论文部分内容阅读
随着公路建设事业的快速发展,交通安全隐患逐渐成为社会关注的重点对象之一。公路隧道作为路段的重要构造物,若出现交通事故,会影响车辆的正常行驶甚至导致整个路网的瘫痪,因此,保障公路隧道的运营安全,对维持社会、经济的稳定发展都极其重要。鉴于交通安全的日趋重要性以及公路隧道监控系统的日趋完善,若能通过智能控制的方法,建立一个公路隧道的安全评价体系,对公路隧道的交通安全性能进行评价,对于减少工作人员的工作量和工作难度和方便驾驶员及时获取隧道的安全状况,都有很重要的现实意义。本文围绕公路隧道交通安全状态的特征选择和评估方法进行研究。首先,对尚不成熟的交通安全状态的概念进行定义的解释与特点分析,并说明其在公路隧道交通安全评价中的应用;接着,介绍公路隧道事故特性和危害,以及目前常用的隧道交通安全评价指标,根据已有的道路评价方法的分类,确定公路隧道交通安全状态的分类标准。在对公路隧道交通安全特性进行分析的基础上,研究公路隧道交通安全状态的特征参数。首先,将隧道事故交通流与vissim事故仿真的交通流结果进行比较,确定使用vissim交通仿真模拟隧道的事故状态的可行性,解决隧道事故的交通流数据获取困难的问题,为后续的事故研究提供数据基础;接着,对隧道事故的交通流进行分析,确定了能用微观交通流参数反映隧道环境变化的事实,从而确定公路隧道交通安全状态的特征参数。在确定特征参数的基础上,对公路隧道交通安全状态的评估方法进行研究。本文分别建立了以模糊C均值聚类算法为基础的评估模型和以神经网络模式识别方法为基础的评估模型,分析这两个模型对实际隧道交通安全状态的评估结果。结果显示,以模糊C均值聚类算法建立的评估模型有自动处理数据的优点,然而该方法需要以大量的数据为基础,并且容易陷入局部最优解;以神经网络模式识别方法建立的评估模型,充分发挥人的主观能动性,使评估结果准确性更高,但相较于上一个方法则缺少自动分类的便利。