基于非参数回归的短时交通流预测研究综述

短时交通流预测是实现交通控制和诱导的关键问题之一。综述了基于非参数回归的短时交通流预测方法,指出了状态向量的选取没有考虑天气环境等存在的问题,提出了改进思路和方法,即基于动态聚类和决策树的历史数据组织方式、时空一天气环境相结合的状态向量选取方法以及基于密集度和状态向量的自适应变K机制等,期望通过这些改进能提高基于非参数回归短时交通流的预测精度,为交通控制和交通诱导建立基础。     

基于分布式Q学习的区域交通协调控制的研究

介绍了强化学习和分布式Q学习的基本思想,并将分布式Q学习应用到区域交通协调控制中,通过对其进行研究和分析,提出一种适合于区域交通协调控制的奖惩函数和权值函数.在微观交通仿真软件Paramics上对控制算法进行仿真实验,实验结果说明基于分布式Q学习的区域交通协调控制算法的效果优于传统的定时控制,从而也验证了奖惩函数以及权值函数的有效性.     

�յ������¼�ʻԱ·��ѡ����Ϊ���ݻ����ķ���

交通诱导是交通管理者、驾驶员等交通参与者之间的一个博弈过程，在这个过程中，每个驾驶员根据所拥有的信息修正自己的行为策略以提高盈利，从而构成交通又到演化中的宏观结构与驾驶员的微观行为之间互相影响的自组织现象。本文应用演化博弈论对交通诱导演化过程进行了分析，建立了诱导条件下驾驶员选择行为的演化模型，并对其进行分析以求为建立实用的诱导策略提供理论支持。     

���п���·����ѵ������㷨��PARAMICS�����о�

本文基于对城市快速路入口匝道控制问题的分析，用微观交通仿真软件PARAMICS建立入口匝道控制仿真模型，对三种入口匝道控制算法（ALINEA，NEW-CONTROL和MIXED-CONTROL）进行仿真对比研究。结果表明三种算法都能一定程度上改善快速路的交通拥挤。同时给出三种算法的差异性描述，从交通流特征和算法特点分析产生差异的原因。最后指出MIXED-CONTROL在优化主线交通流的同时减少了入口匝道的车辆排队长度，其在高需求时的总体性能优于其它两种算法，是比较适合于实际应用的匝道感应控制算法。     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务(娱乐任务和工作任务)和接管请求时间(5 s和10 s)因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标...     

城市道路拥堵程度评判方法研究

对城市道路拥堵程度进行科学的评判可以为人们的出行和交管部门的决策提供指导.采用平均行程速度和交通饱和度这两个交通流参数作为道路拥堵程度的评判指标,首先设计了获取平均行程速度和交通饱和度的方法,然后应用模糊算法对评判指标和拥堵程度进行量化,建立了相应的隶属度函数与模糊判断规则体系,设计了城市道路拥堵程度的评判方法,最后结合实例进行分析.     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

雾天高速公路换道行为特性研究

为探寻雾天不同能见度水平对高速公路驾驶员换道行为特性的影响,利用高仿真驾驶模拟实验平台构建不同能见度条件下的高速公路雾天环境,并开展驾驶模拟实验,采集了驾驶员在正常天气以及大雾、浓雾天气下自由换道过程中的行为特征,采用Friedman检验对换道持续时间、换道速度的平均值和标准差、换道时跟车距离4个指标进行分析.分析结果显示正常天气下的换道持续时间小于雾天环境(正常天气左换道时间平均为5.96 s,大雾环境下为6.02 s,浓雾环境下为6.31 s)且存在显著性差异(sig.=0.00);正常天气下的换道平均速度与跟车距离大于雾天环境(正常天气下左换道平均速度为104.24 km/h,大雾环境下为94.67 km/h,浓雾环境下为85.95 km/h;正常天气下左换道跟车距离平均为109.58 m,大雾环境下为77.54 m,浓雾环境下为74.63 m).结果表明,随着能见度水平的降低,驾驶员在高速公路执行换道过程时持续时间延长、速度降低,同时跟车距离缩小.雾天不同能见度水平对高速公路驾驶员换道行为产生不同程度的影响.      

基于扩展TAM的车路协同系统驾驶人接受度研究

车路协同系统（Cooperative Vehicle Infrastructure System，CVIS）已成为智能交通领域的前沿技术和研究热点。世界各国都在致力于CVIS的研发、试验、示范应用和效用评估。然而CVIS的服务对象是驾驶人，在其正式投入使用之前研究驾驶人对CVIS的主观接受度及其影响因素非常重要。基于此，以基础的技术接受模型（Technology Acceptance Model，TAM）为理论框架，在基础变量（感知有用性、感知易用性、态度和使用意图）的基础上，引入预警服务质量、分心感知、个人创新和信任度4个扩展变量，建立扩展TAM，分析驾驶人对CVIS的主观接受度及其影响因素。首先，通过在线调查收集392名驾驶人对CVIS的技术接受问卷；然后，使用Cronbach's α和验证性因子分析检验问卷的信效度；最后，采用路径分析探究驾驶人对CVIS的接受度及其影响因素。研究结果表明：基础TAM变量之间的关系与基础模型假设一致；CVIS的预警服务质量通过感知有用性、感知易用性和态度间接影响使用意图；驾驶人对CVIS的分心感知对其态度和使用意图没有负向影响；驾驶人的个人创新不仅直接影响使用意图，而且通过态度间接影响使用意图；驾驶人对CVIS的信任度是使用意图的直接影响因素，也通过其他变量间接影响使用意图。研究结果有助于了解驾驶人对CVIS的接受度及其影响因素，并为CVIS的设计提供理论依据。