社会力模型在行人运动建模中的应用综述

为研究社会力模型在行人运动建模中的应用状况与存在的问题,系统分析了相关文献,跟踪研究了模型的基本原理、表达式的改进、参数的取值、可行性和模拟结果的真实性.研究显示,社会力行人交通流模型能较好地反映行人流在正常和逃生情况下的状态,模拟结果与实测的行人现象符合,具有很好的适应性和真实性,可为交通设施设计和行人流管理提供参考...     

模拟驾驶环境下驾驶人分心状态判别

为了探寻驾驶人分心判别方法,构建了驾驶人分心状态判别模型。首先设计分心模拟驾驶试验,采集正常驾驶和发送语音信息过程中的驾驶绩效特征和驾驶人眼动特征数据,建立驾驶人分心状态判别指标备选集;其次,采用基因选择算法对备选指标进行筛选,得到29个备选指标的重要度排序;然后,依次选取重要度较高的部分指标作为BP神经网络的输入指标,利用遗传算法（GA）全局搜索的性能优化BP神经网络的初始权值和阈值,将优化后的GA-BP神经网络作为弱分类器,再将多个弱分类器组合成Adaboost强分类器,建立基于Adaboost-GA-BP组合算法的驾驶人分心状态判别模型;最后,利用模拟驾驶器试验平台采集的数据计算不同判别指标数量下模型的性能,从而确定最优判别指标,并对模型进行验证和评价。结果表明：模型最优判别指标为重要度排序中前14个指标;模型能够准确识别驾驶人分心状态,判别精度为95.09%;与BP神经网络算法、GA-BP神经网络算法和Adaboost-BP神经网络算法相比,Adaboost-GA-BP组合算法在准确率、精准率、召回率、F₁值和ROC曲线等模型性能方面均最优。建立的模型能够有效判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。     

轨道交通行人流运动建模及仿真

轨道交通内部行人流运动规律及其基本特征与轨道交通建设与运营组织密切相关,随着我国轨道交通建设和运营规模的不断扩大,轨道交通内大规模、高密度行人流运动对轨道交通安全与组织是一个值得关注的重要课题,本文以现有的社会力模型为基础,对模型参数中的驱动力、吸引力和方向影响进行改进,在模型计算时引入矩形作用范围,提出避免过度重叠的...