示"没意识到"或者认为某项应急准备活动"没必要"是人们未采取应急准备的主要原因。本研究结果对风险防护行为研究以及应急准备/备灾实践具有重要启示意义。