• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    航道內(nèi)實時船舶交通流航行風(fēng)險主動評估

    2016-05-25 00:37:00張樹奎肖英杰蘇文明
    關(guān)鍵詞:檢測器貝葉斯航道

    張樹奎,肖英杰,蘇文明

    (1. 江蘇海事職業(yè)技術(shù)學(xué)院 航海學(xué)院,江蘇 南京 211170;2. 上海海事大學(xué) 商船學(xué)院,上海 201306)

    航道內(nèi)實時船舶交通流航行風(fēng)險主動評估

    張樹奎1,2,肖英杰2,蘇文明1

    (1. 江蘇海事職業(yè)技術(shù)學(xué)院 航海學(xué)院,江蘇 南京 211170;2. 上海海事大學(xué) 商船學(xué)院,上海 201306)

    為主動評估航道內(nèi)實時交通流航行風(fēng)險,并對交通事故狀態(tài)做出預(yù)警,利用高斯混合模型和最大期望算法構(gòu)建了貝葉斯網(wǎng)絡(luò)?;陂L江草鞋峽水道內(nèi)船舶檢測器數(shù)據(jù)和交通事故數(shù)據(jù),學(xué)習(xí)和訓(xùn)練貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù),構(gòu)建了貝葉斯網(wǎng)絡(luò)分配器。分別對8組船舶交通流數(shù)據(jù)建立貝葉斯網(wǎng)絡(luò)分類模型,結(jié)果表明:采用交通事故發(fā)生前20~40 min內(nèi)、且距離事故地點最近的2個船舶檢測器的數(shù)據(jù)構(gòu)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(jīng)網(wǎng)絡(luò)和K近鄰兩種估計算法比較,證明了BN模型預(yù)測效果更優(yōu),是一種較好的實時交通流航行風(fēng)險評估方法。

    交通工程;航道;交通事故;貝葉斯網(wǎng)絡(luò);風(fēng)險;主動評估

    0 引 言

    水路運輸作為一種最經(jīng)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?shù)闹鞴羌?,作用不可替代。?jù)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(nèi)河貨運量首位。另一方面,航道內(nèi)偶爾發(fā)生的船舶交通事故不僅造成人員傷亡和財產(chǎn)重大損失;同時,由于發(fā)生溢油、漏油等重大惡性事故,環(huán)境治理帶來的經(jīng)濟損失難以估計。

    國內(nèi)外關(guān)于船舶交通事故的研究多基于歷史數(shù)據(jù)的回歸統(tǒng)計分析[1],關(guān)注點在于事故發(fā)生后的判斷,而對事故發(fā)生前的航道內(nèi)船舶交通狀態(tài)(船舶流量、船舶速度和航道占有率)和事故發(fā)生的相互關(guān)系研究較少。研究表明,船舶交通運行狀態(tài)與船舶事故風(fēng)險存在著關(guān)聯(lián)關(guān)系[2],特別是短期內(nèi)的船舶交通流量變化對交通事故的發(fā)生影響較大。因此,針對實時交通流量航行風(fēng)險的評估成為近年來研究熱點[3],但成果較少,研究重點多集中在利用不同的數(shù)學(xué)建模方法來分析和預(yù)測航道內(nèi)船舶交通事故的風(fēng)險[4-5]。由于在數(shù)據(jù)采集的時間、地點及規(guī)模方面各不相同,且缺少同樣數(shù)據(jù)環(huán)境下的對比分析,研究結(jié)果有待進一步驗證。

    筆者利用船舶交通事故數(shù)據(jù)和相對應(yīng)的船舶交通量檢測器數(shù)據(jù)(或VTS監(jiān)測數(shù)據(jù))建立預(yù)測模型,用以預(yù)測航道內(nèi)發(fā)生船舶交通事故的風(fēng)險并判斷可能發(fā)生事故的交通條件。交通條件分為兩種:可能發(fā)生事故的交通條件和不會發(fā)生事故的交通條件。預(yù)測模型的輸入是交通事故發(fā)生前的航道內(nèi)船舶交通狀況數(shù)據(jù),預(yù)測模型的輸出是發(fā)生交通事故的風(fēng)險,根據(jù)輸出結(jié)果判斷是否可能發(fā)生事故。通過事前主動預(yù)測,一方面可以通過VTS或巡邏船對有關(guān)船舶駕駛員進行預(yù)警,消除事故隱患,另一方面,對于航道管理部門優(yōu)化救助方案等也具有重要的參考價值。

    貝葉斯網(wǎng)絡(luò)在不確定知識表達和推理領(lǐng)域優(yōu)勢明顯,是最有效的理論模型之一,廣泛應(yīng)用于工程領(lǐng)域。近年來,該模型在交通事故分析、流量預(yù)測等方面表現(xiàn)出很好的效果[6-7]。筆者利用船舶交通量檢測器事故檢測數(shù)據(jù)和VTS事故監(jiān)測數(shù)據(jù)以及事故營救后整理的數(shù)據(jù),分析了航道內(nèi)船舶航行狀態(tài)與事故潛在風(fēng)險的關(guān)系。通過運用貝葉斯網(wǎng)絡(luò)模型對航道內(nèi)實時船舶交通流航行風(fēng)險進行預(yù)估,并與BP神經(jīng)網(wǎng)絡(luò)和K近鄰兩種模型算法的結(jié)果進行了比較分析。

    1 研究數(shù)據(jù)

    筆者主要研究航道內(nèi)船舶交通狀態(tài)(主要包括船舶交通流密度、船舶平均速度及航道平均占有率等)對交通事故風(fēng)險的影響??紤]到數(shù)據(jù)采集的可靠性和便利性,選擇長江南京河段的草鞋峽水道作為研究航道,草鞋峽水道全長11.7 km,平均約每2 km放置一個船舶檢測器。

    船舶交通事故數(shù)據(jù)由VTS監(jiān)控系統(tǒng)和海事局通航處信息中心獲取。由于每起船舶交通事故的信息需要與對應(yīng)的時間和地點的船舶檢測信息一一對應(yīng)起來,因此獲取大量的船舶交通事故數(shù)據(jù)非常困難。經(jīng)過對船舶檢測器檢測數(shù)據(jù)和船舶交通事故的質(zhì)量控制和篩選后,目前采用2013年3月—10月間草鞋峽水道中發(fā)生的58起船舶交通事故數(shù)據(jù),每起事故的數(shù)據(jù)均包含事故發(fā)生的時間、地點、事故類型以及當(dāng)時的天氣狀況等信息。

    船舶交通流運行數(shù)據(jù)來源于船舶檢測器和VTS監(jiān)控中心,數(shù)據(jù)每20 min采集一次,運行數(shù)據(jù)主要包括船舶交通流密度、短期內(nèi)交通流密度的變化、船舶平均速度、速度變化率以及航道平均的時間占有率等。為了比較真實地反映交通事故發(fā)生時航道內(nèi)的交通狀況,每起事故的相關(guān)信息只提取于事故發(fā)生地附近的4個船舶檢測器或VTS監(jiān)控系統(tǒng),船舶檢測器的分布如圖1。4個船舶檢測器根據(jù)需要分為2種組合,一種組合包括所有4個船舶檢測器(上游2、上游1、下游1、下游2),另一種組合僅包括離事故發(fā)生地點最近的2個船舶檢測器(上游1、下游1)。

    圖1 交通事故地點船舶檢測器分布Fig.1 Arrangement of ship detectors at traffic accident site

    事故發(fā)生的前后時間分為5段,分別用1,2,3,4,5表示。劃分方法如下:時間段1表示事故發(fā)生后0~20 min;2表示事故發(fā)生前0~20 min,3表示事故發(fā)生前20~40 min;4表示事故發(fā)生前40~60 min;5表示事故發(fā)生前60~80 min。由于時間段1是事故發(fā)生后的時間,所以不能作為事故風(fēng)險預(yù)估,只可作為事故檢測。另外,交管中心也需要一段時間來判斷事故將要發(fā)生并采取應(yīng)對措施,所以,時間段2中的檢測數(shù)據(jù)建立的評價模型只具有參考價值,只有采用時間段3,4,5中的相關(guān)檢測數(shù)據(jù)建立的評估模型對主動安全預(yù)估才有實際意義。由于每起交通事故都對應(yīng)4個船舶檢測器分別在4個時間段內(nèi)檢測的數(shù)據(jù),通過2種組合的船舶檢測器分別與4個時間段的組合,得到8組輸入數(shù)據(jù),利用這8組數(shù)據(jù)分別進行建模,得到8個不同的模型,以ModelX-Y命名這些模型,X表示船舶檢測器數(shù)量,Y表示時間段。

    因為對航道內(nèi)船舶交通狀態(tài)進行分類為有可能會發(fā)生交通事故和可能不會發(fā)生交通事故兩種結(jié)果,因此,在收集發(fā)生交通事故條件下的航道檢測數(shù)據(jù)時,也要收集未發(fā)生交通事故情況下的航道檢測數(shù)據(jù)。根據(jù)A.Pande等[8]的研究成果,事故數(shù)據(jù)與非事故數(shù)據(jù)比例在1∶10附近時,既能夠滿足建模所需的數(shù)據(jù)量,又能夠基本反映交通事故實際發(fā)生與否的航道內(nèi)交通狀態(tài)比例,所以,在不同的船舶交通條件下,隨機采集了未發(fā)生事故數(shù)據(jù)600余條。

    2 貝葉斯網(wǎng)絡(luò)

    貝葉斯網(wǎng)絡(luò)主要由兩部分組成:一個有向無環(huán)圖與一個條件概率表。有向無環(huán)圖表示一系列隨機變量的聯(lián)合概率分布,圖中每個節(jié)點代表一個隨機變量,有向邊代表變量間的條件依賴,其強弱由條件概率表體現(xiàn);條件概率表中的值與有向無環(huán)圖中的節(jié)點一一對應(yīng)。貝葉斯網(wǎng)絡(luò)能夠分析大的變量之間的相互關(guān)系,并根據(jù)貝葉斯定理的學(xué)習(xí)與統(tǒng)計推斷功能,實現(xiàn)數(shù)據(jù)的預(yù)測、分類、因果分析等采掘任務(wù)。

    貝葉斯網(wǎng)絡(luò)的構(gòu)建包括3個方面:利用變量和變量取值范圍描述所研究的領(lǐng)域;利用圖形的方式表達結(jié)構(gòu)學(xué)習(xí)以及學(xué)習(xí)變量之間的依賴關(guān)系;用條件概率分布表表示參數(shù)變量之間的分布函數(shù)。經(jīng)過上述3個過程的多次迭代、反復(fù)進行,最終建成一個貝葉斯網(wǎng)絡(luò)。

    基于高斯混合模型(Gaussian Mixture Model,GMM)的最大期望(Expectation Maximization,EM)算法的優(yōu)點是能夠有效應(yīng)對研究數(shù)據(jù)的缺失[9]。由于航道內(nèi)船舶交通狀況的信息采集可能存在缺失情況,因此筆者采用該算法來構(gòu)建貝葉斯網(wǎng)絡(luò),GMM用于描述輸入變量,EM算法用于參數(shù)學(xué)習(xí)。

    2.1 高斯混合模型及最大期望算法

    GMM采用多個高斯函數(shù)線性組合表示數(shù)據(jù)概率密度函數(shù),在有效樣本充分條件下,GMM能模擬和任意逼近任何形狀的分布[10]。GMM由多個子高斯分布組成,子高斯分布幾何特征由其均值μi和協(xié)方差矩陣Ui決定。令M維矢量X={X1,X2,…,XM}來表示一組船舶交通量數(shù)據(jù)的不同變量,數(shù)據(jù)的概率分布由N個子高斯概率密度函數(shù)的線性組合近似模擬,其表達式為

    (1)

    對于H={Xi,μi,Ui},有

    (2)

    為使GMM性能與樣本數(shù)據(jù)達到最佳擬合,需要對GMM進行訓(xùn)練學(xué)習(xí),以便獲得參數(shù)η。研究表明,參數(shù)估計的較好方法是最大似然估計,X={X1,X2,…,XM}對η的似然估計為

    (3)

    采用最大似然估計,目的是發(fā)現(xiàn)一組新參數(shù)η*,使其滿足p(X|η*)≥p(X|η)。通過EM算法可以求得η*。為得到η*,需引入輔助函數(shù):

    (4)

    (5)

    表示每個子高斯分布的后驗概率。在求解η*過程中,如果滿足條件G(η,η*)≥G(η,η),則有p(X|η*)≥p(X|η),最后求得估計參數(shù)如下:

    (6)

    (7)

    (8)

    參數(shù)學(xué)習(xí)過程分兩步:利用目前參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)計算各子高斯分布的期望后驗概率;基于第一步的期望值,計算新的最大參數(shù)分布η*,用新的參數(shù)代替原有參數(shù),重復(fù)上述步驟,直到所估計的參數(shù)達到局部最優(yōu)。

    2.2 貝葉斯網(wǎng)絡(luò)分類器的構(gòu)建

    研究表明:使用MATLAB實現(xiàn)貝葉斯網(wǎng)絡(luò)分類器的構(gòu)建是一種較好的方法[11],構(gòu)建分3步完成。

    第一步:數(shù)據(jù)輸入。將船舶交通流數(shù)據(jù)、交通事故數(shù)據(jù)及非事故數(shù)據(jù)輸入到貝葉斯網(wǎng)絡(luò),并隨機確定訓(xùn)練樣本和測試樣本,兩者數(shù)據(jù)比例為1∶1,用以保證模型檢驗的可靠性。

    第二步:分類器訓(xùn)練。利用訓(xùn)練樣本數(shù)據(jù)和EM算法訓(xùn)練并構(gòu)建分類器。

    第三步:分類器的應(yīng)用。將已經(jīng)構(gòu)建好的分類器的推斷引擎和測試數(shù)據(jù)輸入到分類器,其輸出就是測試樣本屬于各類別的后驗概率。為提高分類結(jié)果的準確率,具體分類時,可以根據(jù)實際觀察確定一個合適的安全閥值,如果某后驗概率大于安全閥值,則認為其對應(yīng)的測試樣本是交通事故數(shù)據(jù),反之,則認為是非交通事故數(shù)據(jù)。

    2.3 模型檢驗

    由于交通事故數(shù)據(jù)較少,非交通事故數(shù)據(jù)較多(兩者比例接近1∶10),因此不能采用整體數(shù)據(jù)分類正確率來判斷模型的優(yōu)劣,這是因為即使模型把整個數(shù)據(jù)都分類成非交通事故,其正確率可達90%。所以筆者采用整體數(shù)據(jù)分類正確率、交通事故數(shù)據(jù)分類正確率以及非交通事故數(shù)據(jù)分類正確率3個評價標(biāo)準來檢驗貝葉斯網(wǎng)絡(luò)的有效性。其中交通事故數(shù)據(jù)分類正確率等于分類正確的交通事故數(shù)據(jù)與總交通事故數(shù)據(jù)的比值,非交通事故數(shù)據(jù)分類正確率等于分類正確的非交通事故數(shù)據(jù)與總的非交通事故數(shù)據(jù)的比值。由于交通事故發(fā)生的危害性較大,因此評價標(biāo)準優(yōu)先考慮交通事故數(shù)據(jù)分類正確率。

    為了得到較優(yōu)的分類模型,筆者在對8組相關(guān)數(shù)據(jù)分別建模時,對每組數(shù)據(jù)均測試12次,并求得各組數(shù)據(jù)分類結(jié)果的平均值和標(biāo)準差,根據(jù)平均值和標(biāo)準差來判斷模型的優(yōu)劣。

    3 模型分類結(jié)果

    將草鞋峽水道內(nèi)發(fā)生的58條交通事故和600條非交通事故數(shù)據(jù)分成8類交通流量組合,對這8類組合分別構(gòu)建貝葉斯網(wǎng)絡(luò)模型并分類,分類結(jié)果如表1。

    表1 8組數(shù)據(jù)組合下的分類結(jié)果Table 1 Classification of 8 group data in different combinations

    從表1可以看出,分類器對交通事故的分類正確率較為理想,最高正確率達到81.24%,平均正確率也超過71%。從不同模型分類結(jié)果看,模型Modelt2-1和模型Model2-2分類正確率高于其它模型,表現(xiàn)為其分類正確率分別達到81.24%和78.13%。由于模型Model2-1的數(shù)據(jù)是時間段1內(nèi)發(fā)生的,不具有實際利用價值,所以模型Model2-2的交通事故分類正確率結(jié)果最優(yōu)。即建立最優(yōu)的貝葉斯網(wǎng)絡(luò)模型所采用的數(shù)據(jù)應(yīng)來自時間段3即交通事故發(fā)生前20~40 min內(nèi)、而且是距離交通事故地點最近的兩個船舶檢測器。與此同時,分類器的非交通事故正確率和整體正確率也都比較高,說明所建模型科學(xué)合理,具有一定的使用價值。通過對表1中的數(shù)據(jù)進行比較,可以看出,就分類效果而言,貝葉斯網(wǎng)絡(luò)分類器對交通事故的分類采用2個船舶檢測器的數(shù)據(jù)比采用4個的要好,而對非交通事故和整體分類采用2個或4個區(qū)別不明顯。由于交通事故分類的正確率更具有研究意義,所以模型Model2-2為最優(yōu)模型。

    需要指出的是,由于判斷交通事故是否發(fā)生需要首先確定一個合適的安全閥值。為得到此閥值,筆者對貝葉斯網(wǎng)絡(luò)模型的數(shù)據(jù)結(jié)果進行了敏感性分析。結(jié)果表明安全閥值越大,非交通事故分類正確率就越高,而交通事故分類正確率就越低。當(dāng)安全閥值大于0.09時,交通事故數(shù)據(jù)分類正確率開始有明顯降幅,而非交通事故分類正確率增幅仍不明顯,因此,分類器設(shè)置的安全閥值是0.09。

    4 與其它模型分類結(jié)果比較

    為進一步驗證貝葉斯網(wǎng)絡(luò)分類模型的有效性,筆者選取目前常用的分類算法進行比較。常用算法主要有BP神經(jīng)網(wǎng)絡(luò)和K近鄰兩種,它們已經(jīng)被廣泛應(yīng)用于交通流量與交通事故的預(yù)測研究之中[12]。

    運用BP神經(jīng)網(wǎng)絡(luò)和K近鄰對第2節(jié)中的數(shù)據(jù)進行分類,并將分類結(jié)果與貝葉斯網(wǎng)絡(luò)的分類結(jié)果進行比較,見表2。為方便讀取3者結(jié)果的差別,表3中只給出了分類結(jié)果最優(yōu)的4組模型組合。

    表2 3種算法的結(jié)果比較Table 2 Comparison of results by three calculation methods

    由表2可知,貝葉斯網(wǎng)絡(luò)分類器對交通事故分類的正確率明顯高于BP神經(jīng)網(wǎng)絡(luò)算法和K近鄰。由于交通事故數(shù)據(jù)和非交通事故數(shù)據(jù)量的不平衡,加之樣本總量較少,使得BP神經(jīng)網(wǎng)絡(luò)K近鄰在樣本學(xué)習(xí)方面不充分,無法發(fā)揮其優(yōu)勢,因而獲得的分類正確率偏低,而貝葉斯網(wǎng)絡(luò)在這方面有相對優(yōu)勢。

    5 結(jié) 論

    筆者旨在探究航道內(nèi)實時船舶交通流量數(shù)據(jù)與交通事故的關(guān)系,并根據(jù)實時船舶檢測器數(shù)據(jù)進行事故風(fēng)險動態(tài)預(yù)估,從而實現(xiàn)通航安全管理的主動性,為改善航道通航安全提供一種新的理論方法,結(jié)論主要有:

    1)利用GMM的EM算法,構(gòu)建了貝葉斯網(wǎng)絡(luò)模型,運用該模型對不同船舶檢測器和時間段組合的8組數(shù)據(jù)進行分類,結(jié)果表明采用交通事故發(fā)生前20~40 min內(nèi)、且距離事故地點最近的2個船舶檢測器的數(shù)據(jù)構(gòu)建的貝葉斯網(wǎng)絡(luò)分類效果最優(yōu),其交通事故預(yù)測正確率達到78.13%。

    2)運用BP神經(jīng)網(wǎng)絡(luò)算法和K近鄰對同樣數(shù)據(jù)進行分類,并與貝葉斯網(wǎng)絡(luò)分類結(jié)果比較,結(jié)果表明貝葉斯網(wǎng)絡(luò)對交通事故預(yù)測的正確率高于BPNN和KNN,但對非交通事故預(yù)測的正確率卻低于二者。

    [1] 王寶闊.船舶交通事故量灰色預(yù)測應(yīng)用研究[J].中國航海,2011,34(1):59-62. WANG Baokuo.Applied research of grey prediction for marine traffic accidents[J].NavigationofChina, 2011,34(1):59-62.

    [2] 黃常海,高德毅,胡甚平,等.基于Aprior算法的船舶交通事故關(guān)聯(lián)規(guī)則分析[J].上海海事大學(xué)學(xué)報,2014,35(3):18-22. HUANG Changhai,GAO Deyi,HU Shenping,et al.Association rule analysis of vessel traffic accidents based on Apriori algorithm[J].JournalofShanghaiMaritimeUniversity,2014,35(3):18-22.

    [3] OH C,OH Jun-seok,RITCHIE S G,et al.Real-time estimation of freeway accident likelihood[C]// 80thAnnualMeetingofTransportationonIntelligentTransportationSystem.Washingtong,D.C.:2011:262-276.

    [4] PARK E S,LORD D.Multivariate poisson-lognormal models for jointly modeling crash frequency by severity[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard,2007,2019:1-6.

    [5] 方琴,李永前.K近鄰短期交通流預(yù)測[J].重慶交通大學(xué)學(xué)報(自然科學(xué)版),2012,31(4):828-831. FANG Qin,LI Yongqian.OnK-nearest neighbor short-term traffic flow prediction[J].JournalofChongqingJiaotongUniversity(NaturalScience),2012,31(4):828-831.

    [7] SUN Shiliang,ZHANG Changshui,YU Guoqiang.A bayesian network approach to traffic flow forecasting[J].IntelligentTransportationSystem,2006,7(1):124-130.

    [8] PANDE A,ABDEL-ATY M.Assessment of freeway traffic parameters leading to lane change related collisions[J].AccidentAnalysisandPrevention,2006,38(5):936-948.

    [9] 孫劍,孫杰.城市快速路實時交通流運行安全主動風(fēng)險評估[J].同濟大學(xué)學(xué)報(自然科學(xué)版),2014,42(6):873-879. SUN Jian,SUN Jie.Proactive assessment of real-time traffic flow accident risk on urban expressway [J].JournalofTongjiUniversity(NaturalScience),2014,42(6):873-879.

    [10] 楊文浩,費曉昕,張緒進.北江白石窯水利樞紐上游引航道布置及通航條件研究[J].重慶交通大學(xué)學(xué)報(自然科學(xué)版),2014,33(1):70-74. YANG Wenhao,FEI Xiaoxin,ZHANG Xujin.Layout of upstream approach channel and navigation condition for Beishiyao water conservancy in Beijiang River[J].JournalofChongqingJiaotongUniversity(NaturalScience),2014,33(1):70-74.

    [11] SCHUBERT M,NIELS P H,ARILD R,et al.Risk assessment of road tunnels using Bayesian networks[J].SocialandBehavioralSciences,2002,124(4):231-238.

    [12] ZHENG Weizhong,LEE D H,SHI Qixin.Short-term freeway traffic flow prediction:Bayesian combined neural network approach[J].JournalofTransportationEngineering,2006,132(2):114-121.

    Proactive Evaluation on Sailing Risk of Real-time Ship Traffic in Waterway

    ZHANG Shukui1,2,XIAO Yingjie2, SU Wenming1

    (1. Navigational College, Jiangsu Maritime Institute, Nanjing 211170, Jiangsu, P. R. China;2. Merchant College, Shanghai Maritime University, Shanghai 201306, P. R. China)

    :In order to assess sailing risk of real-time ship traffic in waterway and give early warning of accident, the Bayesian network was built by using Gaussian mixture model and maximum expectation algorithm. Through our study and training about Bayesian network structure and parameters and based on the data from ship detectors and the record of traffic accident occurred in Caoxiexia waterway of Yangtze River, BN distributor was established. BN classification models in relation to 8 group data of ship traffic flow were set up respectively. Results show that the model using data taken from the two ship detectors closest to traffic scene within 20 to 40 minutes just before occurrence of accident generates optimum prediction results with accuracy up to 78.13%.The result of comparison among BN, BP neural network and K close neighbor proves that BN prediction model generates a more accurate prediction result and is thus a good method of risk evaluation of sailing ships in real-time.

    traffic engineering; waterway; traffic accident; Bayesian network; risk; proactive evaluation

    10.3969/j.issn.1674-0696.2016.02.31

    2015-01-16;

    2015-03-04

    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)

    張樹奎 (1973—), 男, 安徽阜陽人,副教授,博士,主要從事港口、海岸與近海工程方面的研究。E-mail: zhangshkfy@163.com。

    U695.2

    A

    1674-0696(2016)02-151-05

    猜你喜歡
    檢測器貝葉斯航道
    車道微波車輛檢測器的應(yīng)用
    貝葉斯公式及其應(yīng)用
    新航道
    留學(xué)(2017年5期)2017-03-29 03:03:54
    基于貝葉斯估計的軌道占用識別方法
    一種霧霾檢測器的研究與設(shè)計
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    我國首條40萬噸級航道正式開建
    水道港口(2014年1期)2014-04-27 14:14:38
    IIRCT下負二項分布參數(shù)多變點的貝葉斯估計
    一體化火焰檢測器常見故障分析
    河南科技(2014年22期)2014-02-27 14:18:12
    我國首條40萬噸超大型航道將迎來開工建設(shè)
    水道港口(2013年3期)2013-04-27 14:14:28
    亚洲第一区二区三区不卡| 青草久久国产| 久久精品夜夜夜夜夜久久蜜豆| 麻豆成人av在线观看| 久久天躁狠狠躁夜夜2o2o| 欧美三级亚洲精品| 国产aⅴ精品一区二区三区波| 又爽又黄无遮挡网站| 五月伊人婷婷丁香| 少妇高潮的动态图| 看黄色毛片网站| 国产又黄又爽又无遮挡在线| 久9热在线精品视频| 丝袜美腿在线中文| 在线免费观看的www视频| 少妇人妻一区二区三区视频| 久久久久久久久久成人| 精品熟女少妇八av免费久了| 亚洲成人精品中文字幕电影| 国产v大片淫在线免费观看| 99久久精品热视频| 亚洲午夜理论影院| 亚洲久久久久久中文字幕| 久久人人爽人人爽人人片va | 国产av麻豆久久久久久久| 国内久久婷婷六月综合欲色啪| 在线免费观看不下载黄p国产 | 制服丝袜大香蕉在线| 亚洲av美国av| 婷婷精品国产亚洲av在线| 国产精品人妻久久久久久| 男插女下体视频免费在线播放| www.色视频.com| 99久国产av精品| 免费看美女性在线毛片视频| 男人舔女人下体高潮全视频| 国产精品亚洲一级av第二区| 可以在线观看毛片的网站| 老司机午夜福利在线观看视频| av在线天堂中文字幕| 久久久久亚洲av毛片大全| 中文在线观看免费www的网站| 午夜免费激情av| 久久人人爽人人爽人人片va | 国产一区二区亚洲精品在线观看| 一区二区三区高清视频在线| 变态另类成人亚洲欧美熟女| 亚洲国产精品合色在线| 欧洲精品卡2卡3卡4卡5卡区| 精品免费久久久久久久清纯| 中文字幕人成人乱码亚洲影| 亚洲中文字幕日韩| 小说图片视频综合网站| 国产精品人妻久久久久久| 精品无人区乱码1区二区| 成年人黄色毛片网站| 99国产精品一区二区蜜桃av| 我要搜黄色片| 嫩草影院精品99| 九九热线精品视视频播放| 宅男免费午夜| 国产精品av视频在线免费观看| 91字幕亚洲| 欧美一级a爱片免费观看看| 欧美zozozo另类| 97碰自拍视频| 天堂网av新在线| 精品熟女少妇八av免费久了| 一区福利在线观看| 色吧在线观看| 搡女人真爽免费视频火全软件 | 亚洲色图av天堂| 一个人看视频在线观看www免费| 啦啦啦韩国在线观看视频| 久久久久精品国产欧美久久久| 亚洲精品456在线播放app | 亚洲精品在线观看二区| 天堂av国产一区二区熟女人妻| 一卡2卡三卡四卡精品乱码亚洲| 毛片女人毛片| 舔av片在线| 久久中文看片网| 婷婷精品国产亚洲av在线| 波野结衣二区三区在线| 看片在线看免费视频| 日韩欧美国产在线观看| 简卡轻食公司| 亚洲黑人精品在线| 我要看日韩黄色一级片| 国产一区二区在线观看日韩| 亚洲av五月六月丁香网| 亚洲国产日韩欧美精品在线观看| 日本一本二区三区精品| 久久久久久久亚洲中文字幕 | 亚洲经典国产精华液单 | 超碰av人人做人人爽久久| 亚洲国产欧洲综合997久久,| 少妇被粗大猛烈的视频| 国产高潮美女av| 国内精品美女久久久久久| 不卡一级毛片| 国产精品亚洲美女久久久| 成人欧美大片| 好看av亚洲va欧美ⅴa在| 看免费av毛片| 高潮久久久久久久久久久不卡| 国产高清三级在线| www.熟女人妻精品国产| 欧美日韩亚洲国产一区二区在线观看| 精品午夜福利视频在线观看一区| 日韩欧美在线二视频| 级片在线观看| 国产色爽女视频免费观看| 男插女下体视频免费在线播放| 黄片小视频在线播放| 国内精品美女久久久久久| 两性午夜刺激爽爽歪歪视频在线观看| 欧美另类亚洲清纯唯美| 最后的刺客免费高清国语| а√天堂www在线а√下载| 亚洲国产欧美人成| 变态另类丝袜制服| 美女xxoo啪啪120秒动态图 | av在线老鸭窝| 脱女人内裤的视频| 看黄色毛片网站| 国产探花极品一区二区| 网址你懂的国产日韩在线| 精品久久久久久久久久免费视频| 欧美最黄视频在线播放免费| 99热这里只有精品一区| 日本a在线网址| 国产精品,欧美在线| 3wmmmm亚洲av在线观看| 午夜免费成人在线视频| 国内少妇人妻偷人精品xxx网站| 国产一级毛片七仙女欲春2| 国产精品久久久久久久电影| 亚洲国产精品合色在线| 久久久久国产精品人妻aⅴ院| 亚洲av五月六月丁香网| 国产免费男女视频| 日韩欧美在线乱码| 真人做人爱边吃奶动态| 啦啦啦韩国在线观看视频| 99精品在免费线老司机午夜| 国产av麻豆久久久久久久| 成人永久免费在线观看视频| av天堂中文字幕网| 12—13女人毛片做爰片一| 日韩中字成人| 国产一区二区在线观看日韩| 在线观看av片永久免费下载| 全区人妻精品视频| 1000部很黄的大片| 亚洲自拍偷在线| 男女下面进入的视频免费午夜| 免费看a级黄色片| 亚洲国产精品sss在线观看| 日本 av在线| 亚州av有码| 精品午夜福利在线看| 淫秽高清视频在线观看| 欧美zozozo另类| 精品欧美国产一区二区三| 欧美中文日本在线观看视频| 天堂影院成人在线观看| 99精品久久久久人妻精品| 嫁个100分男人电影在线观看| 国产精品爽爽va在线观看网站| 国产主播在线观看一区二区| ponron亚洲| 永久网站在线| 欧美精品啪啪一区二区三区| 国产免费男女视频| 白带黄色成豆腐渣| 午夜两性在线视频| 91字幕亚洲| 亚洲片人在线观看| 国产国拍精品亚洲av在线观看| 观看美女的网站| 嫁个100分男人电影在线观看| 一级黄片播放器| 免费黄网站久久成人精品 | 熟妇人妻久久中文字幕3abv| 中文字幕久久专区| 国产伦精品一区二区三区四那| 亚洲av中文字字幕乱码综合| 国产精品电影一区二区三区| 精品久久久久久久久久免费视频| 天堂网av新在线| 免费人成在线观看视频色| 国产精品野战在线观看| 中文字幕av在线有码专区| 韩国av一区二区三区四区| 内射极品少妇av片p| 久久久久国产精品人妻aⅴ院| 亚洲电影在线观看av| 国产老妇女一区| 久久精品91蜜桃| 国产不卡一卡二| 一二三四社区在线视频社区8| 亚洲性夜色夜夜综合| 欧美一区二区亚洲| 久久亚洲真实| 嫩草影院新地址| 在线观看午夜福利视频| 国产中年淑女户外野战色| 日韩欧美在线二视频| 国产亚洲精品综合一区在线观看| 国产老妇女一区| 日韩成人在线观看一区二区三区| 亚洲国产欧洲综合997久久,| 亚洲精华国产精华精| 男人的好看免费观看在线视频| 一级作爱视频免费观看| 一本一本综合久久| 亚洲人与动物交配视频| 亚洲美女搞黄在线观看 | 不卡一级毛片| 精品人妻1区二区| 草草在线视频免费看| or卡值多少钱| 一边摸一边抽搐一进一小说| 亚洲aⅴ乱码一区二区在线播放| 日韩 亚洲 欧美在线| 级片在线观看| 韩国av一区二区三区四区| 亚洲成人久久性| 日本 av在线| 国产精华一区二区三区| 在线观看午夜福利视频| 69av精品久久久久久| 免费观看人在逋| 午夜亚洲福利在线播放| 极品教师在线免费播放| 欧美一区二区国产精品久久精品| 国产一区二区三区在线臀色熟女| 成年人黄色毛片网站| 久久久久性生活片| 级片在线观看| 黄色配什么色好看| 久久热精品热| 日本精品一区二区三区蜜桃| 啪啪无遮挡十八禁网站| 久久99热6这里只有精品| 国产欧美日韩精品一区二区| 亚洲第一区二区三区不卡| 亚洲国产精品999在线| 婷婷六月久久综合丁香| 亚洲av免费在线观看| 国产国拍精品亚洲av在线观看| av视频在线观看入口| 老鸭窝网址在线观看| 欧美乱妇无乱码| 久久久久性生活片| 直男gayav资源| 人妻丰满熟妇av一区二区三区| 久久精品国产亚洲av涩爱 | 国产探花极品一区二区| 国产极品精品免费视频能看的| 亚洲国产精品999在线| 在线免费观看的www视频| 亚洲欧美日韩卡通动漫| 午夜免费激情av| 在线看三级毛片| 高清在线国产一区| 在线国产一区二区在线| 成年女人看的毛片在线观看| 久久精品久久久久久噜噜老黄 | 国产精品美女特级片免费视频播放器| 老女人水多毛片| 日本成人三级电影网站| 精品一区二区三区视频在线观看免费| 亚洲 欧美 日韩 在线 免费| 又黄又爽又免费观看的视频| 亚洲成人免费电影在线观看| 18禁黄网站禁片免费观看直播| 露出奶头的视频| 一级作爱视频免费观看| 日本三级黄在线观看| 欧美日本视频| 精品人妻1区二区| 国产一区二区激情短视频| 亚洲最大成人手机在线| 淫妇啪啪啪对白视频| 亚洲经典国产精华液单 | 国产精品嫩草影院av在线观看 | av视频在线观看入口| 久久草成人影院| 国产成人欧美在线观看| 国产av麻豆久久久久久久| 18+在线观看网站| 99久久久亚洲精品蜜臀av| 欧美又色又爽又黄视频| 亚洲av免费在线观看| 欧美日韩中文字幕国产精品一区二区三区| 两个人视频免费观看高清| 91久久精品国产一区二区成人| 非洲黑人性xxxx精品又粗又长| av在线老鸭窝| 亚洲最大成人中文| 欧美bdsm另类| 成人午夜高清在线视频| 亚洲第一欧美日韩一区二区三区| 91在线观看av| 午夜福利在线在线| 最近视频中文字幕2019在线8| 久久久久性生活片| 亚洲午夜理论影院| 婷婷精品国产亚洲av在线| 成人特级av手机在线观看| 免费在线观看成人毛片| 国产欧美日韩精品一区二区| 一个人看的www免费观看视频| 国产精品久久久久久久电影| 亚洲国产精品999在线| 露出奶头的视频| 18禁裸乳无遮挡免费网站照片| 国内精品久久久久久久电影| 一本精品99久久精品77| 婷婷亚洲欧美| 国产三级在线视频| 国产一区二区亚洲精品在线观看| 高清毛片免费观看视频网站| 亚洲三级黄色毛片| 国产精品影院久久| 欧美激情在线99| 国产精品电影一区二区三区| 日韩欧美国产在线观看| 国产伦一二天堂av在线观看| 欧美精品国产亚洲| 亚洲男人的天堂狠狠| 久久久久亚洲av毛片大全| 国产成人影院久久av| 亚洲va日本ⅴa欧美va伊人久久| 97超视频在线观看视频| 老司机午夜十八禁免费视频| 日韩中文字幕欧美一区二区| 超碰av人人做人人爽久久| 国产成人欧美在线观看| 亚洲最大成人中文| 亚洲av电影在线进入| 老女人水多毛片| av天堂在线播放| 亚洲av熟女| 免费av观看视频| 欧美黄色片欧美黄色片| 一级av片app| 午夜福利网站1000一区二区三区| 亚洲av电影在线观看一区二区三区 | 青春草国产在线视频| 午夜爱爱视频在线播放| 特级一级黄色大片| 免费观看av网站的网址| 成年版毛片免费区| 亚洲国产av新网站| 下体分泌物呈黄色| 男人添女人高潮全过程视频| 中文天堂在线官网| 爱豆传媒免费全集在线观看| 日韩欧美精品免费久久| 亚洲三级黄色毛片| 日本黄大片高清| 中文精品一卡2卡3卡4更新| 在线 av 中文字幕| 赤兔流量卡办理| 日本黄大片高清| 少妇的逼好多水| 国产人妻一区二区三区在| 精品久久久久久久人妻蜜臀av| 国产爱豆传媒在线观看| 91久久精品国产一区二区三区| 国产精品一二三区在线看| 一个人看视频在线观看www免费| 免费播放大片免费观看视频在线观看| 精品久久久久久久末码| 九九爱精品视频在线观看| 亚洲电影在线观看av| av一本久久久久| 干丝袜人妻中文字幕| 搞女人的毛片| 国产黄频视频在线观看| 激情 狠狠 欧美| 最近的中文字幕免费完整| 精品久久久噜噜| 久久热精品热| 日韩成人av中文字幕在线观看| 中文字幕免费在线视频6| 成人免费观看视频高清| 美女国产视频在线观看| 日韩亚洲欧美综合| 亚洲精品一二三| 少妇被粗大猛烈的视频| 一本久久精品| 久热这里只有精品99| 欧美日韩在线观看h| 在线观看免费高清a一片| 最近最新中文字幕大全电影3| 边亲边吃奶的免费视频| 国产视频首页在线观看| 成人亚洲精品av一区二区| 成人亚洲精品一区在线观看 | 久久精品夜色国产| 免费黄频网站在线观看国产| 女人久久www免费人成看片| av播播在线观看一区| 狂野欧美激情性xxxx在线观看| 下体分泌物呈黄色| 一级爰片在线观看| 在线天堂最新版资源| 九九久久精品国产亚洲av麻豆| 国模一区二区三区四区视频| 国产午夜精品一二区理论片| 国产精品成人在线| 最近中文字幕高清免费大全6| 亚洲av不卡在线观看| 精品熟女少妇av免费看| 日韩强制内射视频| 成年av动漫网址| 日本黄大片高清| 精品少妇久久久久久888优播| 精品人妻一区二区三区麻豆| 精品人妻偷拍中文字幕| 久久99热这里只频精品6学生| 成年av动漫网址| 日本免费在线观看一区| 18禁裸乳无遮挡动漫免费视频 | 亚洲在线观看片| 在线观看av片永久免费下载| 欧美性猛交╳xxx乱大交人| 免费在线观看成人毛片| 日韩在线高清观看一区二区三区| 91久久精品电影网| 欧美一区二区亚洲| 午夜免费观看性视频| 亚洲av男天堂| 欧美日韩亚洲高清精品| 欧美区成人在线视频| 精品午夜福利在线看| 亚洲精品成人av观看孕妇| 亚洲国产日韩一区二区| 国产精品国产三级国产av玫瑰| 国产黄色视频一区二区在线观看| 国产一区二区三区综合在线观看 | 国产精品久久久久久久久免| 色5月婷婷丁香| 日韩伦理黄色片| 亚洲四区av| 免费看不卡的av| 婷婷色综合大香蕉| 国产亚洲av嫩草精品影院| 高清视频免费观看一区二区| 又大又黄又爽视频免费| 亚洲人与动物交配视频| 色综合色国产| 男女国产视频网站| 免费观看性生交大片5| 欧美成人一区二区免费高清观看| 亚洲av中文字字幕乱码综合| 亚洲精品乱码久久久v下载方式| av网站免费在线观看视频| 一二三四中文在线观看免费高清| 国产探花在线观看一区二区| av免费观看日本| 久久久久精品性色| 国产毛片a区久久久久| 亚洲欧洲日产国产| 亚洲av在线观看美女高潮| freevideosex欧美| 免费观看的影片在线观看| 白带黄色成豆腐渣| 18禁裸乳无遮挡动漫免费视频 | 大陆偷拍与自拍| 精品午夜福利在线看| 国产精品一二三区在线看| 白带黄色成豆腐渣| 丰满人妻一区二区三区视频av| 国产精品一区www在线观看| 麻豆成人av视频| 高清av免费在线| 建设人人有责人人尽责人人享有的 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 中文字幕免费在线视频6| 亚洲精品乱码久久久久久按摩| 能在线免费看毛片的网站| 欧美老熟妇乱子伦牲交| 丰满人妻一区二区三区视频av| 在线亚洲精品国产二区图片欧美 | 男女啪啪激烈高潮av片| 一级毛片我不卡| 国产精品99久久久久久久久| 国产精品三级大全| 国产高清三级在线| 五月伊人婷婷丁香| 亚洲人与动物交配视频| 欧美区成人在线视频| 91在线精品国自产拍蜜月| 少妇的逼水好多| 国产欧美另类精品又又久久亚洲欧美| 三级国产精品片| 永久网站在线| 亚洲aⅴ乱码一区二区在线播放| 午夜免费观看性视频| 亚洲国产精品专区欧美| 久久精品久久久久久久性| 在线看a的网站| 免费观看无遮挡的男女| 免费看不卡的av| 亚洲av免费在线观看| 中文字幕免费在线视频6| 国产极品天堂在线| 热99国产精品久久久久久7| 亚洲最大成人中文| 国产精品爽爽va在线观看网站| 最近最新中文字幕大全电影3| 五月伊人婷婷丁香| 国产美女午夜福利| av.在线天堂| 一区二区三区乱码不卡18| 国产探花极品一区二区| 激情五月婷婷亚洲| 国产欧美日韩精品一区二区| 高清日韩中文字幕在线| 91精品国产九色| freevideosex欧美| 在现免费观看毛片| 美女脱内裤让男人舔精品视频| 69av精品久久久久久| 在线精品无人区一区二区三 | 亚州av有码| 精品亚洲乱码少妇综合久久| 欧美日韩精品成人综合77777| 久久精品久久久久久久性| 天天躁夜夜躁狠狠久久av| 中文乱码字字幕精品一区二区三区| 久久久久久久久久人人人人人人| 欧美一区二区亚洲| 人人妻人人看人人澡| 一级a做视频免费观看| 国产亚洲av片在线观看秒播厂| eeuss影院久久| 免费看av在线观看网站| 亚洲精品自拍成人| 亚洲国产精品成人久久小说| 亚洲电影在线观看av| 欧美成人一区二区免费高清观看| 免费看光身美女| 一级毛片久久久久久久久女| 欧美高清成人免费视频www| 一级a做视频免费观看| 男人添女人高潮全过程视频| 各种免费的搞黄视频| 又爽又黄a免费视频| 一区二区av电影网| 精品99又大又爽又粗少妇毛片| 哪个播放器可以免费观看大片| 在线免费观看不下载黄p国产| 欧美精品人与动牲交sv欧美| 亚洲国产精品成人久久小说| 永久网站在线| 一本一本综合久久| 免费观看在线日韩| 男插女下体视频免费在线播放| .国产精品久久| 久久午夜福利片| 伦理电影大哥的女人| 深爱激情五月婷婷| 99久久精品一区二区三区| 大码成人一级视频| 99久久人妻综合| 日本午夜av视频| 国产精品伦人一区二区| 精品人妻偷拍中文字幕| 99热这里只有是精品在线观看| 哪个播放器可以免费观看大片| 热re99久久精品国产66热6| 91午夜精品亚洲一区二区三区| 免费在线观看成人毛片| 午夜福利网站1000一区二区三区| 国语对白做爰xxxⅹ性视频网站| 成年女人看的毛片在线观看| 欧美xxxx黑人xx丫x性爽| 伦理电影大哥的女人| 69av精品久久久久久| 不卡视频在线观看欧美| 亚洲色图综合在线观看| 内射极品少妇av片p| 综合色丁香网| 十八禁网站网址无遮挡 | 国产在线男女| 男女国产视频网站| kizo精华| 在线观看美女被高潮喷水网站| 国产精品99久久久久久久久| 校园人妻丝袜中文字幕| 国产探花极品一区二区| 欧美zozozo另类| 亚洲av二区三区四区| 好男人视频免费观看在线| 亚洲成人av在线免费| 色婷婷久久久亚洲欧美| 91午夜精品亚洲一区二区三区| 欧美丝袜亚洲另类| av在线观看视频网站免费| 国产视频内射| 成人黄色视频免费在线看| 亚洲国产成人一精品久久久| 日韩不卡一区二区三区视频在线| 高清在线视频一区二区三区| 丰满人妻一区二区三区视频av| 在线观看人妻少妇| 爱豆传媒免费全集在线观看| 欧美一级a爱片免费观看看| 日韩av免费高清视频|