本文關鍵詞：航道內實時船舶交通流航行風險主動評估

  更多相關文章： 交通工程 航道 交通事故 貝葉斯網絡 風險 主動評估

【摘要】：為主動評估航道內實時交通流航行風險,并對交通事故狀態(tài)做出預警,利用高斯混合模型和最大期望算法構建了貝葉斯網絡�；陂L江草鞋峽水道內船舶檢測器數據和交通事故數據,學習和訓練貝葉斯網絡的結構和參數,構建了貝葉斯網絡分配器。分別對8組船舶交通流數據建立貝葉斯網絡分類模型,結果表明:采用交通事故發(fā)生前20~40 min內、且距離事故地點最近的2個船舶檢測器的數據構建的模型分類效果最優(yōu),正確率為78.13%。最后通過與BP神經網絡和K近鄰兩種估計算法比較,證明了BN模型預測效果更優(yōu),是一種較好的實時交通流航行風險評估方法。
【作者單位】： 江蘇海事職業(yè)技術學院航海學院;上海海事大學商船學院;
【關鍵詞】： 交通工程 航道 交通事故 貝葉斯網絡 風險 主動評估
【基金】：交通運輸職業(yè)教育科研項目(2013A03) 中國交通教育研究會課題(20140233)
【分類號】：U698
【正文快照】： 0引言水路運輸作為一種最經濟、最環(huán)保的運輸方式,在綜合運輸體系中起到了非常重要的作用,港口航道是水路運輸的主骨架,作用不可替代。據統(tǒng)計,僅江蘇沿江港口2010年船舶貨運量就達到9.4億t,貨物吞吐量是密西西比河的2倍,萊茵河的3倍,已連續(xù)多年居世界內河貨運量首位。另一方面

【相似文獻】

中國期刊全文數據庫 前2條

1 王富;李杰;石永輝;;基于路網脆弱性的緊急情況下交通疏散誘導模型[J];中國安全科學學報;2012年12期

2 ;[J];;年期

，

本文編號：540873