基于安全车速分析的高速公路安全评价方法

现有的高速公路安全评价研究侧重于经验统计为主的道路要素静态分析,鲜有考虑事故因素的动态性以及驾驶员主观认知的影响,难以建立集成车路客观环境和驾驶员主观认知两方面影响的综合评价模型。本文从解析高速公路安全机理入手,基于安全车速分析引入能够表征主观感知的预期车速和车路客观环境的安全车速,并提出相应的量化方法,由此构建高速公路交通安全评价方法,并通过实证分析验证了模型的有效性和可靠性,为高速公路安全评估提供了新的思路和手段。     

高速公路隧道运营安全综合评价研究

为了降低高速公路隧道运营的安全事故,根据模糊综合评价理论,提出主观与客观、静态与动态相结合,以定量分析为主的全面综合考虑高速公路隧道运营安全各个影响因素的综合评价方法,采用Delphi法和AHP法建立了高速公路隧道运营安全综合评价指标体系对其安全进行评价,采用平均加权法对评价因素的各项指标进行量化处理,从而对高速公路隧道运营安全状况做出科学合理的分析和评判。最后,通过对陕西省某一高速公路隧道进行了实践验证。结果表明,该综合评价体系能较真实地反映此隧道的安全状况,证明评价方法是可行的。     

小波模糊神经网络在高速公路沥青路面性能预测中的应用

针对高速公路沥青路面养护管理的需求,将小波变换理论与模糊神经网络结合起来,建立用于高速公路沥青路面性能预测的小波模糊神经网络。对路面性能的原始数据列进行小波分析后,再通过样本学习训练,获取预测的数据列,最后通过重构获得路面性能的预测数据列。将小波模糊网络与一般神经网络的预测结果相比较,结果表明：采用小波模糊神经网络对高速公路沥青路面性能预测可降低人为因素影响,保证预测结果尽可能客观,提高预测效率。     

基于行程-时间域的路段行程时间预测

为了提高高速公路路段行程时间预测的实时性与准确性,提出了基于行程-时间域的路段行程时间预测算法.该算法依据实时检测的交通数据和BP神经网络预测路段单元在不同时间单元的空间平均车速,构建车辆出行的行程-时间域,通过车辆穿越行程-时间域获得路段的预测行程时间.通过比较行程-时间域算法与传统神经网络预测算法,揭示了行程-时间域算法在预测精度上优于传统神经网络算法.以沪宁高速公路路段作为示例背景,基于Vissim仿真软件,验证了所提算法的准确性与可行性.      

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

浓雾下高速公路可变限速控制方法

为解决浓雾时高速公路行车交通安全问题,并改变原有的固定限速措施,提出以安全允许速度为基准的可变限速控制方法。以道路交通安全法对浓雾下车速的规定为基准,考虑交通法里并未提及道路线形条件、路面状况等因素对限速值进行计算,并采用监测器数据近似代替个体车辆数据进行数据优化,得到浓雾行车安全车速及安全行车间距取值。基于此限速信息对动态可变限速信息牌的设置提供依据,进一步确定可变限速控制流程。VISSIM仿真试验结果表明：与固定限速控制相比,实施可变限速控制路段的最低平均车速提高了12.16%,平均速度最大差值降低了26.37%。表明浓雾下高速公路可变限速控制方法相比传统固定限速手段能有效地在保障出行安全的同时提高出行效率。     

电动轿车警示声设计方法研究

针对电动轿车低速行驶时车外声音过小而难以引起车辆和行人的警觉问题,本文中提出一种警示声的设计方法。首先,采集传统内燃机汽车车外声,并通过采用语音合成技术改变其声音信号特定频段内的幅值,以获得大量的声音信号样本;接着,以声品质概念为基础,进行主观评价试验,并计算出各声音信号的客观心理声学参数,选出对应车速区间内评分值最好的声音样本作为警示声;最后,采用模拟退火算法和遗传算法来优化BP神经网络,并以主客观评价数据为基础,建立SA/GA-BP神经网络的电动轿车警示声声品质主观评价客观量化模型,以6个客观参量作为输入,主观评价值作为输出。结果表明,该模型具有很快的收敛速度和很高的预测精度。     

基于BP神经网络的福泉高速公路车流量预测

高速公路车流量预测为高速公路管理企业对减轻高速公路的拥堵情况、改善高速公路的通行能力等方面提供了不可或缺的数据基础,也对其未来收益提供了参考。论文以福泉高速公路为研究对象,选择BP神经网络进行预测;其次分析车流量预测的影响因素,确定神经网络的输入和输出变量的数据类型、确定BP神经网络的层数及各层神经元的数量、各参数值,利用MATLAB构建完整的BP神经网络预测模型,最后收集样本数据,进行数据的预处理,利用样本数据对神经网络进行训练,包括训练完成后输入已知数据,进行实时预测,通过MATLAB进行仿真,证实方法可行有效,得到的结果证明BP神经网络的结构和参数值都是比较合理的,可以较好模拟现实环境,进行比较准确的预测。     

基于行驶工况分类的混合动力车辆速度预测方法与能量管理策略

为有效地改善双模式混合动力车辆的性能,设计了基于预测控制的能量管理策略,通过实时优化进行功率在线分配,提出了未来车速预测方法。通过K均值聚类算法将工况分为平稳工况与快变工况两类,实时判断车辆当前所处工况类别,并在平稳工况下,基于马尔科夫链预测车速,在快变工况下,基于径向基神经网络预测车速,以获得最优的预测精度。仿真结果的对比验证了所提出的车速预测方法的准确性和能量管理策略的有效性。     

基于组合赋权理论的高速公路多源信息融合算法

智慧高速信息化系统的多元信息采集系统提供了大量的多源异构交通数据.对这些数据进行分类识别与融合分析,并获得精度更高、可靠性能更好的数据尤为迫切.为更好地研究该问题,笔者分析了手机、卫星定位和路侧交调信息采集手段的技术特点,构建多源采集数据的融合环境,利用主、客观赋权法分别对3种采集手段进行赋权.在此基础上,采用Kendall一致性系数判断主、客观赋权法的一致性,并利用Spearman等级相关系数修正主、客观赋权法之间的不一致性,以组合主、客观赋权法的思想构建高速公路区间行程车速融合算法,兼顾主客观信息对权值的影响.通过案例分析,发现融合车速计算误差在土10 km/h内的精度可达96%,保证了多源信息融合后的高速公路区间行程车速的准确性与可靠性.      

道路交通事故与车速建模

对国外高速公路的事故率与运行车速进行综合分析，阐述高速公路上基于运行车速的预测交通事故率的前期研究方法，在前期研究方法的基础上，将速度和速度两个自变量同时加以考虑，弥补了前期事故率模缺少影响因素的缺陷，并就其影响因素和控制参数展开分析；介绍新的高速公路事故率预测模型，对如何建立交通事故伤亡模型提出建议。     

模糊层次分析法在路面使用性能评价中的应用

根据路面评价指标具有模糊性的特点,应用模糊数学的评判方法,对高速公路路面使用性能各指标进行评价,通过层次分析法确定各评价因素的权重,将主观判断进行客观描述;通过层次分析法与模糊综合评价相结合,建立了高速公路路面使用性能综合评价模型,为高速公路路面性能评价提供一种定性与定量相结合的分析方法。     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

基于轨迹和气象数据的高速公路行车安全风险研究

气象因素是影响高速公路行车安全的因素之一。以往研究较少采用实时气象数据,且大多只针对某类气象因素进行研究。现利用TJRD平台上的高速公路车辆轨迹数据和道路实时气象信息系统(Road Weather Information System, RWIS)数据,综合考虑了交通流因素和气象因素对交通冲突的影响,采用负二项分布模型,构建了高速公路交通冲突致因分析模型。分析表明,纵向风速和纵向速度标准差是影响高速公路行车安全的主要因素,能见度和路面湿滑系数为次要因素。研究结果可以为高速公路安全管控策略制定提供理论依据。     

雾天环境下高速公路可变限速控制方法研究

针对雾天环境下高速公路能见度下降导致交通安全和效率降低的问题,提出了一套雾天环境下高速公路的可变限速(VSL)控制方法,包括系统布置、工作流程和可变限速控制策略等,可以根据检测到的实时道路能见度和交通流数据,考虑最大安全车速、交通流运行状态和驾驶员遵从度等因素的条件下,综合确定目标路段的限速值.利用G4高速公路实测数据,在Vissim软件中进行了2组对比仿真实验,结果表明,与无可变限速控制相比,实施可变限速控制的1组,最低车速在平流雾(团雾)环境下提高了27.24%(28.54%),同一控制周期下相邻路段的最大车速差减少了26.42%(41.91%).提出的可变限速控制方法在雾天环境下能更有效地保障高速公路行车的安全和效率.      

降雨对山区高速公路运行车速的影响研究

山区高速公路地形复杂,降雨对不同道路线形路段运行车速影响具有明显的差异。文中以重庆市包茂(包头—茂名)高速公路渝湘(重庆—怀化)段天气数据、道路线形数据和高德地图获取的运行车速数据为基础,利用多层线性模型(HLM)研究降雨强度对不同线形路段的影响,提高降雨影响模型的可移植性。结果表明,降雨因素与道路线形因素存在交互作用,平曲线半径增大会削减降雨对路段运行车速的负面影响,坡度增大则会加剧降雨对路段运行车速的负面影响;相较于传统线性回归模型,运用HLM模型分析运行车速影响因素更合理。     

高速公路路基养护评价方法研究

针对高速公路路基养护评价方法,首先从养护对象的角度建立了高速公路路基的评价指标体系,然后根据指标体系与养护对象的关系构建了模型框架,最后利用在江苏省现场采集的30个高速公路路段数据建立了主观评分值和客观评分值的主客观联系。通过线性回归的方法得到了江苏省高速公路路基评价模型,并验证了模型的合理性。     

基于安全车速差的高速公路特长隧道环境驾驶人行为风险特性研究

为研究高速公路特长隧道环境下驾驶人行为风险特性,选取2座典型特长隧道进行实车试验,通过采集熟练驾驶人和非熟练驾驶人的速度数据,将此作为主观预期车速,结合道路行车环境的客观安全车速,构建基于安全车速差的驾驶人行为风险量化方法。在划分隧道路段为入口段、行车段和出口段的基础上,通过切分行车区间,对比分析出入口段2类驾驶人行为风险变化特性及整个隧道路段和普通高速路段的行为风险变化曲线。结果表明： 1)在隧道内部,相对于非熟练驾驶人,熟练驾驶人表现出更高的行为风险值;在隧道外部,则非熟练驾驶人的行为风险值更高一些。2)所有类型驾驶人在普通高速路段行为风险值最高,在隧道入口段的行为风险值最低。上述结果说明： 在隧道路段,熟悉试验道路的驾驶人车速行为并不安全,行为风险值相对较高。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络的高速公路入口合流区域换道行为研究

为了应对高速公路入口合流区域并线事故频繁发生,在分析车辆并线行为影响因素的基础上,利用BP神经网络方法建立了车辆在该区域的决策模型,用来预测驾驶人的并线行为决策,保障车辆和驾驶人的安全.借助详细的车辆轨迹数据对模型进行了学习与测试,模型的测试结果表明:建立的BP神经网络模型用于预测驾驶人并线行为具有较高的准确度,并线车辆相对于目标车道前方车辆的相对速度是驾驶人并线时需要考虑的最重要因素.同时模型还可以进一步应用于交通仿真的研究以及驾驶人辅助系统的开发.