基于有序聚类分析的高速公路路段长度划分研究

提出了基于F isher有序聚类分析的高速公路路段长度划分方法,以事故数沿每公里的空间分布为聚类指标进行路段长度划分,通过实例验证,一方面发现按照F isher有序聚类分析方法划分路段的结果能够使得分段后的事故频数很好地服从一定的概率分布,有益于模型的构建;另一方面,应用该方法分段能够很好地考虑事故的发生水平,把事故水平相近的邻近路段划分到同一研究样本内,有助于准确地量化影响因素的作用,在样本量不是特别大的情况下,能够突出两者之间的关系.     

无信号交叉口通行能力

以可接受间隙理论为基础, 利用概率分析方法, 对由多种车型组成的混合车流进行了分析, 在无控交叉口主路车流车头时距服从二阶Erlang分布条件下, 建立了支路多车型混合车流的通行能力模型, 发展了无控交叉口的混合车流通行能力理论, 通过实例分析, 并与其他模型比较, 本模型计算结果更接近实际情况, 相对误差只有16.6%。     

高速公路交通事故起数时空分析模型

为了分析交通事故起数与时间、道路空间结构及交通运行环境等潜在影响因素之间的关系, 从时间和空间角度选择9个自变量, 分别从路段长度一致和路段坡度一致2个角度, 构建交通事故起数时段、周日和月分布模型。以某典型交通事故多发段为例, 分别运用泊松回归模型、负二项回归模型、零堆积泊松回归模型和零堆积负二项回归模型拟合交通事故起数时段、周日和月分布模型, 根据模型的拟合优度检验, 分别确定3个模型的最佳形式, 从而构建交通事故起数时空分析模型。研究结果表明: 从AIC准则和BIC准则来看, 基于路段长度一致的交通事故起数时段、月分布模型采用负二项回归模型拟合效果较好, 其他模型选择泊松回归模型拟合效果较好; 基于路段长度一致的交通事故起数时段、周日、月分布模型的预测误差小于基于路段坡度一致的交通事故起数时段、周日、月分布模型。     

葵青货柜码头海船进港规律统计分析

为了分析葵青货柜码头的船舶交通量,建立了葵青货柜码头海船进港规律统计模型.葵青货柜码头进港海船数量样本行为稳定性差,难以对样本直接使用分布函数拟合.为解决该问题,在数据预处理中使用K均值法对样本进行聚类,聚类所得簇的行为更稳定.用平均轮廓系数检验聚类效果,发现上述聚类效果均较好.分别用二项分布、泊松分布对聚类结果进行拟合,发现聚类为4个簇时聚类结果服从这两种分布,泊松分布的拟合效果要优于二项分布.建立的模型计算量小,易于应用.     

IHSDM高速公路事故预测模型

应用交互式道路安全设计模型(IHSDM)对11类高速公路进行事故预测, 并对比了预测事故数与实际事故数, 给出了基本事故预测模型与线形指标修正系数, 构建了一组IHSDM事故预测改进模型, 分析了线形指标的敏感性与线形指标的变化对预测事故率的影响, 并计算了各类高速公路线形指标的安全取值范围。分析结果表明: 采用IHSDM预测的高速公路事故数小于实际事故数, 最小误差为13%, 最大误差为52%;改进模型事故总数预测值与实际值的相对误差小于10%, 具体路段上的皮尔逊相关系数不小于0.60, 均方根误差小于0.30, 平均相对误差小于30%;事故率对各线形指标敏感性由高到低依次为直线段长度、纵坡坡度、平曲线偏角、平曲线半径、竖曲线半径。可见, 与IHSDM相比, 改进模型具有更高的精度和更好的适用性。     

无信号交叉口交通冲突分析

为了研究无信号交叉口冲突车辆间驾驶员的决策行为,从博弈角度出发,根据影响驾驶员决策行为的性格因素,以及不同策略之间相对的势因素,通过时间细化,建立基于重复博弈下影响驾驶员决策行为的效用函数。通过驾驶员在交叉行进过程中的决策行为,分析不同驾驶员决策行为组合的效用,确定博弈过程中存在Nash均衡,得到动态博弈中驾驶员的最优决策。例证表明:冲动型的驾驶员在各决策时间段内更愿意选择加速抢先策略;温和型的驾驶员在各决策时间段内偏好于加速抢先策略或保持匀速策略;谨慎型的驾驶员在各决策时间段内偏好于选择保持匀速策略或减速礼让策略。     

多信号交叉口干线行程时间特性分析

城市道路多信号交叉口影响下的行程时间分布及可靠性是交通流理论研究中的重要方向之一.本文基于灰色关联理论建立信号协调控制下的多信号交叉口行程时间影响因素模型.首先,对车牌识别数据进行预处理,得到路段和干线行程时间数据;然后,利用Burr分布和高斯混合模型对数据进行分布拟合,并进行拟合优度检验;最后,利用灰色关联法分析交叉...     

人工心理在无信号交叉口中的应用研究

无信号交叉口在城市交通网络中起着非常重要的作用,同时也是交通事故的多发地.基于人工心理学与人工智能研究,根据隐马尔可夫模型及其理论,通过识别行人的行为姿态与心理状态的关系建立的无信号交叉口行人心理状态与姿态的隐马尔可夫关系模型,可以由人的姿态和面部表情判断出人的心理状态,从而为司机驾驶提供决策支持.     

道路交通事故灰色预测模型的建构与应用研究

分析了我国当前交通安全形势的严峻性,说明了道路交通事故预测技术的重要性.在对比两种传统的交通事故预测模型的基础上,分析了灰色模型在交通事故预测中的优越性,并构建GM(1,1)对道路交通事故量进行了预测,结果证明是可信的.     

无信号平面交叉口安全服务水平计算模型

为了客观评价公路平面交叉口的安全状况, 提出了交叉口安全服务水平基本概念, 分析了影响无信号交叉口安全服务水平的客观因素, 给出了安全服务水平评价方案, 分别构建了基于机动车、非机动车、行人冲突点的安全服务水平主模型和基于交叉口几何特征、交通标志等次要影响因素的修正模型, 并由此提出无信号平面交叉口安全服务水平计算模型。根据多个无信号交叉口数据, 把安全服务水平分为1~4级, 并验证了安全服务水平模型的合理性。验证结果表明: 应用安全服务水平计算模型得到实例交叉口危险度为200.7, 安全服务水平为3级, 符合交叉口实际的安全状态, 因此, 交叉口安全服务水平模型能够有效评价交叉口的安全性。     

城区无信号交叉口次要道路通行能力计算模型

无信号交叉口的次要道路往往有不同的车道功能划分组合,现有的通行能力计算模型不能真正解决混合交通流在其上的最大通过能力计算问题。以可接受间隙理论为基础,利用概率论方法,对直左、直右等合用车道功能组的通行能力计算模型进行了探讨,通过对小型车、大型车构成的混合车流在不同合用车道上的转向队型分析,建立了该类交叉口主路车流服从负指数分布下的支路通行能力模型,从而发展了无信号交叉口的混合车流通行能力理论,为现代化的城市、公路交通管理提供了理论依据。     

基于混合车流的公路无控交叉口行车延误模型

为了预测公路无信号控制交叉口次要车流的平均延误时间,建立了由多种车型构成的混合交通流的行车延误模型．在对无信号控制交叉口车辆延误的形成过程进行系统分析的基础上,以可接受间隙理论为基础,采用概率分析方法,对由多种车型组成的混合车流特性进行了分析,在无控交叉口主路车流车头时距服从二阶Erlang分布条件下,建立了支路多车型混合车流的行车延误模型．通过与实际观测的支路行车延误对比分析,模型计算结果与观测的延误值接近,表明该模型较为符合公路无信号控制交叉口的实际情况．     

人工心理的在无信号交叉口中的应用研究

无信号交叉口在城市交通网络中起着非常重要的作用，同时也是交通事故的多发地。基于人工心理学与人工智能研究，根据隐马尔可夫模型及其理论，通过识别行人的行为姿态与心理状态的关系建立的无信号交叉口行人心理状态与姿态的隐马尔可夫关系模型，可以由人的姿态和面部表情判断出人的心理状态，从而为司机驾驶提供决策支持。     

高速公路事故类型预测模型研究

介绍了事故类型预测模型的作用和原理.利用收集到的高速公路数据,建立了基于多分变量逻辑回归的高速公路事故类型预测模型,分析结论表明对事故类型影响较大的变量有城市-乡村变量、大小车速度差和大车比例变量,并对事故类型预测模型研究的重点进行了展望.     

主路优先无信号交叉口次要道路通行能力分析

基于可插间隙理论和概率论方法,推导出理想条件下只有2股车流情况下无信号交叉口次要道路的通行能力计算模型,然后对理想模型的不足进行分析,并运用随机过程的马尔可夫理论对无信号交叉口主要道路为双向4车道,次要道路为直行车、左转车、右转车混合交通流,同时考虑不同车型,建立次要道路通行能力的修正模型.     

无信号交叉口支路车道通行能力建模与仿真

为了解决现有无信号交叉口支路通行能力模型的假设过于理想化与计算误差偏大的问题,针对无信号交叉口常见1车道与2车道支路的各种车道功能划分,基于可接受间隙理论与主路车头时距服从M3分布,分析了无信号交叉口支路大小车型构成混合车队的交通流运行特性,建立了各种支路功能划分车道的通行能力模型;利用Vissim交通仿真软件,对模型的可靠性进行检验,并对模型进行简化以加强实用性。研究表明:当主路车流量为600～1 000 veh/h时,该模型误差小于2%。     

越江越海隧道入口段追尾事故风险预测模型研究

针对越江越海隧道入口段追尾事故风险问题,本文首先基于上海长江隧道入口处路侧监控视频提取车速数据,通过聚类算法得到不同交通流状态下的实际平均速度,作为设置实验参数的依据.然后在驾驶模拟实验中,分别在晴天、雨天、雪天等不同环境下设置拥堵流、拥挤流、自由流3种交通流状况,并且在不同环境下分别设置一次追尾事故高危风险情境,获取驾驶行为数据.通过相关性分析和随机森林方法进行变量筛选和重要性排序,发现车头时距最小值、两车速度差最大值、急躁、加速度标准差、拥堵流这5个变量对事故风险有显著影响.最后,引入随机过采样方法优化不平衡数据问题,构建随机森林模型,结果表明,基于随机过采样策略的随机森林预测模型AUC指标提高了6.8％,且对比随机森林、XGBoost、支持向量机模型,基于随机过采样-随机森林算法的短时追尾事故风险预测模型效果最佳.     

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求, 通过对广州市中心区交叉路口交通流长期观察和数据采集, 分析了各种时间尺度的交通流特性, 提出以路口信号周期作为时间尺度, 绿灯流率作为变量的ARIMA (p, d, q) 短时交通预测模型。以1个和3个信号周期的时间尺度为例, 对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA (p, d, q) 预测模型结构稳定, 算法简单, 时间尺度为3个信号周期的预测模型可以很好地保持交通流特征, 均方根误差为0.015 9, 预测精度较高。     

基于ARMA 预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均 (ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q 定阶、解析式系数估计、适用性检验.试验结果表明：利用实测车速中的前40 个时序数据建立ARMA 模型,预测出的20 个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56 和0.003 4;利用全部60 个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.