高速公路车辆换道行为风险研究

换道作为车辆的基本驾驶行为之一,对道路上车辆的运行安全有着至关重要的影响.针对高速公路上换道行为导致事故频发的现状,通过对换道车辆及其相邻车辆在换道过程中的运行特征及位置、速度关系进行分析,构建车辆安全换道模型.研究结果表明:通过对不同换道特征的换道行为进行MATLAB仿真,可确定车辆之间的不同速度、加速度情况及驾驶员反应时间下的动态安全距离,以此来确定换道安全和风险的动态临界阈值,为自动驾驶换道预警系统提供理论上的支撑.     

中小城市路段出入口管理仿真分析

在我国众多中小城市的典型路段上,普遍存在机非隔离带出入口密度过大的问题,严 重影响了城市道路的通行能力和通行安全,而通过出入口管理能够有效地提高城市主道路交 通安全性与运行效率。以北京市怀柔城区青春路作为研究实例,应用正交实验法对交通仿真 软件进行参数标定,再使用仿真软件对出入口改善措施的效果进行对比分析。通过正交实验 产生32 组实验方案,每个方案应用3 个随机种子,每个种子方案运行2h,结果表明：最小穿 越间隙和期望车速分布是与中小城市车辆行驶速度相关性最强的2 个参数,运用标定后的仿 真平台对青春路出入口改善措施进行效果评价后发现,合理的出入口管理措施能够使路段运 行速度提高1.8~4.4km/h。     

北京市停车信息资源管理系统设计与实现

针对北京市停车信息资源现状及其管理中存在的问题,构建了北京市停车信息资源管理系 统,并对其逻辑结构、系统组成和功能实现的技术方法加以介绍。基于SOA-面向服务技术架 构,该系统由停车资源信息数据库、接口服务集和停车资源信息管理系统三部分构成。即在采用 Oracle 技术构建停车资源信息数据库后,利用基于Web Services 的接口集成技术实现了与停车管 理业务相关部门的接口服务,进而实现了停车资源信息管理系统的虚拟化管理。经验证,所建面 向管理层和用户的智能停车信息资源管理系统能够促进现有停车资源共享,提高北京市停车位的 利用率,在一定程度上有助于缓解北京市的停车难问题。     

出租汽车驾驶员生态驾驶行为培训方法--以北京市为例

驾驶行为是影响机动车能耗和尾气排放的主要因素之一,生态驾驶行为已在众多发达国家推广实施,并取得显著的节能减排效益。选取北京市同一车型的60名出租汽车驾驶员实施生态驾驶行为培训,利用OBD+北斗/GPS逐秒采集车辆油耗和运行数据。通过对比培训前后车辆平均百公里油耗改变量,明确生态驾驶培训的节能效果,形成面向出租汽车驾驶员行为矫正的生态驾驶培训方法。培训方案包括三种形式：基于培训手册和宣传视频的静态培训、基于驾驶模拟器的实操动态培训、先静态后动态的综合培训。培训结果表明：生态驾驶行为培训平均降低车辆百公里油耗8.6%;对出租汽车驾驶员实施动态生态驾驶培训更合理有效。由于车辆本身油耗的差异,生态驾驶行为培训对于改善公共交通、货运交通及长途客运汽车等行业的能耗现状可能更为显著。     

考虑多车影响的分子动力学智能网联跟驰模型

为研究含智能网联汽车(Connected and Automated Vehicle, CAV)和人工驾驶汽车(Regular Vehicle, RV)混行交通流下CAV跟驰行为的控制问题,考虑前后多车的速度、车头间距、速度差、 加速差等参数,采用分子动力学定量表达不同周边车辆对主体车的影响,得到可用于描述CAV在 混行交通流中的跟驰过程。稳定性分析结果表明,与全速度差模型相比,本文提出的考虑前后多车信息的CAV跟驰模型有利于提高交通流的稳定性。数值仿真与模型验证结果表明,与PATH 实验室的CACC(Cooperative Adaptive Cruise Control)模型相比,本文建立的CAV跟驰模型平均速度最大误差减小了0.19 m∙s-1 ,平均误差减小26.79%,拟合精度提高了0.91%。同时,在CAV和 RV组成的混行交通流中,随着CAV比例的逐渐增加,车队的平均速度和交通流量逐渐增加。迟滞回环曲线表明,与全速度差(Full Velocity Difference, FVD)模型相比,本文提出的CAV模型控制下的交通流稳定性更强。该模型可用于同质流或CAV与人工驾驶车辆等混行环境下的CAV跟驰控制,在目前开展混行实车实验困难的情况下,为混行交通流场景下的车辆控制及交通设施规划设计提供理论依据和模型支持。     

换道过程中驾驶人感知操作的模式发现与规则挖掘

为发现高速公路下自由换道过程中眼睛感知-手脚操作之间的时序关联性，探索感知与操作相互作用的内在机理，采用驾驶模拟舱进行高速公路驾驶实验，采集眼动数据和车辆运行数据；分别提取换道瞬时和换道全过程的眼睛感知-手脚操作的特征；采用Aprior算法从换道瞬时和换道全过程两个角度发现眼睛感知-手脚操作的频繁模式，挖掘它们的关联规则。对于瞬时感知-操作，左换道发现13种频繁3项集模式，右换道发现18种频繁3项集模式；对于全过程感知- 操作，左换道发现4种频繁模式，右换道发现3种频繁模式。左右换道各自挖掘到6条有实际价值的关联规则。对频繁模式和规则分析发现：右换道比左换道需要较多的感知时间、较复杂的手脚操作行为。发现的频繁模式和挖掘的关联规则描述了自由换道过程中感知操作的特征和它们之间的关联性，能够为安全换道提供参考，为无人驾驶换道操作提供支撑。     

基于出行特征的用地类型推断方法研究

提出一种基于卷积神经网络推测城市交通小区内用地特征的算法,同时对交通小区内多种用地类型进行预测.选用公共交通出行数据集和网约车出行数据集,融合多种出行方式的出行特征对交通小区内用地特征刻画.提取交通小区内发生强度,吸引强度和产吸差强度3个指标作为模型输入,训练得到基于区域内出行特征双通道的卷积神经网络模型,采用网格寻优方法确定最优网络结构.选取北京市六环内交通小区作为研究对象,结果表明,本文算法能够同时推断交通小区内居住、工作和休闲用地特征,并获得各用地类型在小区内占比分布.     

基于时空轨迹跟踪的交通流特性参数检测分析

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.     

行人干扰对左转车流速度和加速规律影响及量化

中国信号交叉口中,机非干扰现象十分普遍.本文通过实际调查,以无行人影响的左转饱和车流为基础,通过显著分析方法,量化了行人位置（转弯车流内、外侧与距离）、人数对专用左转车流车速的影响,并根据严重程度将影响划分为4 个等级,同时拟合了各级影响下排队车辆起步后的速度时间变化曲线.研究结果表明：（1）行人距车流距离是显著影响因素,而行人人数不是;（2）车流两侧同时有行人对饱和车流造成的影响,与其中较严重的单侧行人影响情况相同;（3）排队车辆在加速过程中的速度变化曲线呈“S” 型,行人对车流影响越严重,车流加速到饱和流所需时间越长,饱和流车速越低,但不影响速度-时间曲线线型--“S”型.这些结论可为科学的交通管理奠定基础.     

安全道路条件计算研究综述与展望

为了促进中国道路安全工程的发展,系统梳理了国内外安全道路条件计算领域的学术研究现状、热点前沿、存在问题、具体对策及发展前景.总结了安全道路条件计算发展现状并对其未来发展趋势进行了展望,分别对道路线形、路面条件和驾驶人工作能力方面的研究内容进行了细化和梳理.为改善道路交通安全的严峻形势、完善道路交通安全评价理论与方法,采用驾驶工作负荷理论及表达方法的研究成果,研究驾驶期望行为(运行速度)、驾驶人自身能力阈限(生心理安全舒适感)、道路条件(包括路线平面、纵断面、横断面)、路面平整度等互动关系.研究驾驶人安全舒适性道路条件计算的多因素表达,为安全的道路条件设计与运行管理提供理论与方法支撑.