为减少行人违法过街现象,提高行人过街安全,对信号交叉口行人过街行为机理进行研究。首先,通过相关性分析找出个人属性、家庭属性、行人设施属性、交通状况属性中对行人过街行为有显著影响的因素。另外,除上述可见因素外,也存在一些观察不到的心理因素会对行人行为产生影响,如对交通安全的态度、对舒适性的要求、从众心理的强弱等。将这些心理层面的主观偏好定义为隐性变量,通过对解释变量和表征变量的结构方程建模获取。最后,将相关性分析得出的关键因素和隐性变量共同作为自变量,引入到logit模型中,建立行人个体违法过街行为的MNL

人工智能-机器学习-机器人软件构件的行为选择与修复.pdf

随着机器人智能化的不断发展,行为机器人越来越受到人们的重视。而复杂多变的运行环境,给机器人的行为设计提出了一个很大的难题。根据以往的日常经验总结出来的行为反应规则很可能适应不了各式各样的运行环境。本文提出一种机器人在线自学习方法,使机器人在没有现成的合适运行规则可循的环境运行的过程中不断总结经验,自我学习,并对学习得到的成果进行检验。实验时,不给机器人初始化任何路径规划信息,而是通过让机器人在简单环境下自行运动,由得到的实际运行结果,检验本方法的实际效果。检验结果令人满意。