考虑车辆到达时间窗的应急公交调度优化模型

针对城市轨道交通线路发生较长时间的运营中断事件,综合考虑应急公交车型和车辆到达时间窗两个角度,利用地面应急公交建立交通运输组织方案.通过车辆到达时间窗的限制有效剔除不合理的调度方案,然后以应急公交的救援时间、车辆运能、派车数量以及往返次数为约束条件,建立了带有车辆到达时间窗的应急公交调度优化模型,并利用改进的遗传算法对优化模型进行求解.最后通过南昌轨道交通二号线实例进行仿真分析.结果表明:改进的遗传算法的收敛精度和搜索能力均优于普通遗传算法,且优化模型可以有效提高应急公交的疏运效率.     

基于虚拟现实技术的典型动态交通场景的设计与实现

驾驶人是影响道路交通安全的主要原因,而使用汽车驾驶模拟器模拟危险的交通环境,对驾驶人进行培训可以有效提高驾驶人的应急操作技能和安全意识水平,对于减少和预防道路交通事故的发生具有重要意义.以2000~2010年道路交通事故数据为基础,分别从人、车、路以及事故形态进行统计分析道路安全影响最大的因素,获取典型的动态交通场景.并考虑城市道路环境的复杂性和多样性,选取发生在城市道路场景中的1种类型动态场景-公交站台行人过街作为案例,采用虚拟现实技术完成这一动态交通场景的设计和实现.      

基于语音特征迁移学习的驾驶疲劳检测

针对现有方法在实际应用时的标记样本稀缺与测试样本数据分布偏移等问题,提出一种基于语音特征迁移学习的驾驶疲劳检测方法。通过基于迁移学习的特征空间变换,对源领域有标记样本与目标域无标记样本数据间的边缘分布、条件分布、流形结构进行联合适配及降维处理,以解决样本数据分布偏移和特征维度过高的问题。以半监督学习的方式来迭代优化目标域样本的伪标记,并据此不断更新特征变换方式和迁移分类器,进而提高疲劳检测模型的精度和泛化能力。通过实验将本文方法与现有常用的监督学习、半监督学习和迁移学习等方法进行对比。结果表明,在测试时间、应用场景和被试个体均发生变化的情况下,本文所提方法的驾驶疲劳检测效果显著优于现有方法,正确率最高达到86.7%,具有实际应用价值。     

考虑生理特性的驾驶行为险态辨识研究

生理指标是驾驶过程中驾驶人状态最直观的体现,探讨生理指标与驾驶行为险态之间的关联关系对实现危险驾驶行为的辨识具有重要现实意义.以驾驶人生物反馈系统采集的3项生理特性指标为特征向量,采用皮尔逊(Pearson)相关系数法对不同生理指标与险态等级之间的关系进行深入分析,并在此基础上采用K-均值聚类方法构建驾驶行为险态辨识模型.通过对30组模拟驾驶实验数据的分析,最终得出驾驶人的血流量脉冲值(BVP)和皮肤表面电位(SC)与驾驶行为险态等级间存在显著正相关性(p<0.05),呼吸率(RESP)与驾驶行为险态间存在一定相关性,但是规律性不强.采用BVP和SC作为特征向量构建模型对驾驶行为险态辨识精度最高达到96%,对可忽略、可容忍和不可容忍3种状态的识别准确率分别达到97.33%,98.16%和88.16%.      

多模式共驾智能车行驶安全性评估研究

多模式协同驾驶是智能车发展过程中必须经历的一个不可或缺的阶段,而行驶安全性评价是多模式共驾智能车需解决的一个关键问题.为此,采用多通道驾驶模拟系统展开实验研究.实验选取15名驾驶员,在3类特定的场景下分别开展实验.并对实验过程中采集的与行驶安全性相关的9个关系变量进行统计分析.在此基础上,采用贝叶斯网络方法构建多模式智能车行驶安全性评估模型,通过对模型进行敏感性分析发现,驾驶人的注视时效性、注视点分配、驾驶里程和驾龄对行驶安全性有着重要的影响,其敏感性指数分别达到0.31,0.26,0.16和0.14.由此可见,要实现多模式共驾智能车的安全行驶,关注驾驶人的注意力特性和驾驶经验显得尤为重要.      

驾驶人个体因素对驾驶愤怒情绪影响关系研究

国内外研究表明,对驾驶人的愤怒情绪产生的影响因素进行分析对提高交通安全性有着十分重要的现实意义和价值.对22名志愿者采用给定任务法开展了实车实验,要求2h内完成指定路线的驾驶任务.驾驶过程中要求被试者实时汇报其愤怒等级并进行记录,同时实验车还采集了相关的数据.采用SPSS以及Excel软件对数据进行处理发现:男性驾驶人在驾驶过程中产生愤怒情绪的概率要高于女性驾驶人;年长驾驶人出现驾驶愤怒情绪的概率显著高于年青驾驶人(spearman相关系数为0.618,显著性水平为0.02＜0.05);而随着驾龄的增加驾驶人平均愤怒等级逐渐降低(spearman相关系数为-0.676,显著性水平为0.001＜0.05).同时还发现不同驾照类型对驾驶愤怒情绪也有着较大的影响.     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

高速铁路对我国区域经济影响的研究

交通在区域经济发展中起着十分关键的作用,方便了人人、人城市、城城之间的沟通与交流,同时影响着区域经济的发展、转型、升级。高速铁路因其快速、便捷、安全、舒适等优势,对区域经济的影响十分显著,对于大型、特大型城市,高速铁路有助于优化升级城市产业结构,平衡区域经济发展,带动经济增长,让城市发挥其辐射作用,发挥当地特色经济,发展区域优势;对于中小型城市,高速铁路可能导致虹吸效应等负面效应。通过对各类文献提出的观点和成果进行分类梳理,综述高速铁路对生态经济、区域可达性、区域产业、区域效应4个方面对区域经济发展的影响。     

道路交通安全研究的现状与热点分析

道路交通事故的产生对民众的生命安全和财产损失影响巨大,国内外学者在该方面进行了大量的研究。为了整体把握道路交通事故研究热点及发展趋势,从中国知网(CNKI)核心期刊数据库和Web of Science核心合集数据库选取了2000—2020年与道路交通事故相关的3 943篇文献为数据源,借助CiteSpace和VOSviewer文献计量软件平台从文献分布特征、关键词共现、关键词聚类、关键词突现等方面进行分析,并在此基础上从事故黑点鉴别与影响因素分析、事故安全评价与事故预测、事故伤害(RTI)的流行病学研究和预防、事故处理与安全管理、事故仿真与驾驶行为分析这5个研究方向分析道路交通安全的研究趋势与热点问题。研究表明:①从作者合作方面分析发现道路交通事故研究具有多学科交叉性质;②对关键词共现分析发现国内外期刊关键词共现类别基本一致,说明国内外对道路交通事故方面的研究具有较强的一致性;③数据分析发现当前研究还存在实时交通事故评价手段欠缺、道路交通伤害数据结构不统一、事故仿真模型的通用性与有效性有待于进一步提高等问题;④从研究趋势的演进来看,未来的研究趋势主要集中在道路交通事故侵权责任研究、道路交通事故对道路通行能力的影响等方面。      

考虑作业环节完整性的企业车站进路选择优化

传统企业车站进路选择优化问题,即当多项作业出现在同一时空,以行车作业优先,调车作业在冲突节点前停车等待至行车作业驶离冲突节点再继续作业。现实生产过程中易造成调车作业长时间停滞等待,导致调车作业无法准时到达目标地点,破坏了调车作业环节的完整性,损害了企业车站的利益。基于企业车站行车作业与调车作业并存且调车作业数量要远大于行车作业的特点,同时考虑调车作业环节完整性,将调车作业设定一个能充分完成作业的时间标准值,并动态实时更新作业过程中节点占用时间,以判断进路冲突并进行疏解,建立以调车作业时间成本、行车作业时间成本最小的多目标进路选择优化模型。为加快遗传算法的搜索效率,结合K短路算法特点改进了遗传算法,并且以进路为基本单元针对性地设计了个体编码方案、交叉变异策略,求解该模型。最后,以具有代表性的某企业车站为例进行了验证。研究结果表明：考虑作业环节完整性的进路选择优化模型得到的进路选择方案能够有效地避免作业冲突,并且能够依据作业的优先级为车站作业选择合理的进路,快速有效地得出满意的作业方案,满足车站工作的需求。与传统进路选择方案相比,总的作业时间降低了23.26%。研究成果对该企业车站进路选择...