道路监控补光灯对青年驾驶员夜间行车安全影响研究

为了研究夜间环境道路监控补光灯对青年驾驶员驾驶行为的影响，考虑不同光照强度和是否存在行人横穿道路行为2个变量，通过UC-win/Road软件设计城市道路仿真场景，采用驾驶模拟器开展试验，并结合眼动仪、生理记录仪采集青年驾驶员的视觉、生理及驾驶操作3种特性指标。再利用重复测量方差分析方法，分析变量对青年驾驶员的3种特性的影响及其显著性水平。结果表明:①无论是否存在行人横穿道路行为，随着光照强度的增加，青年驾驶员的注视时间、瞳孔面积变化率及脑电(α+θ)/β均减小，心率增长率、制动踏板深度比例及制动反应距离均增加，表明光照强度越大对青年驾驶员的视觉、生理、驾驶操作特性越不利；②在存在行人横穿道路行为时，光照强度对青年驾驶员的视觉、生理及驾驶操作特性的影响更加明显；③当光照强度小于50 lx时，脑电(α+θ)/β和驾驶操作指标变化较缓，而光照强度大于50 lx时，脑电(α+θ)/β指标下降显著，变化率大于10%，其数值低于3.70，表明青年驾驶员产生情绪波动，警觉性显著增大，制动踏板深度比例显著增大，其数值大于0.55，制动反应距离超过13.40 m，制动操作力度较大，操作稳定性降低，且避让行人的成功率显著降低，不利于夜间行车。因此，建议道路监控补光灯的光照强度宜小于50 lx。      

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

公路作业区临时交通安全设施布局方案动态自动生成系统的设计与实现

针对公路作业区交通组织方案设计与相关管理人员编制临时交通安全设施布局方案不规范、效率低的问题，设计了一套公路作业区临时交通安全设施布局方案动态自动生成系统。该系统构建了作业区交通安全设施模型库以及三维交互模块，可生成二维静态、三维静态和三维动态三种形式的临时交通安全设施布局方案，实现临时交通安全设施与社会车辆在作业路段的三维动态交互功能。该系统可辅助设计与管理人员合理化、规范化编制作业区临时交通安全设施布局方案，提升方案编制标准化程度和效率，以动态、直观的方式呈现交通安全设施的布设过程，可提升作业区临时交通安全设施布局方案设计时间40%,提升作业区交通安全设施布局方案展示效果50%。     

新《海安法》下集装箱检验和监管对策研究

介绍了新修订的《海上交通安全法》以及国际公约和其他国内法律法规对集装箱检验和监管的要求,分析了外贸和内贸集装箱检验现状以及监管方面存在的问题,提出了相关对策和建议。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上，运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境，解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型，利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟，仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明:CACC车辆占比为40%~50%时，混合交通流安全性恶化最严重，TET和TIT分别增加约68%和89%，车辆速度离散系数为0.9以上；通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m），可有效降低混合交通流的追尾碰撞风险。      

建立以人为本的校园交通安全管理意识

随着大学校园对社会开放,行驶在校区内车辆也越来越多,交通安全隐患日趋加剧。高校加强校园安全管理和安全教育就非常重要,但一些高校在管理上出现了"车本位"现象。"车本位"暴露出前当高校校园交通安全管理与教育的薄弱环节:校园交通违法行为的处理缺少相关的法律规定;交通管理机制落后;校园内现有交通资源与实际需求之间有较大差距。提出了建立与完善高校校园交通管理的相关规定,加强对师生校园交通安全的教育,在高校校园内施行差别化交通管理等措施建议。     

分心驾驶研究文献计量学分析

车辆自动化和信息娱乐系统的发展趋势使驾驶人分心成为日益突出的社会问题。为全面了解分心驾驶的研究进展，本文选取近 12 年关于分心驾驶的 2313 篇文章，利用文献计量工具VOSviewer和R-Bibliometrix系统梳理与分析分心驾驶的研究现状。首先，概述分心驾驶研究的总体情况，包括分心驾驶研究的国家分布、核心作者及核心期刊；其次，重点归纳分心驾驶领域的高影响力文献，并从“注意力机制”“分心驾驶风险与年轻驾驶人驾驶行为”“分心源”“分心驾驶检测”“自动驾驶下驾驶人的分心效应”这5个研究主题总结分心驾驶的研究热点；最后，构建分心驾驶的研究体系，并预测未来的发展趋势。研究认为：有必要加强研究分心的形成、消散和恢复机理；需扩展研究对象和场景，综合考虑车内和车外的分心源以及复合分心带来的风险；多源信息融合及考虑多类型分心可以进一步完善分心驾驶风险的研究；界定分心状态与等级划分，针对不同驾驶分心类型的识别应是未来分心驾驶检测研究的重点；自动驾驶场景下的分心行为及接管效能，以及混合交通流下的分心状态是值得关注的研究。基于机器视觉的分心检测和自动驾驶的接管效能将成为分心驾驶领域的研究前沿。