基于本体的民航非法干扰行为情景模型构建研究

当前我国民航非法干扰行为频发，能否对民航非法干扰行为进行科学化处置，是影响我国应急管理能力提升的关键因素之一。首先，基于全国民航安保案例库，对民航非法干扰行为进行情景结构化分析，建立包含“事件—情景要素—情景特征—情景属性”的情景要素框架图；其次，借助本体理论的相关知识，构建包含“致灾因子、承灾体、孕灾环境和应对体”的情景模型，实现对民航非法干扰行为的情景化描述，有利于民航部门对民航非法干扰行为的日志撰写工作，为民航非法干扰行为的快速应急处置提供理论支撑；最后，通过民航安保案例进行模型验证，证明情景模型的可行性和合理性。     

基于神经网络的车辆强制换道预测模型

针对高速公路上车辆行驶速度快，换道行为危险程度高的问题，聚焦于不可避免、发生频繁、一旦发生事故后果严重的强制换道行为，改进基于门控循环单元(GRU)的换道模型，对强制换道行为进行分析与预测。为保证模型的有效性，选取下一代仿真技术(NGSIM)数据作为模型的训练集与检测集，使用侧向加速度将车辆侧向摆动数据有效删除并得到强制换道的最迟换道点，进而实现车辆位置与换道决策的预测。实验结果证明，所提模型能够以96.01%的准确率判定车辆在最迟换道点的强制换道行为，相较于LSTM模型准确率提升了3.67%，同时相较于朴素贝叶斯网络准确率提高了7.31%。