双车道公路事故多发路段运行速度特征分析

通过海南省国道G224海榆中线交通事故特征的时空分布分析和事故形态分析,得到双车道公路事故与速度特征指标间的相关关系;在综合分析车速与事故方面已有研究成果的基础上,提出了大小型车速度离散率的概念;基于海榆中线3年的事故统计数据及多处事故路段的连续车速观测统计数据,建立了大小型车速度离散率与事故率的关系模型,据此给出了大小型车速度离散率表征的具体路段事故状况评价标准。结果表明:大小型车速度离散率与事故率之间存在相关性,其相关模型采用指数分布拟合更为合理。     

大客车对行人碰撞事故再现研究

利用数值模型仿真试验,研究再现大客车与行人碰撞事故的方法。并将该方法应用到一次真实交通事故中去,初步验证了该模型和方法的可行性。将行人抛距分析方法引入事故再现分析,并结合仿真结果,建立新的适合该类事故的行人抛距与车速关系模型。     

中大展示四款杰作

为全面展示中大客车年度新品，中大汽车集团特携YCK6128HEC纯电动客车YCK6128HGN豪华旅游客车，YCK6129HGD豪华长途客车，YCK6898HP中型豪华客车四款精品亮相。其中．中大YCK6128HEC纯电动客车具有续驶里程长，能量消耗小、电池深充放电次数大于1000次，使用寿命大于50万公里，客车最高车速不低于110km／h．     

典型行人事故场景搭建及驾驶人应激反应试验研究

为研究驾驶人在应激状态下的生理变化和心理负荷特性,选取心率增长率和低频段心率变异性频率值(心率变异性LF值)作为驾驶人应激生理变化的评价指标,根据中国交通事故深入研究(CIDAS)数据库中的中国典型交通事故情况,筛选出典型行人事故场景,在驾驶模拟器上实现动态仿真.结果表明,在车速和应激反应距离条件变化时,驾驶人的心率增...     

基于matlab的大客车平顺性仿真分析研究

应用Matlab-GUI技术和simulink仿真技术,建立五自由度的车辆模型及仿真程序,根据某型大客车的整车参数,在matlab中进行大客车平顺性仿真分析,将分析结果与试验结果进行对比,发现所建立的车辆模型和仿真程序可以对客车的平顺性进行正确的评价。     

基于自然驾驶数据的高速公路跟驰模型参数标定

为了研究中国驾驶人在高速公路上的跟驰行为特征，从上海自然驾驶研究试验数据库中提取48位驾驶人在高速公路上的跟驰事件并进行特征分析。利用自动化筛选准则及人工验证方式提取1 548个有效事件，选取后车车速与车头间距为性能指标，其均方根百分比误差之和为目标函数，利用遗传算法对Gazis-Herman-Rothery模型、GIPPS模型、智能驾驶人模型、全速度差模型和Wiedemann模型进行参数标定及效果验证。基于误差、碰撞及后退等异常情况出现次数等比较其表现性。研究结果表明：不同模型对中国驾驶人的适应性不同，智能驾驶人模型具有最小的误差和误差标准差，更加适合仿真中国驾驶人在高速公路上的跟驰行为。研究结果对于开发适合于中国驾驶人与道路环境特征的跟驰模型具有重要价值。     

基于线形与交通状态的山区高速公路追尾事故预测

为了进行山区高速公路追尾事故预测并识别追尾事故突出诱导因素,在对两车追尾事故进行类别划分并确定出典型两车追尾事故的基础上,分析了典型两车追尾事故的事故率与线形指标、车速差、大型车混入率、交通量等单一因素间的相关关系。鉴于单一因素与追尾事故率间的关系不能准确描述追尾事故发生规律的缺陷,建立了线形与交通状态组合条件下的追尾事故次数负二项分布预测模型,并给出了模型变量弹性系数计算方法,用以确定追尾事故的突出诱导因素。研究结果表明：基于线形与交通状态的追尾事故负二项分布预测模型能够对追尾事故进行准确预测,利用弹性系数计算方法确定出车速差、年平均日交通量（AADT）以及竖曲线半径为典型两车追尾事故的突出诱导因素。     

基于LightGBM的驾驶人风险感知能力判别方法

碰撞风险与风险感知能力有关, 为准确评估驾驶人风险感知能力, 设计考虑危险源个数与类型的驾驶模拟试验, 采集危险场景下的驾驶人驾驶行为与眼动特征等数据。利用Mantel-Haenszel检验分析危险源因素、驾驶人个人特性在不同风险感知水平人群下的差异性, 借助Spearman相关性分析探索驾驶行为、眼动特征与风险感知能力之间的关系。结果表明: 危险源个数、类型与风险感知能力负相关。驾龄、车速、纵向加速度、刹车深度、制动反应时间及位置等与风险感知能力显著相关。风险感知能力迟钝的驾驶人车速偏高且加速度更大, 刹车深度更深, 从发现危险事件到采取行动需要更多的反应时间。构建综合风险感知能力评价指标集, 借助Random Forest算法对特征进行重要性排序, 在此基础上利用LightGBM算法建立驾驶人风险感知能力判别模型, 分析不同特征个数输入对模型性能的影响。结果表明: 与SVM和AdaBoost等算法相比, 基于LightGBM算法的模型F1值达到86.07%, 精度为86.14%, 可以有效地对不同风险感知等级的驾驶人进行分类。      

基于承载式客车的正面碰撞性能仿真研究

以某型承载式大客车为研究对象,利用有限元法和非线性理论建立整车有限元模型,通过通用显式动力分析软件对其100％正面碰撞进行仿真计算,研究该承载式车身骨架结构的变形大小以及变形特点,并对乘员的生存空间进行分析比较,评价该客车耐撞性与安全性能,并为进一步研究改进客车耐撞性能提供相关参考。     

我国卧铺客车交通安全问题研究

近年来,我国卧铺客车肇事导致的重特大事故频繁发生,一直是全社会关注的焦点。本文分析了2009-201 1年我国卧铺客车事故特征及车辆、管理、驾驶人等方面存在的安全隐患,梳理了与其相关的安全技术性能要求,并提出了严格卧铺客车驾驶人准入和日常管理、加强重点安全隐患排查等针对性的治理对策。     

高速公路夜间最高车速限制研究

为了合理确定高速公路夜间最高车速限制值,保障高速公路夜间行车安全,进行了驾驶人夜间距离识别与车速感知试验研究.分析了行驶速度、平曲线半径和纵坡坡度对高速公路驾驶人夜间识别距离与感知速度的量化影响,并建立了高速公路驾驶人夜间识别距离模型与感知速度模型.基于驾驶人夜间识别距离与反应制动距离间的安全行驶判别条件及驾驶人夜间感知速度模型,给出了高速公路夜间最高理论限速值与修正限速值的确定方法,并进行实际案例分析.研究结果表明:驾驶人夜间识别距离与行驶速度呈负线性相关,与平曲线半径呈正对数相关,与公路纵坡坡度呈负指数相关;驾驶人夜间感知速度与纵坡坡度无关,与实际行驶速度呈正线性相关,与平曲线半径呈负对数相关.     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

模拟驾驶环境下驾驶人分心状态判别

为了探寻驾驶人分心判别方法,构建了驾驶人分心状态判别模型。首先设计分心模拟驾驶试验,采集正常驾驶和发送语音信息过程中的驾驶绩效特征和驾驶人眼动特征数据,建立驾驶人分心状态判别指标备选集;其次,采用基因选择算法对备选指标进行筛选,得到29个备选指标的重要度排序;然后,依次选取重要度较高的部分指标作为BP神经网络的输入指标,利用遗传算法（GA）全局搜索的性能优化BP神经网络的初始权值和阈值,将优化后的GA-BP神经网络作为弱分类器,再将多个弱分类器组合成Adaboost强分类器,建立基于Adaboost-GA-BP组合算法的驾驶人分心状态判别模型;最后,利用模拟驾驶器试验平台采集的数据计算不同判别指标数量下模型的性能,从而确定最优判别指标,并对模型进行验证和评价。结果表明：模型最优判别指标为重要度排序中前14个指标;模型能够准确识别驾驶人分心状态,判别精度为95.09%;与BP神经网络算法、GA-BP神经网络算法和Adaboost-BP神经网络算法相比,Adaboost-GA-BP组合算法在准确率、精准率、召回率、F₁值和ROC曲线等模型性能方面均最优。建立的模型能够有效判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。     

基于视知觉的交通可变标志信息认度评价

交通可变信息标志(Variable Message Signs,VMS)作为交通信息动态发布设施,被广泛应用于城市道路及高速公路管理中。由于VMS发布的图符信息数量及大小等缺乏标准,无法衡量发布信息是否有效传递给了驾驶人。为了准确度量VMS发布信息的视认有效性,基于驾驶人视知觉理论和VMS识别过程的特征,建立VMS信息量的量化方法,提出VMS认度概念。根据影响静态VMS有效视认的信息量、驾驶人动视力、车速等因素,以认度率为评价指标,建立信息量-认度评价模型;对影响动态VMS有效视认的屏幕信息滚动周期、视认冗余距离等因素,以周期有效度为评价指标,构建周期-认度评价模型。然后,通过视觉信息获取试验,将1s时间内人眼可获取信息量与实际信息量的比值作为可获取信息系数:当信息量在50比特内,测试对象可获取信息系数最大,可获取信息系数趋于常数1;当信息量增加至56~105比特时,测试对象可获取信息系数呈指数骤减,随后趋于稳定(人眼可获取信息系数ρ=0.22±0.02)。最后,通过对实际道路中驾驶人对VMS信息获取情况的调查,采用认度评价模型与驾驶人实测结果进行对比分析,当静态VMS信息量大于90比特时,信息量轻微过载,驾驶人无法准确获取标志信息;当动态VMS标志周期有效度小于0.9时,驾驶人无法完整视认标志。该认度评价方法经过路测试验验证,可为VMS设计、信息发布管理提供参考。     

再问“2·13”事故 台湾客车的问题出在哪?

正大客车载客多,一旦发生事故往往造成严重后果。台湾"2·13"事故中大客车发生侧翻,整个车顶破解,台湾大客车车辆自身的安全性被业界专家、媒体舆论所诟病。此次事故究竟暴露出台湾大客车车辆的哪些安全问题及相关部门的监管问题?又对我国大陆地区客车生产及管理带来哪些警示?     

基于新能源公交大数据的驾驶行为经济性评估

为了提高公交运营企业的经济效益和新能源公交车的节能减排水平,建立一种基于独立性权系数法和改进TOPSIS方法的驾驶行为经济性量化评估模型,利用公交运行大数据对驾驶行为经济性进行综合分析.在评价指标体系的建立过程中,共6个指标被选作主要评价依据,包括平均每公里电荷比、车速标准差、急加速次数比、急刹车次数比、电流过大次数比...     

百字警钟

山西8月18日21时30分,孝义市境内发生一起客车与运煤大货车相撞事故。事故造成客车上12人死亡,两车共20人受伤,其中7人重伤。8月31日12时10分许,太原市中心医院职工集体旅游返回途中,大客车侧翻于5m深的沟内,致使车内乘员3人当场死亡,1人送医院后,经抢救无效死亡,21人受伤。初步查明,事故发生的主要原因是驾驶人操作不当。     

基于视错觉的公路隧道中部安全控速方法

公路隧道中部低照度、环境单调的特点,容易导致驾驶人产生严重视错觉,从而低估车速,引发交通事故.高频视觉信息容易导致驾驶人高估车速,而中、低频视觉信息则会导致驾驶人低估车速,但不同频率视觉信息,不同照度水平对公路隧道中部行车环境中驾驶人的车速感知影响缺乏定量分析.文中利用3ds Max软件制作公路隧道中部行车仿真模型,利用E-prime软件进行基于极限法的车速感知心理物理实验,并用实车试验数据校核了模型精度,对高频视觉信息与高、中频组合视觉信息在不同照度水平(100％,50％,25％标准照度)条件下的速度感知、反应时进行了对比研究.实验结果显示:公路隧道中部的速度感知主要由高频视觉信息决定,在100％标准照度条件下高频视觉信息的车速高估约为20％,在加人中频视觉信息后,车速高估情况趋于合理,约为14％;照度变动对速度感知和反应时均有显著影响,显著度分别为0.008和0.013,照度条件越好,车速高估越低,反应时越短.     

国外客车被动安全研究

近年来,国外大客车被动安全研究进展迅速,并取得了良好的效果。在欧美等国家,虽然公路客运量比重最大,但与其它交通工具相比,大客车交通事故死亡人数却是最少的,这与这些国家客车的被动安全研究有密切的关系。本文从国外客车事故统计与分析、被动安全研究方法以及目前正在研究的新项目等三方面对国外大型客车被动安全研究的状况进行介绍,以对我国刚刚起步的大客车被动安全的研究工作起到推动作用。     

城市隧道驾驶员生理特征差异性研究

隧道出入口处驾驶人生理特征变化与交通安全关系紧密,为掌握该路段驾驶人生理特征变化规律,提高隧道口行车的安全性,通过实车实验采集进、出隧道前后的照度、实时车速以及驾驶人心率、瞳孔大小等参数,运用数理统计对比分析了驾驶人在隧道入口和出口段行驶时的心率、瞳孔大小2个方面生理特征的变化规律及差异性.对心率与照度、车速进行了偏相关分析,并建立了入口段心率与照度、车速间的多元线性回归模型以探索外部因素的对心率的影响程度.结果表明,驾驶人心率在进隧道前后存在显著差异,出隧道前后不存在显著差异;瞳孔大小在进、出隧道前后2个阶段均存在显著差异,进行显著性检验的值均接近于0;隧道入口段心率与照度、车速的偏相关系数分别为-0.65和-0.74;入口段仅考虑车速与照度2个因素时所建立的回归模型拟合度为0.66.