降雨对城市快速路车速离散性影响分析

为分析降雨对车速离散性的影响,以城市快速路实测气象交通数据为基础、车速标准差系数为车速离散性的量化指标,利用二元线性拟合函数探究了降雨量、交通流量和平均车速之间的关系,解析了不同降雨量和不同交通状态(自由流、稳定流和饱和流)下的车速标准差系数特征和变化规律。结果表明,降雨量、交通流量越大,平均车速越小;大暴雨相比于大雨和暴雨对车速离散性的影响更显著;3种交通流状态下降雨量对车速离散性都有显著性影响,饱和流状态时的影响最大。     

考虑排放约束的电动汽车混行交通路网均衡模型

随着电动汽车的推广和使用,电动汽车与燃油汽车在路网中交互运行,形成了混行交通环境.本文构建考虑排放约束和途中充电的电动汽车混行交通路网均衡模型.首先,分别定义了电动汽车用户与燃油汽车用户的出行成本函数,其中电动汽车用户出行成本包含行驶时间、充电排队时间及充电时长.其次,构建了考虑排放约束的混行交通路网均衡模型,证明了解的唯一性,推导了模型对应的KKT条件,且与Wardrop第一原理等价.然后,将均衡模型表述为包括用户均衡条件、排放约束、守恒约束的互补性条件形式,通过引入间隙函数,进一步将其转化为等价的无约束最优化问题,并利用基于梯度的算法进行求解.最后,通过算例验证了均衡模型及算法的有效性,结果表明:(1)考虑路网排放约束将影响混行交通量和充电站充电流量空间分布;(2)总需求和电动汽车渗透率不变的条件下,提高减排力度会导致路网总行程时间的增加;(3)给定减排力度时,可以确定路网总行程时间最小时对应的电动汽车最优渗透率.     

城市快速路交通评价方法研究

将城市地面道路中“等效通行能力”的概念推广至城市快速路,给出了针对快速路的模型及其建模方法,建立了一套评价指标和评价体系。最后,给出了快速路运行状况评价的实例,并对评价结果进行了初步分析。     

驾驶模拟器运动系统对跟驰行为平稳性影响分析

跟驰过程中跟驰车速、跟车间距的波动性表征了驾驶员跟驰行为平稳性.利用8自由度高逼真驾驶模拟器,通过开启关闭运动系统构建动静态模拟器,分析运动系统对不同跟驰状态下驾驶员跟驰行为平稳性的影响.动态模拟器相对于静态模拟器对比结果表明:加速跟驰状态下,跟驰车速、跟车间距平稳性分别提高了12.5%和27.4%;减速跟驰状态下,跟驰车速、跟车间距平稳性分别提高了27.4%和22.9%;稳定跟驰状态下,在跟驰车速为10 km/h、40 km/h和80 km/h时,跟驰车速平稳性分别提高了30.7%、22.2%和17.6%,跟车间距平稳性分别提高了23.6%、37.9%和17.0%.显著性检验结果表明:在跟驰车速为40 km/h的稳定跟驰状态下,跟驰车速和跟车间距在动静态模拟下的平稳性存在显著差异;加速跟驰状态下,动静态模拟器下驾驶员跟车间距平稳性存在显著性差异;减速跟驰状态下,动静态模拟器下驾驶员跟驰车速平稳性存在显著性差异.研究成果为开展驾驶模拟实验的动静态模拟器的选择提供了参考.     

基于Canny算法的新型车道线检测率分析

新型车道线被认为是提升自动驾驶汽车环境感知能力的重要手段。现搭建了直道、弯道、交叉口的设施因素和晴天、雨天、夜间的天气因素耦合的9种道路交通场景,设置了全天候陶瓷微晶珠车道线和高对比度反光车道线两种典型的新型车道线,通过车载摄像头采集各道路交通场景下传统热熔型车道线和新型车道线图片,利用边缘检测Canny算法对图片进行检测与提取,并对比分析了Canny算法下新型车道线与传统车道线的检测率。结果表明,新型车道线的车道线检测率在9种道路交通场景下,相比传统热熔型车道线都有显著提升,晴天、雨天和夜间天气下分别提高24%、152%和145%。     

超音速分离在天然气脱水中的应用

根据低压和高压条件下的实验,研究了超音速分离技术在天然气脱水方面的应用。研究结果表明：超音速分离技术的脱水效果与压降条件有关,当压力超过7 MPa时,超音速脱水技术比透平膨胀机制冷脱水技术和J-T阀脱水技术更具优势。同时,对超音速分离脱水技术的应用前景进行了展望。     

高铁影响下的高速公路事故风险与改善

现代高速铁路建设中,部分高铁线位走向与已有高速公路走向一致且距离接近,高铁运行引发的环境改变对高速公路驾驶人行车安全有较大影响.以距离接近的沪昆高铁与杭金衢高速公路为例,利用微观交通仿真FOSIM模拟不同路侧环境和流量下的多种场景,并以车速标准差和距碰撞时间为评价指标,评估不同场景下的高速公路行车安全性;以此为基础提出安全改善措施.研究结果表明,高铁运行引发的复杂环境会增大高速公路的车速离散性和追尾风险,而对高速公路采取限速手段、建立导向系统将能有效降低事故风险.     

多因素动态瞬变下高速公路交通安全风险预测

我国高速公路在交通流、不良天气、大车混入率等多因素随机动态瞬变影响下,交通安全风险隐患大。如何表征多因素动态瞬变性对交通安全风险的影响、预测短时间内风险变化,是有效采取风险预警管控措施的关键。利用BP神经网络,考虑多因素影响,提出了基于"建议车速—预期车速"模型的交通安全风险预测方法,并通过案例分析验证了预测方法的可靠性与适用性,研究结果为有效遏制高速公路事故提供技术支撑。     

一种新的城市道路通行能力计算方法--等效通行能力法

本文首先回顾了国内外研究城市道路的通行能力的典型方法,分析了其优缺点、适用性和局限性,然后提出了一种新的城市道路通行能力计算方法一等效通行能力法,它的特点是能够计算城市中的整条道路的通行能力,改变了以往对于城市道路只能局限在对交叉口和路段通行能力分别计算分析的局面。     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性，导致自动驾驶能力难以被客观评估。为此，提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型；其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值，持续时长大于阈值的数据段记录为准确的驾驶模式数据，小于等于阈值的数据段则为驾驶模式待分类数据集；随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集，剩余30%作为测试数据集；最后利用正确率、精确率和召回率3个指标评价5种监督分类模型，并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据，验证驾驶模式辨别方法的有效性。结果表明：随机森林监督分类模型辨别道路测试驾驶模式的效果最佳；城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复，可显著提升评估自动驾驶道路测试驾驶能力的准确度。