论文部分内容阅读
摘要：目前中国的公路隧道大约有12500条，在去年的一年时间里一共发生了3000起隧道交通安全事故。面对如此现状，我们结合当下较为前沿的神经网络系统，通过多个RBM逐层堆积，逐层预训练所组成的DBN来进行数据的分析和处理，尽可能地减少二次事故或者类似交通拥堵事件的发生。
关键词：神经网络;RFID;公路隧道安全;DL模型;App
一、背景
随着高速公路隧道的不断发展，特别是近几年我国已经是世界上隧道工程数量最多、条件最復杂、技术发展最快的国家。隧道在高速公路运营中发挥重大作用的同时，其交通安全形势也愈发严峻。近年来，我国已发生多起重特大公路隧道交通安全事故，因此预防和控制隧道交通安全事故已成为公路交通安全工作的重点。由于其道路和交通环境的特殊性，隧道成为交通事故多发路段，严重影响了高速公路交通运营的安全。从事故源头加以控制和监管，才能达到预防和减少高速公路隧道交通事故及二次事故发生的目的。
二、目的
在当前的大数据时代，信息和数字已经更加贴近我们的生活，而神经系统网络与人工智能也能够更加方便快捷将我们的数据进行处理分类，而使用的RFID技术能够做到点对点的监测。当我们将DL模型与RFID技术相结合之后应用在了隧道的安全监测之中。大数据技术使数据资源化，它们的科学有效应用能够切实为企业带来巨大的经济产值，产生更多经济收益，也能够为科学研究提供更加便利的条件：大数据技术的发展不仅能够将网络计算中心、移动网络技术和物联网、云计算等新型尖端网络技术充分地融合成一体，促进不同科学技术的交叉融合，同时还能够促进多学科的交叉融合，充分发挥出交叉学科和边缘学科在新时代的新功能与效用。
伴随着移动互联网和智能客户终端的快速普及，手机App市场得以飞速发展，并且正不断潜移默化的改变人们的工作，学习和生活方式，手机App未来在企业市场、政务市场都有非常广阔的应用前景。
三、具体方案
1.设计思路
根据国内外现状分析发现，随着神经网络系统的逐步发展以及大数据时代下信息的交互，我们采用RFID技术进行车辆及隧道内相关数据的收集，通过DBN来进行数据的分析和处理，然后结合大量的历史数据，进行多次训练，通过隧道内一些基本参数信息和环境信息作为深度学习的训练数据进行输入，并对其输出的结果可以进行判断是否发生事故，运用一个相应的DBN神经元网络构建一个系统的管理平台，将信息传输给监管部门核实，最终通过App把信息传递给用户，以此达到预警和防止二次事故发生。
2.研究方法
隧道的照明亮度按视觉适应程度将隧道分成进口段、过渡段、中间段和出口段。假设隧道内驾驶行为是对称的，根据高速公路隧道行车特性，将隧道划分为7个区段。
运用RFID电子标签对车辆进行标记，于各个监测点进行速度测算，并把其所收集的数据通过DBN进行数据的分析及处理，之后用大量的历史数据进行检测，并对其输出的结果可以进行判断是否发生事故，之后运用一个由相应的DBN神经元网络构建一个系统的管理平台，将信息传输给监管部门核实，最终通过我们制作的一款适合的App把信息传递给用户。
四、分析与评价
我们是以预警和防止二次事故发生为目的，高效、迅速并准确的上传相应信息，以此把损失降到最低，既提高了效率，也提高了安全性。选用DBN技术对大量实验数据进行分析，其结果可以为相关的研究人员提供有效的指导和参考，为进一步的实验和研究指明方向。深度学习构建具有很多隐层的机器学习模型组合低层特征形成更加抽象的高层来表示属性类别或特征，以发现数据的分布式特征。
起动机在于建立模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，它的无监督学习用于每一层网络的pre-train，每次用无监督学习只训练一层，将其训练结果作为其高一层的输入，用自顶而下的监督算法去调整所有层，以此来节省大量的人力，物力，提高工作效率。借助大数据及相关技术，我们可针对不同隧道事故和二次事故进行针对性分析，之后并找到其类似点进行分析做出判断，之后再根据不同状况进行微步调整，使其更适合、更优化。
App的运用，满足了当今社会发展和人们生活的需求，这也是手机App的多元化发展立足的主要原因：而且手机App应用软件带给人的是方便、实用、简单，在这种快节奏的社会上是非常符合当代需要的;手机App目前已经延伸到了生活跟工作的各个领域，已经成为人们生活中密不可分的物品。
五、结语
近些年国家科技飞速发展，汽车的普遍率逐渐提高，导致隧道车祸发生率的上升。由于资源是有限的，并不能及时发现所发生的车祸，就导致二次事故的发生，针对这一问题，我们做出了创新的调整和模式，并降低了车祸的发生率，让人们能够更加安全的行驶，使人们的生活更加安全、美好。
关键词：神经网络;RFID;公路隧道安全;DL模型;App
一、背景
随着高速公路隧道的不断发展，特别是近几年我国已经是世界上隧道工程数量最多、条件最復杂、技术发展最快的国家。隧道在高速公路运营中发挥重大作用的同时，其交通安全形势也愈发严峻。近年来，我国已发生多起重特大公路隧道交通安全事故，因此预防和控制隧道交通安全事故已成为公路交通安全工作的重点。由于其道路和交通环境的特殊性，隧道成为交通事故多发路段，严重影响了高速公路交通运营的安全。从事故源头加以控制和监管，才能达到预防和减少高速公路隧道交通事故及二次事故发生的目的。
二、目的
在当前的大数据时代，信息和数字已经更加贴近我们的生活，而神经系统网络与人工智能也能够更加方便快捷将我们的数据进行处理分类，而使用的RFID技术能够做到点对点的监测。当我们将DL模型与RFID技术相结合之后应用在了隧道的安全监测之中。大数据技术使数据资源化，它们的科学有效应用能够切实为企业带来巨大的经济产值，产生更多经济收益，也能够为科学研究提供更加便利的条件：大数据技术的发展不仅能够将网络计算中心、移动网络技术和物联网、云计算等新型尖端网络技术充分地融合成一体，促进不同科学技术的交叉融合，同时还能够促进多学科的交叉融合，充分发挥出交叉学科和边缘学科在新时代的新功能与效用。
伴随着移动互联网和智能客户终端的快速普及，手机App市场得以飞速发展，并且正不断潜移默化的改变人们的工作，学习和生活方式，手机App未来在企业市场、政务市场都有非常广阔的应用前景。
三、具体方案
1.设计思路
根据国内外现状分析发现，随着神经网络系统的逐步发展以及大数据时代下信息的交互，我们采用RFID技术进行车辆及隧道内相关数据的收集，通过DBN来进行数据的分析和处理，然后结合大量的历史数据，进行多次训练，通过隧道内一些基本参数信息和环境信息作为深度学习的训练数据进行输入，并对其输出的结果可以进行判断是否发生事故，运用一个相应的DBN神经元网络构建一个系统的管理平台，将信息传输给监管部门核实，最终通过App把信息传递给用户，以此达到预警和防止二次事故发生。
2.研究方法
隧道的照明亮度按视觉适应程度将隧道分成进口段、过渡段、中间段和出口段。假设隧道内驾驶行为是对称的，根据高速公路隧道行车特性，将隧道划分为7个区段。
运用RFID电子标签对车辆进行标记，于各个监测点进行速度测算，并把其所收集的数据通过DBN进行数据的分析及处理，之后用大量的历史数据进行检测，并对其输出的结果可以进行判断是否发生事故，之后运用一个由相应的DBN神经元网络构建一个系统的管理平台，将信息传输给监管部门核实，最终通过我们制作的一款适合的App把信息传递给用户。
四、分析与评价
我们是以预警和防止二次事故发生为目的，高效、迅速并准确的上传相应信息，以此把损失降到最低，既提高了效率，也提高了安全性。选用DBN技术对大量实验数据进行分析，其结果可以为相关的研究人员提供有效的指导和参考，为进一步的实验和研究指明方向。深度学习构建具有很多隐层的机器学习模型组合低层特征形成更加抽象的高层来表示属性类别或特征，以发现数据的分布式特征。
起动机在于建立模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，它的无监督学习用于每一层网络的pre-train，每次用无监督学习只训练一层，将其训练结果作为其高一层的输入，用自顶而下的监督算法去调整所有层，以此来节省大量的人力，物力，提高工作效率。借助大数据及相关技术，我们可针对不同隧道事故和二次事故进行针对性分析，之后并找到其类似点进行分析做出判断，之后再根据不同状况进行微步调整，使其更适合、更优化。
App的运用，满足了当今社会发展和人们生活的需求，这也是手机App的多元化发展立足的主要原因：而且手机App应用软件带给人的是方便、实用、简单，在这种快节奏的社会上是非常符合当代需要的;手机App目前已经延伸到了生活跟工作的各个领域，已经成为人们生活中密不可分的物品。
五、结语
近些年国家科技飞速发展，汽车的普遍率逐渐提高，导致隧道车祸发生率的上升。由于资源是有限的，并不能及时发现所发生的车祸，就导致二次事故的发生，针对这一问题，我们做出了创新的调整和模式，并降低了车祸的发生率，让人们能够更加安全的行驶，使人们的生活更加安全、美好。