基于客户绿色偏好的无车承运人平台车货匹配研究

随着"无车承运人"的兴起与发展以及人们对绿色物流、绿色货运的关注日益提升,如何借助"无车承运人"车货匹配平台组织物流运输、降低碳排放量、推进绿色货运发展成了现今货运行业研究的重要问题。本文首先通过建立车货匹配平台的油耗检测系统,从而利用油耗检测系统对司机的驾驶行为及车辆油耗情况进行监控检测,建立了驾驶行为节能评价模型。进而基于货主的绿色偏好,将由司机驾驶行为造成的能耗作为一项车货匹配指标,建立多对多的单边车货匹配模型,最后结合算例对模型进行求解验证,结果分析为货主匹配节能驾驶车辆提供了方案。通过与不考虑能耗指标的求解结果进行对比,得出在考虑用户绿色偏好的情况下匹配方案在降低碳排方面具有优势的结论。     

出租车驾驶员驾驶行为对油耗的影响及潜力分析

本文基于北京市出租车实际运行数据,研究城市快速路基本路段不同工况、服务水平下驾驶行为对出租车油耗的影响,分析各条件下生态驾驶节能潜力.应用方差分析方法,分析不同条件下驾驶行为对出租车油耗的影响.研究结果表明,出租车在城市快速路基本路段加、减速频繁;随服务水平提高,加速、匀速工况下车辆油耗升高,减速工况下车辆油耗降低;低服务水平下加速工况油耗是车辆油耗的主要来源.考虑各条件下油耗对出租车总油耗的贡献,提出生态驾驶行为节能潜力计算方法.分析结果表明,加速工况下生态驾驶节能潜力最高,出租车在快速路基本路段取生态驾驶行为的综合节能潜力可达 11.18%.     

大型货运车辆生态驾驶及节油潜力评估

改善驾驶行为、推广生态驾驶是未来降低机动车辆燃油消耗和污染排放的重要潜在方式.分析由车辆远程在线监控技术(OBD)获取的199辆大型货车在观测的4 d内的位置、速度、油耗等微观运行状态的逐秒数据，提出判定急加速、过急加速、急减速、过急减速和超长怠速等5种不良驾驶行为的统计方法，并建立面板数据固定效应回归模型分析5种不良驾驶行为对大型货车油耗的影响，进而定量评估改善不良驾驶行为的节油潜力.研究结果表明，超长怠速和过急减速行为会显著增加大型货车的油耗，减少超长怠速时间和过急减速行为的节油潜力分别可达2.6%和3.8%.     

大型货运车辆生态驾驶及节油潜力评估

改善驾驶行为、推广生态驾驶是未来降低机动车辆燃油消耗和污染排放的重要潜在方式.分析由车辆远程在线监控技术(OBD)获取的199辆大型货车在观测的4 d内的位置、速度、油耗等微观运行状态的逐秒数据，提出判定急加速、过急加速、急减速、过急减速和超长怠速等5种不良驾驶行为的统计方法，并建立面板数据固定效应回归模型分析5种不良驾驶行为对大型货车油耗的影响，进而定量评估改善不良驾驶行为的节油潜力.研究结果表明，超长怠速和过急减速行为会显著增加大型货车的油耗，减少超长怠速时间和过急减速行为的节油潜力分别可达2.6%和3.8%.     

动车组司机人格特征适应性评价方法研究

针对动车组司机人格特征评价问题,在构建动车组司机人格特征驾驶适应性评价指标体系的基础上,结合泛函理论构建了人格特征驾驶适应性评价模型。运用空间向量泛数对评价体系综合评价值进行分析计算,得到人格特征适应性综合评价值,用以反映被测动车组司机的人格适应性。在模型体系权重计算中采用了离散度算法,保证了权重确定的客观性。应用该模型结合实际数据进行了试算,验证了模型的合理性与实用性。     

出租汽车驾驶员生态驾驶行为培训方法--以北京市为例

驾驶行为是影响机动车能耗和尾气排放的主要因素之一,生态驾驶行为已在众多发达国家推广实施,并取得显著的节能减排效益。选取北京市同一车型的60名出租汽车驾驶员实施生态驾驶行为培训,利用OBD+北斗/GPS逐秒采集车辆油耗和运行数据。通过对比培训前后车辆平均百公里油耗改变量,明确生态驾驶培训的节能效果,形成面向出租汽车驾驶员行为矫正的生态驾驶培训方法。培训方案包括三种形式：基于培训手册和宣传视频的静态培训、基于驾驶模拟器的实操动态培训、先静态后动态的综合培训。培训结果表明：生态驾驶行为培训平均降低车辆百公里油耗8.6%;对出租汽车驾驶员实施动态生态驾驶培训更合理有效。由于车辆本身油耗的差异,生态驾驶行为培训对于改善公共交通、货运交通及长途客运汽车等行业的能耗现状可能更为显著。     

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

基于模糊神经网络的驾驶警觉度识别方法研究

为了有效识别驾驶警觉度,构建了一种基于脑电信号的驾驶警觉度识别方法。首先,以主观疲劳测评、驾驶行为绩效作为量化指标,验证驾驶警觉度等级划分的合理性。在此基础上,对脑电信号数据进行小波变换提取特征参数,作为驾驶警觉度的识别特征指标,结合模糊神经网络构建了驾驶警觉度识别模型。最后,采用该模型对20名驾驶员连续驾驶3h的脑电数据进行试算。结果表明:通过对前后时段的主观疲劳与行为数据进行对比分析,两时段数据存在着显著差异性,说明驾驶警觉度等级划分具有合理性;采用模糊神经网络的识别结果优于BP神经网络,其模型识别正确率为81.29%～84.95%,且平均正确率为83.12%,该方法可用于驾驶警觉度的识别。     

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。      

基于冲突的公路平面交叉口驾驶行为研究

考虑每种驾驶行为对交叉口安全产生的影响不同,采用数据统计的方法赋予每种驾驶行为不同的权重。依据实际调查数据,统计分析交叉口各种驾驶行为的分布,提出驾驶行为特征值的分析方法和模型,并以驾驶行为特征值为自变量,建立了驾驶行为与冲突的关系模型,模型表明冲突率和驾驶行为特征值能够较好的符合线性关系．     

自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接管行为、横向接管行为和眼部运动行为是3个潜在变量,找到可以表征这3个潜在变量的9个观测变量;根据修正指数多次修正得到最终的结构方程模型,由此获得表征驾驶人接管行为的各变量间的关系及对应的参数。研究结果表明:驾驶人接管自动驾驶车辆的全过程可分为5个阶段,即感知反应、减速避让、加速回升、稳定恢复以及稳定运行;当左前方车辆汇入当前车道,此时驾驶人接管风险较高;横向驾驶行为与纵向驾驶行为、眼部运动行为均显著负相关,相关系数分别为-0.226和-0.223,纵向驾驶行为与眼部运动行为正相关,相关系数为0.152;平均速度、总体横摆角均值、一秒内扫视时间可分别高度解释驾驶人接管自动驾驶车辆时纵向、横向及眼部的潜在行为。可见,此模型能有效揭示驾驶人接管自动驾驶车辆的整体行为与局部行为,有助于改进人机交互模式与自动驾驶接管请求提示。      

基于比功率的自动驾驶交通流油耗分析

鉴于油耗与节约能源和车辆尾气排放直接相关，探究自动驾驶车辆对油耗的影响. 以手动驾驶车队与自动驾驶车队为数值仿真对象，在交通震荡环境下设计数值仿真实验. 对车队的车辆数量，车队初始速度，以及自动驾驶车辆的车间通信延时做参数敏感性分析. 基于机动车比功率的油耗评价模型，对仿真结果进行统计；相比于手动驾驶车队，计算自动驾驶车队平均油耗率的降低. 从交通流稳定性角度考察油耗降低与稳定性状态转变之间的内在关联性. 研究结果表明，自动驾驶车辆对油耗的降低幅度与车队初始速度有关，与交通流稳定性之间存在定性的影响关系，交通流的平稳性有利于显著改善车辆油耗降低的幅度. 研究结果可为大规模自动驾驶背景下的油耗控制策略提供理论参考.     

基于K 近邻和支持向量机的醉酒驾驶识别方法的对比分析

醉酒驾驶严重威胁道路交通安全,对醉酒驾驶进行准确识别意义重大.利用驾驶模拟舱进行驾驶实验,提取醉酒驾驶和正常驾驶的驾驶行为参数.首先,通过方差分析和均值分析选取方向盘转角作为识别特征,并采用滑动数据窗求取方向盘转角均值序列,构建识别特征参数;然后,分别采用K近邻(KNN)和支持向量机(SVM)对驾驶状态进行识别,得到两种分类方法在不同道路线形的最高识别准确率及其相对应的最优数据窗;最后,对两种分类方法进行了对比分析.结果表明,SVM对醉酒驾驶的识别性能优于 KNN;数据窗对KNN的识别准确率影响显著,对SVM的识别准确率影响不明显.     

考虑我国驾驶行为特性的可变限速适应性研究

可变限速技术通过自动化采集交通流运行数据,并按照控制策略实时调整限速值以适应交通流运行的时空变化特征。目前,该技术已在美国等西方发达国家广泛推广,在我国尚未开展大规模的实践应用。以我国驾驶员的驾驶行为特性为主要考虑因素,通过采集城市快速路驾驶员驾驶行为特性数据,标定参数得到符合我国驾驶员行为特性的智能驾驶员(IDM)模型,构建微观交通仿真环境,研究快速路可变限速技术在我国驾驶行为环境下的适应性。仿真结果表明,可变限速技术能够在一定程度上改善我国快速路通行效率,但受驾驶行为特性参数差异性的影响,其改善幅度低于国外驾驶环境的快速路交通流。     

考虑驾驶愤怒的元胞自动机交通流模型

驾驶员在愤怒时的驾驶行为表现与正常驾驶时存在较大的差异,这些行为差异会影响车辆的运行速度、运行轨迹等,进而对道路交通流产生影响.文中在NaSch元胞自动机交通流模型的基础上,考虑愤怒驾驶行为的特点,从运行速度、换道条件和安全距离3个方面重新确定元胞更新规则,构建考虑驾驶愤怒情绪的周期边界条件下双车道元胞自动机交通流模型.在MATLAB环境下,对所建模型与普通NaSch交通流模型进行对比仿真分析.结果表明,驾驶愤怒所引起的行驶速度变化对交通流影响明显.     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

基于主成分分析与BP 神经元网络的驾驶能耗组合预测模型研究

近年来交通领域能源消耗问题备受关注,本文从微观交通能耗预测出发,以实现北京市快速路基础路段的油耗预测为目的,基于出租车车载OBD/GPS终端,提取驾驶员微观驾驶行为数据,建立基于主成分分析与BP神经元网络的油耗组合预测模型,实现北京市快速路基础路段油耗的准确预测.结果表明：速度均值及标准差、最大车速、工况百分比、加速度及减速度均值、行驶距离和动能对油耗影响程度相对较高;同时模型能够实现城市快速路基础路段能耗的有效预测,预测精度达到92.46%.该方法的研究为城市交通能源消耗的监管与把控提供了支持.     

基于聚类和马尔可夫链的货车实际工况构建方法研究

针对货车法规工况与实际使用工况的油耗等性能相差较大问题,利用车联网平台获取目标样车实车行驶数据,提出基于高斯混合模型聚类和马尔可夫链结合的货车实际工况构建方法。通过主成分分析、高斯混合模型聚类分析将运动学片段分类,类中以速度区间划分行驶状态,采用Laplace Smoothing方法来估计状态转移概率,利用马尔可夫链法合成类内候选工况,选择类内最佳工况,构建目标货车实际行驶工况。结果表明：与原始数据相比,所建工况速度-加速度联合概率密度分布吻合较好,整体特征参数平均相对误差为4.32%;与实测百公里油耗相比,法规工况和所建工况的仿真油耗相对误差分别为26.33%、4.86%。所建工况精度较高,能够有效反映车辆实际行驶特征及油耗性能,可以为车辆的精细化设计和实际道路整车性能评价提供条件和依据。     

手机打车软件操作驾驶分心检测模型研究

为探寻操作手机打车软件时的驾驶分心识别方法,本文开展模拟驾驶实验,采集了驾驶员在不同驾驶状态下的驾驶行为参数,通过对参数的统计分析,确立分心检测参数集。采用支持向量机分类算法理论构建基于驾驶绩效的分心检测模型,并利用实验数据验证模型的有效性。结果表明:该模型对驾驶员视觉分心驾驶行为检测率最高,正常驾驶行为次之,对认知分心驾驶行为的检测能力最弱,模型的平均检测正确率为86.67%,检测效果较好,可用于驾驶分心检测。     

欧盟等国有关汽车行驶记录仪的法规体系研究及其对我国的启示

汽车行驶记录仪(以下简称记录仪)是能够对车辆行驶速度、时间、里程以及有关车辆运行的其他状态信息进行记录的装置。由于记录仪能够真实记录车辆运行和司机驾驶活动的有关信息，因此在遏止疲劳驾驶、车辆超速等交通违章、约束驾驶人员的不良驾驶行为、预防道路交通事故、为事故分析鉴定提供原始数据、保障车辆行驶安全等诸多方面均可发挥重要的作用。