基于CBTC控制的全自动驾驶系统

主要介绍全自动驾驶(FAO)系统的发展和应用情况、系统的组成和特点,并提出引进采用该系统需要注意的问题。     

人工智能和数字化管理在公交行业中的运用

随着科技的飞速发展,数字化管理已成为现代企业不可或缺的一部分。公交行业作为城市交通的重要支柱,实施数字化管理是提高运营效率、优化服务质量的必要手段。而支撑数字化管理的重要路径人工智能(AI),已经渗透到生活的各个领域。     

十年辉煌嬗变,肥西公交一路向“民”而行

近年来,在肥西县委、县政府的正确领导和县人大、县政协的关心监督及产城集团的正确指导下,肥西公交有限公司(以下简称“肥西公交”)坚持以人民为中心的发展思想,以党建引领企业发展,通过党建与业务相融合,积极探索公司化运营模式,为建设人民满意交通塑造“肥西品牌”。     

数字赋能公交 智慧改变生活

时间是开拓者前行的足迹,公共交通是城市流动的血脉。在新时期,十年的伟大变革具有划时代意义。党的十八大以来,在习近平新时代中国特色社会主义思想的指引下,太原公共交通控股(集团)有限公司(以下简称“太原公交”)始终坚持“以人民为中心”的发展思想,统筹各项工作,充分应用信息化、智能化等新技术新装备,积极调研和挖掘群众出行需求,持续优化和丰富公交线网结构。积极主动融入城市发展新格局。     

基于车辆加速度数据的互通立交匝道驾驶风险分析

为明确互通立交匝道的运行特性和驾驶风险,在重庆市南山立交和江南立交开展了超过30位被试者的小客车实车驾驶试验,通过Speedbox和Mobileye等车载高精度仪器采集了小客车在4条迂回式匝道上的连续运行数据,包括行驶速度、横向加速度、纵向加速度等,明确了迂回式匝道的车辆运行状态,然后运用表征横、纵向加速度关系的G-G图分析了匝道行驶过程中的驾驶风险,确定了立交匝道不同位置的危险等级及危险驾驶行为的高发路段。研究结果表明:①立交匝道上小客车的横向加速度与速度呈三角形分布,纵向加速度与速度呈椭圆形分布;②小半径曲线匝道上出现危险驾驶行为的比例要高于大半径曲线匝道;③通过统计不同断面的危险驾驶行为点占比,将匝道的危险断面分为低风险、中风险、高风险3个等级;④男性驾驶员在立交匝道上的危险驾驶行为占比要高于女性驾驶员,冒险型驾驶员的危险驾驶行为占比要高于其他驾驶风格的驾驶员;⑤立交匝道的危险高发路段通常位于速度变化剧烈的路段,即入弯减速段和出弯加速段。      

基于RDE试验的车用发动机工作状态和排放浅析

在北京、重庆和昆明地区开展了轻型汽油车RD E试验,在满足当前法规RD E要求的前提下,研究了驾驶行为对轻型汽油车发动机工作载荷和真实道路排放的影响.研究结果表明:与WLTC工况下发动机的工作载荷相比,RDE试验发动机工作载荷区域更宽;RDE试验过程中激烈驾驶会引起燃油保护加浓,燃油保护加浓会导致CO排放随着激烈程度的增大非线性升高;基于平原WLTC循环的CO2特性曲线在高原地区开展RDE试验时,RDE试验窗口的正常性难以通过;冷起动阶段的排放远高于起动后的排放,起动阶段的排放物应纳于标准检测范围并予以规范.     

16部门联合印发《关于加强货车司机权益保障工作的意见》,意义重大

正值2022年元旦、春节临近,上千万货车司机们又将进入一年内最忙碌的运输季节之际,2021年11月3日,国新办举行"加强货车司机权益保障工作"新闻发布会,交通运输部、公安部交通管理局以及全国总工会相关负责人就日前交通运输部会同公安部、人社部、全国总工会等16个部门联合印发的《关于加强货车司机权益保障工作的意见》(2021年10月11日成文,下简称《意见》)进行了解读,并就有关问题回答了记者提问。     

中美公路弯道标志设置浅析

介绍美国公路弯道标志的设置方式,重点引用了美国《交通控制设施统一手册》中弯道标志的种类、设置位置、尺寸、间距的规定,探寻其背后的驾驶需求分析、人因工程分析等科学依据。国内弯道标志的设计主要以偏角作为弯道标志设置的依据,存在弯道诱导标设置数量偏少、诱导效果不佳、弯道标志尺寸太小、安全识认距离不足等问题。为此,建议采用更科学的弯道曲率半径,大幅提高弯道标志的尺寸,增大弯道诱导标的设置密度,有效提高标志的识认性和诱导效果,满足驾驶者在弯道驾驶需求。     

城市云道的人致振动舒适度分析

综合对比了国内外规范对于人行桥通行舒适度的规定,并以某城市云道工程人行桥为研究背景,利用大型通用有限元分析软件Midas/Civil建立背景工程的有限元模型,计算了其在人群荷载激励下的加速度响应,最后参考德国人行桥设计规范中的舒适度评价方法对该人行桥进行舒适度评价,并提出了相关建议.     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。