����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

机动车交通流比功率与能耗模型研究

为研究机动车交通流能耗,将机动车交通流比功率(VSP)作为研究对象.从最常见的单车比功率研究出发,使用气体动力学交通流模型联系单车比功率与交通流整体比功率,以此建立交通流比功率模型.为使此模型具备更显著的物理意义,将交通流比功率分为两部分,一部分为平衡交通流状态下的比功率,另一部分为偏离平衡交通流状态导致的比功率变化量,模型中的交通流参数与变量能够通过现有的交通流探测设备获取.将比功率理论模型从单车扩展到了交通流,用数学公式反应了交通流状态与比功率的关系,并且证明了交通流比功率能够通过交通流参数进行估计.并由交通流比功率出发,推导出交通流比功公式.此外研究了平衡态交通流比功率及比功与密度的关系.为研究机动车交通流能耗探索了新的思路.     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足，本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法，实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理，以此为属性数据，通过迭代计算轮廓系数确定k 值完成轨迹点聚类，结合二次处理方法对类簇进行拆分和融合以划分道路交通状态；在特征级建立多源数据融合方法，实现交通状态速度值计算；以归一化后的速度值为属性数据，通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明，本文方法能够实现道路交通状态精细划分，能有效地识别出道路局部位置的交通状态，进而可为城市道路交通管理提供决策支持.     

时间社会学视角下老年人对家庭出行行为的影响研究

为阐述家庭微观社会情境中老年人与同住成员之间的行为交互对个体出行决策的影响，本文从时间社会学视角出发，以昆明市有老年人家庭为分析单元，用家庭贡献度量化老年人家务活动的分担程度，构建结构方程模型揭示老年人对家庭成员日常活动时间结构的影响，进而剖析成员间的活动交互影响机理.结果表明：老年人家庭贡献度增加时，成员间在非通勤活动上的交互效用减弱；由于女家长在时间结构上呈现隐形的“时间贫困”特征，其在活动-出行模式上受老年人家庭贡献度的影响显著高于男家长；与此同时，老年人作用下女家长在非通勤活动出行决策时优先考虑家务活动的时间安排，而男家长则优先考虑自由活动的安排.     

手机社交娱乐操作对驾驶人视觉参数影响研究

为探究手机社交娱乐操作对驾驶人视觉参数的影响，基于模拟驾驶器和SmartEye 眼动仪设计模拟驾驶实验，采集驾驶人正常驾驶、拨打电话、收发信息等5种操作下视觉特征数据，应用拉依达准则和联合频数分布直方图进行数据归约.针对不同操作下视觉参数，应用箱形图和Kruskal-Wallis显著性检验，验证视觉参数评价指标的有效性.结果表明：随手机操作类型的不同，驾驶人水平和垂直视角标准差、视线离开道路时间百分比、扫视平均速度和眨眼持续时间呈显著性变化，可作为视觉参数影响的评价指标；观看视频和刷朋友圈操作对驾驶人视觉影响程度明显高于拨打电话和收发短信操作.     

考虑移步需求的无桩型共享单车动态调度研究

共享单车系统自发的不均衡性导致单车数量分布与用户需求分布之间产生偏移，降低了系统服务能力，需要调度实现再平衡. 现有动态调度算法缺乏考虑起点车辆供给不足，用户在出行过程中“再次”取车的移步需求，难以准确识别用户真实的出行需求分布，降低了调度效果. 本文提出以用户出行选择行为为下层，以调度车辆路径规划为上层的双层规划模型框架，设计结合仿真系统的启发式求解算法. 算例场景基于上海市虹口、杨浦区共享单车历史出行数据搭建，并进行网格化处理. 算例结果表明，模型能有效识别移步需求，提高共享单车的供需匹配能力. 针对各类调度资源配置情况，共享单车的供需匹配率提升18.07%~ 19.89%，提高了共享单车系统的管理效率.     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.     

Traffic impact analysis of inspection area site selection at a foreign trade container terminal

ABSTRACT

To improve the security and efficiency of terminal operations, a key issue for land area layout at a foreign trade container terminal is to plan and design an inspection area. Since it directly affects terminal traffic, while determining inspection area site selection, we should pay a great attention to operations and management of terminal traffic as well as container inspection. This paper employs a system decomposition technique to develop an integrated simulation framework, which enables us to flexibly obtain the whole picture of terminal traffic conditions and evaluate traffic impacts of inspection area site selection. A real-world terminal with typical patterns of land area layout is chosen to carry out a case study, which shows that traffic flow is unevenly distributed on the terminal road network and that the distribution is influenced by truck streams at the terminal. New findings also include: (1) traffic volume at the terminal apron is rather unbalanced in association with the non-continuous utilization of berths; (2) a proper inspection area should be located near the gate if the terminal conditions permit from the perspective of terminal traffic. This work may provide a decision-making reference for the planning and construction of foreign trade container terminals.     

基于AHP-TOPSIS的山区低等级公路路面破损评价方法

以山区低等级公路路面为研究对象,依据不同种类路面的破损危害性不同,拟在公路路面评价中提出路面破损指数概念,对山区低等级公路路面破损程度进行综合评价。所用模型是利用层次分析法(AHP)对不同种类的路面损毁危害性进行赋权,并利用逼近理想解排序法(TOPSIS)计算山区低等级公路路面破损程度与最优情况的贴近度,进而将山区低等级公路路面破损情况转化成区间为[0,1]的路面破损指数,其中路面破损指数越大表示路面的破损程度越高。此模型方法简单,能够运用少量数据对山区低等级公路路面的破损程度进行定量评价,可为山区公路的养护工作提供更准确的数据参照。     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。