简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。
简介:为了遏制中小企业在安全生产过程中与政府监管执行者产生的寻租行为,减少寻租问题所带来的中小企业安全生产隐患,在寻租行为监督过程中引入社会公众参与。通过分析中小企业、政府监管执行者和社会公众三方之间的行为关系,构建三方共同参与的寻租博弈模型,研究三方在监督过程中的利益诉求均衡点及行为策略选择的影响因素。结果表明:降低社会公众的监督成本,提高社会公众的监督能力,加大寻租活动参与双方的惩罚力度,能够有效遏制中小企业安全生产寻租行为;并且社会公众监督的重点在于其效率提升,而社会公众监督效率与社会公众监督能力、惩罚力度等因素相关。在此基础上,提出了相关的实施对策。
简介:基于社会心理危机的风险放大机制,构建突发事件中公众安全感影响因素模型,其影响因素分别是事件属性、政府应对、媒体传播和群体心理与行为。利用网络爬虫软件对2014~2016年32件重大突发事件,包括新闻、新浪微博、百度搜索指数等在内的相关文本数据进行采集,通过定性比较分析(QCA)探寻在重大突发事件中导致公众安全感缺失的必要条件和逻辑条件组合。结果显示,影响范围广、应对不及时、谣言的存在和消极的群体情绪,是导致公众安全感丧失的必要条件。当其他条件变量与必要条件同时发生时,最容易引发公众安全感的缺失。在所有的影响因素中,媒体传播对公众安全感的解释力最大,其次分别是事件属性、群体心理及行为和政府应对。据此,构建以提升应急能力为目的,政府、媒体和社会公众协同参与的心理危机治理机制。