一种基于负二项回归的公路突出事故影响因素识别方法

    公开(公告)号:CN114493150A

    公开(公告)日:2022-05-13

    申请号:CN202111649593.0

    申请日:2021-12-30

    IPC分类号: G06Q10/06 G06F17/18 G06Q50/30

    摘要: 本发明公开了一种基于负二项回归的公路突出事故影响因素识别方法,包括采用滑动窗口法对拟分析运营期公路进行路段分析单元划分;以划分好的路段分析单元为单位进行数据提取,提取出每个路段分析单元的线形指标变量和交通量;选择路段分析单元的线形指标变量及交通量作为初始事故影响因素;假设拟分析的路段分析单元所对应的无线形条件指标项均为理想线形条件,即按理想线形条件下的线形指标值对空值项进行赋值;以确定的始事故影响因素为基础,基于负二项分布回归分析初始事故影响因素,从中识别出拟分析路段的突出事故影响因素。本发明实现了高等级公路事故易发点的简易快速鉴别,为高等级公路安全运营管理提供重要保障。

    基于物联网技术和大数据技术的隧道照明控制方法

    公开(公告)号:CN107567141B

    公开(公告)日:2019-06-18

    申请号:CN201710841914.4

    申请日:2017-09-18

    IPC分类号: H05B33/08 H05B41/36

    摘要: 本发明公开了一种基于物联网技术和大数据技术的隧道照明控制方法,包括:根据当天日期从能耗平台大数据库中获取指定天数内的隧道洞外亮度最高值,并以此确定当天照明控制的基本工况,从而计算出当天的照明分级控制的具体亮度分级指标;根据当天日期从能耗平台数据库中获取指定天数内各个时间点的隧道洞外亮度平均值,并绘制一条曲线,将绘制的曲线与当天的具体亮度分级指标相结合,来确定当天的分时控制策略;再根据隧道洞外亮度实时修正当天的分时控制策略。该方法既可以保证隧道中的照明照度满足规范要求,也可以在现有基础上有效降低隧道照明的能源消耗。

    一种基于埃尔曼神经网络的高等级公路事故预测方法

    公开(公告)号:CN115171367A

    公开(公告)日:2022-10-11

    申请号:CN202210561565.1

    申请日:2022-05-23

    摘要: 本发明公开了一种基于埃尔曼神经网络的高等级公路事故预测方法,包括以下步骤:以年为单位,收集预分析的山区高等级公路的事故数、交通量和道路线形指标相关数据;基于道路几何线形指标对预分析的山区高等级公路进行基本路段单元划分,确定基本路段单元划分规则;基于粗糙集理论筛选出对山区高等级公路交通事故发生有突出影响的基本路段单元的几何线形指标;对有突出影响的基本路段单元的几何线形指标空值项进行赋值;建立基于埃尔曼神经网络的高等级公路事故预测模型,对高等级公路基本路段交通事故进行预测,获取交通事故发生率。本发明实现高等级公路交通事故的预测,解决了高等级公路事故预测困难等问题,为高等级公路提供了安全管理依据。