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。      

基于混合Logit的居住地和就业地选择行为模型

为了剖析城市居民在选择居住地和就业地时的决策机理,利用混合Logit模型建立了城市居住地选择模型和就业地选择模型.针对北京28个住宅小区进行了问卷调查,共发放2 520份问卷,回收1 994份有效问卷,利用调查数据对模型参数进行了估计.结果表明,＂出行距离＂是影响居民在进行居住地与就业地选址时的首要因素,除此之外,＂轨道站点数量＂是影响居住地选择的主要因素,＂出行成本＂则是影响就业地选择的主要因素.     

基于卡尔曼滤波的交叉口动态O-D反推模型与算法

交叉口各进出口道之间的实时转向交通量是信号控制系统重要的输入数据,也是难以获得的数据.针对已有模型收敛速度较慢、无法满足实际系统应用需要的问题,提出了基于卡尔曼滤波的状态空间模型,设计了顺序卡尔曼滤波进行求解,并采用裁切和标准化对反推结果进行了修正.实例研究表明,模型和算法具有较高的效率和准确性,能够为实时自适应信号控制系统的开发提供支持.     

动态OD反推理论中的关键问题研究

针对ITS研究中动态OD矩阵难以获得的问题,回顾动态OD反推理论的发展历程,在此基础上明确了该领域研究中的四个关键问题:状态变量的选择、系统方程的确定、OD量与路段流量的关系和OD矩阵动态特性的体现,在对其进行分析的基础上提出每个关键问题的解决方法,为动态OD反推理论的进一步研究垫定基础。     

基于元胞自动机的动态路段走行时间计算模型

为建立合理的动态交通网络中路段走行时间模型,分析了动态路段走行时间函数的一般形式,对比国内外常用的几种离散型动态路段走行时间函数,基于元胞自动机交通流模型,建立了动态路段走行时间模型。模型可以根据实际路段驶入率、驶出率,推算出任意时刻进入路段车辆的走行时间,并利用M atlab对模型进行求解和数值分析。结果表明,车辆进入路段后的交通状态是动态路段走行时间的主要影响因素;根据累积驶入驶出车辆数曲线可以直接求出动态路段走行时间,能够为动态交通网络中路径走行时间求解奠定基础。      

考虑潜在类别的老年行人交通事故严重程度致因分析

人口老龄化问题日益突出，老年行人的出行安全同样引起各界重视。本文基于潜在类别聚类分析和随机参数Logit模型相结合的两步法深入探究影响老年行人交通事故严重程度的诱因。对北卡罗来纳州2007—2019年65岁及以上老年行人与机动车的碰撞数据进行清洗。为消除碰撞数据中固有的未观察到的异质性，首先进行潜在类别聚类分析，依据拟合优度指标确定最佳聚类数，将数据分成3个集群，分别对每个集群进行特征描述。然后，分别对每个集群建立随机参数Logit模型，以进一步探索集群内部未观察到的异质性，同时计算各显著变量的边际效应，量化其对事故严重程度概率的影响。结果显示，随机参数Logit模型具有更好的拟合优度；不同集群参数估计结果有所差异，一些变量只在特定集群内是显著的；集群1中，“救护车援助”为随机变量，集群2中“事故发生在城市”为随机变量，集群3中未发现随机变量，退化为多项Logit模型。本文研究结果可为交通工程师和政策制定者提供更可靠准确的老年行人交通事故严重程度诱因信息，为老年行人出行安全改善方案的制定提供理论支撑和技术支持。     

基于改进粒子群优化BP神经网络的弯道转向行为预测

为研究驾驶人视觉特性和弯道转向行为的内在联系,借助模拟驾驶器,选取50名驾驶人在3种不同半径的弯道上进行驾驶试验。在整理采集的试验数据后,分别比较驾驶人视觉特性(瞳孔面积变化率、扫视速度、扫视幅度)、弯道转向行为(方向盘旋转率、车辆侧向加速度)与弯道半径之间的关系,并进一步提出一种以驾驶人视觉特性为预测因素,基于BP神经网络的驾驶人弯道转向行为预测方法。为使BP神经网络适用于小样本量的预测情况,需引入改进粒子群算法对BP神经网络进行优化。对粒子群算法的改进之处主要体现为:在粒子群算法进行搜索的过程中,采用动态惯性权值与自适应方法,解决了一般粒子群算法中粒子快速趋同的问题。在模型训练的过程中,选取BP神经网络的误差作为改进PSO算法的适应值,由事先确定的最大迭代次数与误差范围共同决定迭代的终止条件。最后,分别使用基于BP神经网络的驾驶人弯道转向行为预测方法,与基于改进粒子群优化BP神经网络的驾驶人弯道转向行为预测方法,对弯道转向行为进行预测,结果表明:基于改进粒子群优化BP神经网络的弯道转向行为预测方法相较传统预测方法具有更高的预测精度,可以有效地预测驾驶人弯道转向行为。     

基于交通大数据的移动模式分析综述

交通大数据可为揭示交通主体显性出行行为背后的深层规律（即移动模式）提供重要基础。精确掌握大数据驱动下交通主体的移动模式，可为需求预测、客流组织、土地利用、事件管理等应用提供理论依据。交通大数据主体繁多、时空多态、关联性复杂的特性迫使小数据时代下的移动模式分析方法转型和升级，但仍可能遇到移动模式一致性表达难、异常类型检测难、复杂关联性表达难、时空多态性建模难、一体可视化分析难等普遍问题。针对这些问题，利用科学知识图谱，对2010~2020年期间3 747篇文献的热点关键词分布、发表趋势分布、出版刊物分布等特点进行归纳总结，结合常见的移动模式分析数据集，系统综述现有研究在移动模式常态分析、非常态分析、关联分析、预测分析和可视化分析方向上的阶段性进展。其中，移动模式常态分析综述了个体活动特性分析、出行类别划分、特定群体分析等应用的研究进展。移动模式非常态分析综述了基于模板匹配和数据驱动的非常态事件检测方法的发展脉络。移动模式关联分析综述了面向不同数据源的关联特性检测方法的发展近况。移动模式预测分析综述了基于数理统计和数据驱动的交通属性预测方法的发展状况。移动模式可视化分析综述了用户交互设计、移动模式宏观可视化、微观可视化和整体可视化的发展近况。最后，系统总结各个分支方向面临的主要问题与挑战，并从数据整合、模型创新、机制变革等角度提炼移动模式分析研究的未来发展趋势，期望为后续研究采用新理论技术开展移动模式分析提供参考。     

基于卡尔曼滤波的交叉口动态O-D反推模型与算法

交叉口各进出口道之间的实时转向交通量是信号控制系统重要的输入数据,也是难以获得的数据.针对已有模型收敛速度较慢、无法满足实际系统应用需要的问题,提出了基于卡尔曼滤波的状态空间模型,设计了顺序卡尔曼滤波进行求解,并采用裁切和标准化对反推结果进行了修正.实例研究表明,模型和算法具有较高的效率和准确性,能够为实时自适应信号控制系统的开发提供支持.     

基于意向调查数据的非集计模型研究

当交通系统中引入新的交通方式时,传统的基于实绩选择调查数据的交通需求预测方法对于方式分担预测将会无效。本文以新交通方式的分担率预测模型为研究对象,提出基于实绩选择调查和假设意向调查组合数据的非集计模型,对模型中各种交通方式的效用函数进行了深入研究,并以东直门至首都机场的轨道交通客流预测为例,进行了参数估计和轨道分担率预测。实例研究表明,模型能够较准确的预测出新交通方式的分担率。