新城区CBD区域停车需求预测方法

在总结现有停车需求预测模型及新城区CBD区域停车特征的基础上,分析了现有模型对新城区CBD区域停车需求预测的适应性。针对现有模型在停车预测时存在的不足之处,综合考虑新城区CBD区域用地特征及交通特性,根据出行吸引强度及交通方式划分,构建适用于新城区CBD区域的停车需求预测模型,并结合济南西客站片区CBD区域进行实例验证。结果表明了该预测方法的可行性及结果的合理性。     

中心商业区停车方式选择行为影响因素研究

为了解中心商业区停车方式选择行为的因素影响,以沈阳市太原街片区为例,通过对停车行为的调查,应用非集计理论中的Logit模型,建立了包括出行者特征和选择方案特征的停车场选择模型,探讨了各种特征变量对停车方式选择行为的影响.分析结果表明:出行者性别、停车费率、停车后步行距离,停车费用支付者,以及停车时间对停车者的选择行为有显著影响.通过模型标定,建立了城市中心商业区地面以及地下停车场的选择概率模型.该模型可通过调节各影响因素取值来控制地面与地下停车场的选择概率.      

高架出口匝道区域工程措施实施边界条件研究

针对目前上海市交通高峰期部分出口匝道拥挤严重而面临可能采取工程措施的情况,利用VISSIM仿真软件建模进行出口匝道区域工程措施实施的边界条件研究。以模型中出口匝道车辆排队长度不回溯至主线为条件,确定某个出口匝道的疏散能力(能离开该出口匝道并通过前方交叉口疏散的最大交通量),为今后出口匝道的组织和控制奠定理论基础,并结合现状交通需求,定量确定实施工程措施的充分条件和必要条件,给上海乃至全国高架道路出口匝道区域工程措施实施与否提供理论依据。     

基于VISSIM仿真的高架出口匝道工程措施改善程度研究

在总结出口匝道拥挤的成因的基础上列举可能采取的各项工程措施。利用VISSIM仿真软件对典型出口匝道建模,针对各工程措施进行仿真研究,指出机非干扰是影响交通改善程度的重要因素;通过评价模型中不同衔接段长度下的交通运行状况,研究延长衔接段长度对交织区交通运行改善程度。为高架道路出口匝道区域工程改造实施与否以及如何实施提供理论依据。     

加压燃料电池发动机开发

以系统可靠性和耐久性为开发重点,通过引进空压机突破加压燃料电池发动机的技术障碍,提高系统工作压力到0.1 MPa左右.通过加压改善系统的增湿情况,提供系统工作温度,验证引进空压机的可靠性和在燃料电池系统中适应性,开发一套可用于轿车的燃料电池发动机.     

基于区位条件的停车配建指标研究

建筑物配建停车场是解决城市停车问题的关键,随着城市化和机动化进程的不断加大,现有的停车配建指标已经体现出分类粗糙,指标单一等方面的不足,且大多是基于调查进行统计归类的,忽略了区位条件这个关键影响因素。区位条件主要有经济条件、交通条件和地理条件,文中引用区位势这个概念,选择区位集聚和交通可达性2个区位因素作为影响配建指标的关键因素,重点分析距离阻抗、道路服务水平和道路等级对交通可达性的影响,并建立起其中内部因子和区位条件的关系模型。通过上海市某发展项目的实例,计算考虑区位条件后建筑物停车配建指标的调整状况。     

城镇化进程中城市出入口道路拥挤成因分析

城镇化进程的飞速发展对城市对外交通道路系统提出新挑战,城市出入口不但是城市道路网的重要节点,而且也常常是交通的瓶颈和事故频发点。基于对出人口道路交通运行情况的理解,以上海城镇化进程中出现的出入口道路交通拥挤问题为例,采用分类集中和数据分析方法从宏观、微观、用户出行特征、交通组织与管理等方面,探讨了造成交通拥挤的主要原因。     

2010年上海世博会行李跟随系统

为缓解世博会期间大量游客给城市交通和宾馆住宿带来的巨大压力,并消除游客由于携带大宗行李带来的旅游不便,采用RFID技术,从信息环境、系统调度、集约运输等方面为2010年上海世博会构建行李跟随系统。研究表明,行李跟随系统可由8个相关子系统构成,在RFID技术支持下形成完整的作业流程,既便于集中管理行李,又方便游客即时查询行李跟随情况,保证行李准时到达。世博会游客通过行李跟随服务,便于安排旅游行程计划,同时将缓解世博会交通压力。     

船舶航行交通事件实时检测技术研究现状与展望

船舶航行交通事件检测依赖基于历史数据的离线检测方法, 检测模型适用性差, 难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术, 可以发现: 在数据层面, 监测数据来源单一、环境信息缺失; 在方法层面, 基于统计、风险评估等经典模型的事件监测方法效率高但准确性低, 基于神经网络、图像识别等机器学习的检测方法准确性高但效率低; 多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上, 梳理了实时船舶航行交通事件检测的3项关键技术: (1)海事大数据技术: 高效处理船舶运动数据和航行环境数据, 统一多源异构数据结构标准, 降低数据源单一造成的事件误报率; (2)船舶行为动态建模技术: 利用知识图谱等技术融合船舶航行情境信息, 在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型, 提高检测准确性; (3)实时分析和可视化技术: 结合平行系统进行虚实系统间信息传递, 定性分析检测结果, 实时显示检测全过程, 提升监管过程中的人机交互效率。然后, 提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统; 该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面, 展望了面向海事监测实务的实时检测技术发展方向。      

多前车影响的智能网联车辆纵向控制模型

为了更好地模拟智能网联车辆(CAV)的跟驰特性, 在纵向控制模型(LCM)的基础上考虑V2V环境下多辆前车速度和加速度的影响, 构建了智能网联环境下的纵向控制模型(C-LCM); 对LCM和C-LCM进行稳定性分析, 比较了2个模型的交通流稳定域, 确定了不同通信距离时C-LCM对交通流稳定域的影响; 设计数值仿真试验对加速和减速的常见交通场景进行模拟, 分析了在V2V通信条件下CAV的跟驰行为特征; 仿真分析了CAV不同通信距离以及不同渗透率影响下的交通流安全水平; 构建了包含不同CAV渗透率的混合交通流基本图模型。研究结果表明: 交通流稳定域随着考虑前车数量的增多而增大, 当只考虑1辆前车时, 前车与本车的间隔越远, 车辆速度系数对C-LCM稳定域的影响越大; C-LCM可以提前对多前车的行为做出反应, 更好地模拟CAV的动力学特征, 在减速情景中速度超调量从0.15减少为0.08, 最大速度延迟时间由7.5 s缩短为4.9 s, 在加速情景中速度超调量从0.07减少为0.04, 最小速度延迟时间由3.5 s缩短为2.6 s; 随着CAV渗透率的提升, 交通流的安全水平不断提升, 当通信范围内有4辆CAV时, 交通流的安全性能达到最高, 其TIT和TET指标的最大减少量分别为57.22%和59.08%;随着CAV渗透率的提升, 道路通行能力从1 281 veh·h-1提升为3 204 veh·h-1。可见, 提出的C-LCM可以刻画不同车辆的跟驰特点, 实现混合交通流建模, 并降低混合交通流的复杂性, 为智能网联车辆对交通流的影响分析提供参考。