简介:换道是驾驶员达到快速通行目标的一种常用手段,但换道会带来很多公路交通事故。为有效避免交通事故,需给驾驶员提供换道安全预警。构建了安全换道决策模型,将换道决策分为换道意图识别和换道条件判断分别建立模型以提高预测精确度。通过神经网络方法SOM(Self-Organization-Map)聚类及BP(BackPropagation)建立换道意图识别模型,基于贝叶斯理论建立最小风险贝叶斯换道条件判别模型。模型开发和测试采用车辆轨迹数据集(NGSIM),提取数据中的换道行为特征参数作为模型的输入,将驾驶员换道决策预测视为输入变量的函数。通过对比最小贝叶斯和最小风险贝叶斯方法发现,由后者构建的换道条件判别模型效果较好,对于不换道行为的预测精度为90.4%,换道行为的预测精度为73.8%。鉴于错误的换道决策可能导致交通事故,而错误的不换道决策只会导致失去一次换道的机会,在换道辅助系统中,不换道决策的精确度要求需高于换道决策的精度。最后,在微观交通仿真系统中加入换道决策模型,其结果验证换道决策安全。最小风险贝叶斯换道条件判别模型的引入,使得换道决策系统能够通过修正风险系数,进一步提高换道判别精度,减少不安全的换道概率。
简介:利用RT-PCR(ReverseTranscriptionPolymeraseChainReaction)分离阿部鲻(Mugilogobiusabei)P-gp(P-glycoproteins)CDS(Sequencecodingforaminoacidsinprotein)基因,并进行序列测定与分析。结果表明,cDNA全长2073bp,其中阅读框1958bp,编码652个氨基酸,估算的蛋白质相对分子质量为71.87kD;5′非翻译区115bp。序列同源性分析表明,不同进化地位动物的P-gp编码序列存在高度同源性,显示P-gp基因在系统进化上高度保守。生物信息学分析表明,阿部鲻P-gp基因不含有编码蛋白信号肽的序列,预测结果显示,有4个跨膜区,编码蛋白含ATP结合盒(theATP-bindingcassette)内膜转运typ-1型结合域。
简介:为了检测转DREB(干旱应答元件结合蛋白)基因香花槐(Robiniapseudoacaciacvidaho)枯落物对土壤生态的影响,模拟林木落叶与土壤互作的自然过程,以转DREB基因及非转基因香花槐枝叶为材料,将枝叶与土壤以一定比例混匀,统计转基因香花槐和非转基因香花槐枝叶降解过程中土壤主要微生物群落数量的变化动态,通过探讨土壤中卡那抗性细菌的菌落变化来了解转化载体上抗性标记基因,npxII的漂移,从而了解外源基因环境释放的安全性。结果表明,在培养初期(3d)和第54d,转基因香花槐落叶细菌菌落数小于非转基因香花槐落叶的细菌菌落数,但无显著差异(P〉0.05)。枝叶土壤中放线菌菌落数量在前21d高低波动,但总体无显著差异(P〉0.05)。在处理第3d,含转基因香花槐枝叶的土壤霉菌菌落数量高于非转基因香花槐枝叶土壤;在第17d和第36d含非转基因香花槐枯落物土样霉菌菌落数量高于转基因土壤,且第17d差异显著(P〈0.05)。转基因植株和非转基因植株对土壤中3种微生物种群均没有显著影响。此外,转基因枝叶处理土壤的卡那抗性细菌菌落数量整体低于其非转基因枝叶处理的土样,但差异不显著(P〉0.05)。研究表明,在实验室培养条件下,转基因香花槐枯落物未对土壤主要微生物产生显著影响。