常熟市公路网信息管理平台研究与建设

随着常熟市近几年公路网的快速建设,公路基础设施总量大幅度增加,然而受管理体制、技术手段等多方面因素的影响,多年来一直没有建立起完善的公路数据采集、更新及跟踪管理机制,无法及时掌握公路基础数据。     

基于DEA法的小城镇道路网综合水平评价模型——以武汉市远城区为例

结合小城镇道路网的建设情况,构建由建设、管理、技术和服务四个方面组成的评价指标体系,运用数据包络分析（DEA）方法建立小城镇道路网络综合水平评价模型,并运用该模型对武汉市远城区的小城镇道路网进行分析,结果表明该方法在小城镇道路网络综合水平评价中具有可操作性和实用性。     

船岸一体化数据同步的实现

由于船岸在地域上的分离,使得岸端管理人员缺乏对所属船舶使用燃油情况的有效监控．文章主要应用卫通设备INMARSAT—C,作为船岸数据传输的主要通道,使用增量数据作为船岸数据同步的主要依据。通过船岸数据同步,实现了船岸资源共享,信息互通,方便了公司管理人员及时了解船舶各种燃油使用情况信息。     

基于自然驾驶数据的城市交叉口纵向驾驶特征分析

为满足驾驶辅助系统在城市交叉口对类人驾驶能力的更高需求,本文中研究了实际交通中的驾驶人在该区域的纵向驾驶行为特征。从自然驾驶数据中提取了778条驾驶人接近城市交叉口的样本数据,应用YOLOv4识别了交通场景中的各类道路使用者,采用方差分析研究了反应特性在不同运动类型和交通密度中的差异,建立分层回归模型分析了制动特性与运动状态、运动类型和道路使用者的关系。结果表明：高密度交通显著降低接近速度;与右转驾驶人相比,停车驾驶人的反应距离更长;当接近速度较高或反应距离较短时,会在更短的时间内以更高的减速度和制动强度接近交叉口,且提前4.46 s开始制动;不同道路使用者对制动特性产生了不同影响,停车驾驶人主要关注同向行驶的他车,右转驾驶人主要关注行人和骑车人。     

基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

2021年11月全球多数国家汽车销量下降

美国:新车销量104.0万辆,同比下降15.8％ 根据美国商务部经济分析局发布的数据显示, 2021年11月,美国汽车销量完成104.0万辆,同比下降15.8％.2021年1-11月,美国汽车销量累计达1414.1万辆,同比增长6.9％. 2021年11月,分主要车型来看,轻型车销量为100.1万辆,同比下降16.5％;重型卡车销量为3.9万辆,同比增长6.7％.轻型车中,轿车销量为19.5万辆,同比下降29.6％;轻型卡车销量为80.6万辆,同比下降12.5％.     

海底对无人水下航行器水动力性能的影响

为了保证无人水下航行器（UUV）近海底作业时的安全性及作业效率,需要分析海底对UUV水动力性能的影响。基于计算流体力学（CFD）方法对UUV靠近海底时的水动力参数进行求解,通过数值模拟UUV近海底附近的流场,得到了UUV阻力系数和升力系数随雷诺数、距海底的距离和攻角3个参数的变化规律,并针对UUV受到的阻力、吸引力以及流场特性的变化进行具体分析。结果表明,在距离海底一定范围内,UUV受到的阻力和吸引力都会增大,吸引力更为明显,这为UUV的实际工作提供了一定指导。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明:相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。