开展公路隧道结构状态精准预测是掌握隧道结构状态变化、识别潜在安全风险和保障安全运营的重要技术手段。针对隧道监控量测测点的空间分布与时序特性,提出了一种基于河马优化(Hippopotamus Optimization, HO)算法和卷积神经网络(Convol...开展公路隧道结构状态精准预测是掌握隧道结构状态变化、识别潜在安全风险和保障安全运营的重要技术手段。针对隧道监控量测测点的空间分布与时序特性,提出了一种基于河马优化(Hippopotamus Optimization, HO)算法和卷积神经网络(Convolutional Neural Network, CNN)的双向长短期记忆(Bidirectional Long Short Term Memory, BiLSTM)网络公路隧道结构状态预测方法。量化分析测点间关联性,结合温度特征构建模型输入矩阵;利用CNN挖掘各测点的空间关联性,采用BiLSTM提取时间序列特征,引入HO算法优化模型参数;将预测结果映射为隧道结构状态等级,展示隧道整体受力状态。结果表明,建立的HO-CNN-BiLSTM模型能够有效提取空间和温度特征,在预测精度和稳定性方面均优于对比模型,可实现隧道结构状态精确评估,为公路隧道的安全运营及分级管控措施制定提供技术支撑。展开更多
为解决快速路高架路段大间距出口标志信息供需失衡问题,借助眼动追踪技术开展室内试验。设计77种不同标志,提取并分析28种眼动数据指标,从视认效率、难度、疲劳三个维度构建评价体系。运用重复测量方差分析与逼近理想解排序法(Technique...为解决快速路高架路段大间距出口标志信息供需失衡问题,借助眼动追踪技术开展室内试验。设计77种不同标志,提取并分析28种眼动数据指标,从视认效率、难度、疲劳三个维度构建评价体系。运用重复测量方差分析与逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS),探究多信息标志多维视认特性。结果表明,28种眼动指标能有效评估驾驶员视认特性,精准表征视认微观特征。标志中路名数量越多,驾驶员视认效率越低、难度越大、疲劳程度越高,整体视认风险增加。建议标志信息数量一般不超过6条,特殊情况可扩展至9条。此外,目的路名在版面的位置对视认风险影响显著,应合理设置版面优先级。展开更多
为确立船舶营运过程中的风险涌现特征,需要考虑复杂系统组成因子的不确定结构问题。以复杂性系统为视角,提出了一种复杂网络不确定结构的风险功能共振分析模型。首先,利用Apriori算法对船舶系统组分进行风险分析,计算组成因子间的非线...为确立船舶营运过程中的风险涌现特征,需要考虑复杂系统组成因子的不确定结构问题。以复杂性系统为视角,提出了一种复杂网络不确定结构的风险功能共振分析模型。首先,利用Apriori算法对船舶系统组分进行风险分析,计算组成因子间的非线性交互效用,生成交互强度矩阵,从而确立船舶营运安全风险的功能共振分析模型(Functional Resonance Analysis Model,FRAM)。随后,采用图卷积网络(Graph Convolutional Network,GCN)构建系统组分网络,识别关键节点,并对因子交互关系网络结构进行重塑。最后,引入深度优先搜索(Depth First Search,DFS)算法,识别关键风险路径,计算出船舶系统组分因子的影响度。结合港口国监督(Port State Control,PSC)缺陷数据,运用前述模型对船舶营运风险进行仿真应用。应用结果表明,船舶的不安全状态受到内外部组成因子的属性影响,并存在关键共振路径关系,其中消防系统、船舶结构状态等是影响船舶不安全状态的核心节点。构建的风险功能共振分析模型能够基于不同的数据输入,自适应生成相应的风险路径依赖。基于复杂网络结构的风险功能共振模型有助于分析不确定结构复杂系统的风险涌现。展开更多
文摘开展公路隧道结构状态精准预测是掌握隧道结构状态变化、识别潜在安全风险和保障安全运营的重要技术手段。针对隧道监控量测测点的空间分布与时序特性,提出了一种基于河马优化(Hippopotamus Optimization, HO)算法和卷积神经网络(Convolutional Neural Network, CNN)的双向长短期记忆(Bidirectional Long Short Term Memory, BiLSTM)网络公路隧道结构状态预测方法。量化分析测点间关联性,结合温度特征构建模型输入矩阵;利用CNN挖掘各测点的空间关联性,采用BiLSTM提取时间序列特征,引入HO算法优化模型参数;将预测结果映射为隧道结构状态等级,展示隧道整体受力状态。结果表明,建立的HO-CNN-BiLSTM模型能够有效提取空间和温度特征,在预测精度和稳定性方面均优于对比模型,可实现隧道结构状态精确评估,为公路隧道的安全运营及分级管控措施制定提供技术支撑。
文摘为解决快速路高架路段大间距出口标志信息供需失衡问题,借助眼动追踪技术开展室内试验。设计77种不同标志,提取并分析28种眼动数据指标,从视认效率、难度、疲劳三个维度构建评价体系。运用重复测量方差分析与逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS),探究多信息标志多维视认特性。结果表明,28种眼动指标能有效评估驾驶员视认特性,精准表征视认微观特征。标志中路名数量越多,驾驶员视认效率越低、难度越大、疲劳程度越高,整体视认风险增加。建议标志信息数量一般不超过6条,特殊情况可扩展至9条。此外,目的路名在版面的位置对视认风险影响显著,应合理设置版面优先级。
文摘为确立船舶营运过程中的风险涌现特征,需要考虑复杂系统组成因子的不确定结构问题。以复杂性系统为视角,提出了一种复杂网络不确定结构的风险功能共振分析模型。首先,利用Apriori算法对船舶系统组分进行风险分析,计算组成因子间的非线性交互效用,生成交互强度矩阵,从而确立船舶营运安全风险的功能共振分析模型(Functional Resonance Analysis Model,FRAM)。随后,采用图卷积网络(Graph Convolutional Network,GCN)构建系统组分网络,识别关键节点,并对因子交互关系网络结构进行重塑。最后,引入深度优先搜索(Depth First Search,DFS)算法,识别关键风险路径,计算出船舶系统组分因子的影响度。结合港口国监督(Port State Control,PSC)缺陷数据,运用前述模型对船舶营运风险进行仿真应用。应用结果表明,船舶的不安全状态受到内外部组成因子的属性影响,并存在关键共振路径关系,其中消防系统、船舶结构状态等是影响船舶不安全状态的核心节点。构建的风险功能共振分析模型能够基于不同的数据输入,自适应生成相应的风险路径依赖。基于复杂网络结构的风险功能共振模型有助于分析不确定结构复杂系统的风险涌现。
