双车道二级公路纵坡段车辆运行速度预测模型

在分析双车道二级公路不同坡度、坡长纵坡的大量运行速度实测数据的基础上,得出车辆运行规律。通过研究纵断面要素(坡度、坡长)与车辆运行速度的关系,确定自变量参数后,利用SPSS软件进行回归分析,分别建立了小车上坡、大车上坡在坡中和坡顶以及小车下坡、大车下坡在坡中和坡底的运行速度预测模型,并对模型进行了检验。结果表明:车辆运行速度随坡度增加而减小,其变化的幅度受坡长影响;预测模型分别通过了回归等式的显著性检验、回归参数的显著性检验和回归等式应用准确度的检验,所有模型的相对预测误差平均值均小于5%,建立的回归模型精度满足要求。     

基于Monte-Carlo法的高速公路纵坡坡度可靠性分析

为探究保证行车安全的高速公路纵坡坡度值,引入可靠度理论,以上坡路段载重车辆运行速度降低至容许最低速度为极限平衡条件,建立纵坡坡度计算模型,并提出其可靠度功能函数。使用蒙特卡洛仿真算法,求解设计速度分别为120,100,80 km/h对应最大坡长条件下,不同坡度供给值的可靠概率,并以可靠概率为95%对应的坡度值作为推荐值。研究表明,规范值存在较大行车风险,基于可靠度理论得到的3种设计速度下的最大安全纵坡坡度推荐值分别为2.4%,3.4%,4.4%,该值可有效提升道路安全性。     

公路纵坡坡度和坡长限制指标的确定

针对我国的主流货运车型与载重吨位,根据实车装载上坡试验,研究车辆在上坡行驶时,纵坡坡度与车辆行驶速度以及速度随坡长的变化规律,确定典型货车在不同坡度下的上坡性能曲线;通过速度折减量与坡长之间的关系曲线,提出基于运行速度差和满足公路服务水平要求的各级公路最大纵坡坡度与坡长限制值。     

基于MOVES的高速公路纵坡段载重柴油车辆碳排放预测模型的研究

为研究高速公路纵坡路段的碳排放规律,以西安绕城高速为依托工程进行现场试验,采用MOVES进行碳排放模拟,并利用试验核算的碳排放数据评估模拟结果。基于MOVES模型得到我国高速公路不同纵坡情况下的碳排量数据库文件,建立高速公路纵坡路段的载重汽车的碳排放模型,并对碳排放模型进行敏感性分析。研究结果表明:高速公路纵坡路段的碳排放量以初速度、坡度、坡长为自变量作多元非线性函数形式的变化;高速公路上坡路段是机动车产生碳排放的主要路段,累计碳排量对坡度i_(上坡_∈[3%,6%]的敏感性居第一位次,对坡长l_(上坡)的敏感性居第二位次,反映出路线设计过程应尽量采用较小纵坡,避免长大纵坡的设计方案;在高速公路下坡路段,累计碳排放对坡度i_(下坡)∈[-3%,-6%]的变化最敏感,坡长次之。     

高速公路纵坡坡度与运行速度的关系

本文在大量实测数据基础上，研究小客车在各种纵坡坡度下，其自由流速度随坡度的变化规律；建立了基于车辆动力性能的纵坡坡度与实际运行速度之间的关系模型，并标定、验证了相关参数。研究成果为路线设计采用“运行速度设计方法”提供了速度预测手段与技术支持。     

基于MOVES的上坡路段载重车碳排放规律研究

二氧化碳是造成温室效应的主要气体,上坡路段显著影响载重货车的碳排放.为研究上坡路段对载重车碳排放的影响特性,基于汽车动力学模型,通过计算重量功率比为148 kg/kW的载重车在不同坡度路段上坡行驶过程中的瞬时速度,作为MOVES模型的基础数据,预测得到10～90 km/h共9档初速度和0～8％共9个纵坡组合条件下的碳排...     

高速公路下坡路段缓坡安全性设计研究

高速公路下坡路段设置缓坡的目的是降低货车行驶的速度,减少制动毂使用,提高连续下坡路段的安全性,现有规范对连续下坡路段缓坡设计指标的规定不够详细,且缺乏不同缓坡最小长度的规定。根据当前货运主导车型的实际情况,选取东风DFL4251A15六轴铰接列车主导车型,对货车在下坡路段的受力状态进行分析,将发动机制动条件下保持货车匀速的下坡坡度作为缓坡临界纵坡,并提出了连续下坡路段货车采取不同制动档位时,不同运行速度对应的缓坡坡度值。根据受力分析结果和制动毂温度降温模型,分别提出了基于货车速度降低特性和制动毂降温特性的缓坡坡长。结果表明:发动机制动时货车保持匀速行驶的缓坡均小于规范规定值;基于货车速度折减特性的缓坡坡长均大于规范中最短坡长的规定值,说明缓坡设计最小坡长应根据缓坡的作用确定。     

基于高空视频图像的山地城市信号交叉口到达车辆运行特征分析

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素，通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据，利用基于DataFromSky云平台的AI视频分析技术，获得车辆运行参数。基于车辆运行时空图，得到了交叉口直行道停止线前车辆停滞延误特征、停止线位置车头时距和车头间距统计特征，分析车头间距、停止线截面处速度及道路平均坡度之间的相关性。结果表明:不同路段同一排队位次和同一路段不同排队位次的车辆运行特征均有所不同，排队位次越靠前的车辆，停车点分布区间越集中，下坡路段整体停车位置分布范围比上坡路段大；无论是上坡、下坡，还是缓坡，排队位次越靠前的车辆停滞延误分布范围越大，而靠后的车辆停滞延误分布范围小，最大值出现在下坡路段；不同路段类型车头时距分布均集中于1.5 s，上坡路段的车头时距离散程度最大，但峰值比下坡路段和缓坡路段小；不同路段类型的车头间距分布均集中于10 m，上坡路段和下坡路段车头间距分布出现左偏现象，而缓坡路段车头间距分布更为集中；车头间距在上坡、下坡和缓坡路段均和车辆经过停止线位置处时的速度存在较强的正相关性；道路平均坡度与相邻2车车头间距存在正相关性。      

基于通行能力的高速公路爬坡车道设置条件判定方法研究

为合理确定爬坡车道设置条件,采用容量算法对高速公路上坡路段的车辆折算系数进行微观交通仿真研究,得出不同交通组成、纵坡坡度和坡长条件下大型车和汽车列车的车辆折算系数;根据主导车型爬坡性能曲线得到等效坡度-坡长简化计算模型;根据车辆折算系数和等效坡度坡长,利用设计通行能力计算公式分析基于通行能力的高速公路爬坡车道设置条件。     

半挂汽车列车高速公路弯道下坡路段运行安全研究（双语出版）

为提升半挂汽车列车在高速公路弯道下坡路段的运行安全，采用TruckSim仿真软件，构建了车辆模型、道路模型和驾驶人动力学仿真模型；基于蒙特卡罗可靠性分析法，分别建立了半挂汽车列车发生侧滑失效、侧翻失效、折叠失效和系统失效的功能函数，并选取设计速度80 km·h^-1的高速公路为研究路段，通过进行大量车辆动力学仿真试验，对不同圆曲线半径、纵坡坡度、路面附着系数、车速和车辆总质量对半挂汽车列车的运行安全的影响进行了数值分析。研究结果表明：半挂汽车列车发生侧滑和侧翻的概率随着圆曲线半径的增加而显著降低，在一般最小半径400 m的情况下，半挂汽车列车发生侧滑失效和侧翻失效的概率趋近于0；随着下坡坡度的增加，半挂汽车列车发生侧滑失效和侧翻失效的概率基本呈线性增长趋势；车速对于半挂汽车列车运行安全的影响尤为显著，当车速均值由60 km·h^-1增加到90 km·h^-1时，发生侧滑失效和侧翻失效的概率分别增加了634倍和336倍；车辆总质量的增加对半挂汽车列车侧翻有显著影响；在路面附着系数较低的条件下，半挂汽车列车的主要事故形态为侧滑和折叠，在路面附着系数较高的情况下，半挂汽车列车的主要事故形态为侧翻。因此，在道路设计中，应避免极限最小半径与陡坡组合，严格限速和限载可确保半挂汽车列车的运行安全性能。     

山区高速公路弯坡路段车辆运行速度预测模型

为确定山区高速公路弯坡路段的车辆运行速度特征,提高山区高速公路运营安全管理水平,结合山区高速公路复杂的道路线形条件,研究适用于弯坡路段的运行速度预测模型.文中列举国内外具有代表性的运行速度模型,并分析其局限性;通过调研3条典型山区高速公路,采用气压管式车速检测器对车速数据进行采集,选择路段特征点的运行速度作为分析样本;...     

多车道高速公路分流交织区交通流特性与交通组织策略

为了解决多车道高速公路分流交织区由于车道数增加、交通流量增加、标志设置不合理等原因存在的诸多安全问题,在分析多车道高速公路分流交织区存在的问题和总结现有多车道高速公路断面形式(整体式断面、客货分离式断面、主辅分离式断面)的基础上,提出多车道高速公路分流交织区的交通组织形式及其优缺点.总结了多位学者对多车道高速公路分流交...     

城市快速路出入口交织流率和交织长度的仿真研究

城市快速路出入口是引发相关路段及其周围路网拥堵的主要原因。交织流率和交织长度是影响出入口处交通运行的重要因素,并采用仿真方法对两者进行了分析,具体案例的Vissim仿真结果表明：通过总流量为4 900veh/h,流率比由0.15增加到0.4时,交织段均车延误增加2倍,交织车速降低将近40%;交织长度选取160～180m时,均车延误为1.3s,平均车速达到45.02km/h,是快速路出入口交织长度的合理值。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于灰色理论的高速公路小修保养维修量预测模型

在仅有通车5 a以下维修量的小样本数据条件下,为了合理、科学地预测高速公路小修保养维修量,量化年平均日交通量、年均降雨量、年均温度和通车年限4个因素对维修量的影响程度。提出了基于Matlab的灰色系统预测模型,以实际调研路段5 a的统计数据为样本,运用灰色关联度模型对4个因素的影响程度进行量化评估;分别建立均值GM(1,1)单变量预测模型与GM(1,N)多变量预测模型对维修量进行预测分析。研究结果表明:上述4个影响因素与维修量的灰色关联度均大于0.5,说明上述4个自变量对维修量均具有较大影响;GM(1,1)模型70%的预测结果误差小于15%,GM(1,N)模型75%的预测结果误差大于30%,从而得出GM(1,1)预测模型比GM(1,N)预测模型的预测结果更加准确。因此,对通车5 a以下维修量的小样本数据预测,选用单变量预测模型更加合理、有效。     

基于ADAS联网时空数据的路段交通参数估算模型

交通参数实时获取是道路交通管控的重要基础.针对固定检测器观测范围受限和浮动车数量需求大的问题,研究了1种利用车载ADAS联网数据进行路段交通参数估算的方法.通过分析车载ADAS感知的前向目标参数与交通参数的关系,结合广义交通量定义,并考虑多车道条件下ADAS车辆及其邻近前车的相对运动变化特性,建立了1种非稳态交通条件下...     

Crash prediction model for two-lane rural highways in the Ashanti region of Ghana

Crash Prediction Models (CPMs) have been used elsewhere as a useful tool by road Engineers and Planners. There is however no study on the prediction of road traffic crashes on rural highways in Ghana. The main objective of the study was to develop a prediction model for road traffic crashes occurring on the rural sections of the highways in the Ashanti Region of Ghana. The model was developed for all injury crashes occurring on selected rural highways in the Region over the three (3) year period 2005–2007. Data was collected from 76 rural highway sections and each section varied between 0.8 km and 6.7 km. Data collected for each section comprised injury crash data, traffic flow and speed data, and roadway characteristics and road geometry data. The Generalised Linear Model (GLM) with Negative Binomial (NB) error structure was used to estimate the model parameters. Two types of models, the ‘core’ model which included key exposure variables only and the ‘full’ model which included a wider range of variables were developed. The results show that traffic flow, highway segment length, junction density, terrain type and presence of a village settlement within road segments were found to be statistically significant explanatory variables (p < 0.05) for crash involvement. Adding one junction to a 1 km section of road segment was found to increase injury crashes by 32.0% and sections which had a village settlement within them were found to increase injury crashes by 60.3% compared with segments with no settlements. The model explained 61.2% of the systematic variation in the data. Road and Traffic Engineers and Planners can apply the crash prediction model as a tool in safety improvement works and in the design of safer roads. It is recommended that to improve safety, highways should be designed to by-pass village settlements and that the number of junctions on a highway should be limited to carefully designed ones.     

融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型

山区高速公路事故严重程度预测对保障交通安全具有重大意义.针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以高效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型.该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程...     

支持向量机在交通流量实时预测中的应用

实时、准确的交通流量预测是正在发展的智能交通系统的关键问题之一,对于交通控制和交通流诱导都有着直接的影响。提出一种基于支持向量机的交通流量实时预测模型,通过采用序贯最小优化算法,能够实现对交通流量的有效预测。应用实例表明,支持向量机具有良好的泛化性能,在输入信号混有10%噪声的情况下,支持向量机的鲁棒性更好,预测的平均误差为4.25%,预测结果优于BP神经网络和动态递归神经网络。