论文部分内容阅读
随着我国经济的高速发展,危险货物运输行业迅速扩大,危险货物运输事故也因此频频发生,其事故危害和社会负面影响巨大。本文在分析中华人民共和国应急管理部危险货物运输事故历史数据的基础上,以陕西省道路运输监管现状为背景,分析危险货物运输影响因素,研究危险货物运输实时风险预警方法,构建危险货物运输实时风险评价指标体系,并基于混合深度学习GRUDNN（Gate Recurrent Unit Dynamic Neural Network,GRUDNN）算法构建危险货物运输实时风险预警模型,设计并实现基于混合深度学习GRUDNN的危险货物运输实时风险预警系统。论文的主要工作如下:（1）从人、车、路、环四个因素出发,并依据对危险货物运输事故的统计和分析,结合调查问卷结果和专家意见,确定危险货物运输实时风险指标及其参数定义,并对各项指标进行优化,据此全面评估危险货物运输实时风险,构建动态最优化危险货物运输实时风险评价指标体系,为危险货物运输实时风险预警算法做准备。（2）针对现有风险评估方法缺乏对危险货物运输风险动态评估的准确性,以及处理意外事件的灵活性,提出了基于混合深度学习GRUDNN的危险货物运输实时风险预警算法。最后,为了增加模型抗干扰的能力,采用预测相似性方法来提高算法的鲁棒性。（3）采用Vue.js框架构建系统界面和My SQL数据库管理数据,并将危险货物运输实时风险可视化,用红、蓝、绿、黄四种颜色来表示当前车辆的风险等级。以基于混合深度学习GRUDNN的危险货物运输实时风险预警模型作为后端主要的处理算法,形成集实时监控和风险预测一体的基于混合深度学习的危险货物运输实时风险预警系统。