首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   15篇
  免费   2篇
公路运输   6篇
综合类   11篇
  2022年   1篇
  2021年   2篇
  2019年   1篇
  2018年   2篇
  2015年   1篇
  2011年   1篇
  2010年   1篇
  2009年   2篇
  2008年   2篇
  2007年   1篇
  2006年   2篇
  2005年   1篇
排序方式: 共有17条查询结果,搜索用时 187 毫秒
11.
路径流量是精细化交通规划和管控的基础,对识别路网的关键通道、路径、流向和节点具有重要作用.为了解决现有路径流量估计方法在模型假设和方法适用性上存在的局限性,提出一种以抽样车辆轨迹数据作为唯一输入数据源的信号控制路网路径流量估计方法.该方法对基于经典广义最小二乘法的OD估计模型进行改进拓展,以路网路径流量和交叉口流向流量...  相似文献   
12.
依托先进的工业技术,日本在汽车驾驶模拟器领域积累了大量经验.首先回顾了汽车驾驶模拟器的发展历程及基本应用.然后以日本东京大学生产技术研究所“面向人、车、交通研究的通用驾驶模拟器”为例,着重从驾驶行为、道路与交通设计、交通安全、交通环境效益以及智能交通系统几方面阐述了汽车驾驶模拟器在交通研究上的应用.最后探讨了汽车驾驶模...  相似文献   
13.
日本自行车交通   总被引:2,自引:0,他引:2  
唐克双  方芳 《城市交通》2008,6(1):88-88,53
目前,为改善环境,欧美国家正积极地采取一些从小汽车交通向自行车交通转换的政策和措施。同样,在汽车饱有量大并重视环境保护的日本,自行车交通也越来越得到重视。  相似文献   
14.
唐克双 《城市交通》2009,7(2):95-96
日本交通工程研究会(JSTE)目前正在推进一项简化交叉口标示名称的自主研究课题。该研究的背景是:日本路网中有相当多的次干路和支路没有名称,驾驶人不得不通过交叉口的名称来识别路径,但由于日本交叉口名称的复杂性和邻近交叉口名称的相似性,驾驶人特别是高龄者、  相似文献   
15.
排队长度是评价信号控制交叉口运行状态的重要参数之一。现有大多数基于抽样车辆轨迹数据的排队长度估计方法可以实现周期级排队长度估计,但是需要信号配时、渗透率或车辆到达分布等实践中难以获取的输入信息。此外,这类方法在低渗透率条件下往往难以确保估计结果的准确性和可靠性,极大地限制了其实用性。因此,提出一种抽样车辆轨迹数据驱动的时段级信号控制交叉口排队长度分布估计方法,可不依赖任何交通流理论模型和前述输入信息实现排队估计。首先,通过理论推导可以证明时段内抽样车辆的停车位置分布和排队长度分布之间可互相转化;然后,提出一种扩展的核密度估计方法来拟合并平滑抽样车辆停车位置分布,从而有效地适应不同日期和周期的轨迹叠加所带来的波动,提高方法的适用性;最后,基于前述推导和拟合的停车位置分布实现时段排队长度分布、平均排队长度和百分位排队长度估计。分别采用仿真和实证数据对上述方法进行验证和评价。结果表明,通过叠加5 d相同时段的抽样轨迹数据,15 min的平均排队长度估计误差仅为1.59 veh,相对误差仅为9%。同时,面向不同分析时长,只要给定超过100 veh抽样车辆的观测样本,无论渗透率高低,所提出的方法在定时或自适应信号控制交叉口都可实现时段排队长度分布的准确估计,其成果可进一步用于信号控制交叉口运行可靠性评估以及多时段定时信号控制的鲁棒优化。  相似文献   
16.
首先从分析上海市2010年世博会(World EXPO)期间的交通供需出发,论证了世博会期间采取交通需求管理(TDM)的必要性;其次,根据世博会期间交通需求的特点,提出了实施需求管理的关键问题和具体目标;最后,分别从用地规划阶段、综合交通规划阶段、交通管理与监控阶段三个层次,对世博会期间可以采取的交通需求管理对策加以系统分析。  相似文献   
17.
基于交叉口相位切换期间的车辆轨迹数据,分别根据单车和跟车行驶状态,识别和分析了相位切换期间可能发生的危险驾驶行为。通过视频拍摄和图像处理的方式,提取了曹安公路沿线3个交叉口共312条单车状态和四平路-大连路交叉口共449条跟车状态的高精度车辆轨迹数据。针对交叉口相位切换期间的危险驾驶行为特征,利用速度、加减速度、减速度变化率、潜在碰撞时间(TTC)等指标,研究在此期间车辆发生危险驾驶行为的特点和类型。对于单车状态下行驶的车辆,按停止、通过分类,依据减速度、减速度变化率、减速度变化率的峰值差等指标将停止车辆的危险驾驶行为分为紧急减速型、增强减速型和持续急减型,依据过停车线时间、速度、加速度等指标将通过车辆分为闯红灯型、超速过线型、激进加速型和持续高速型。对于在跟车状态下行驶的车辆,按前、后车不同的停止、通过决策组合分类,依据连续5个时间间隔(0.12 s)的TTC分析前、后车的危险驾驶行为及发生追尾事故的危险程度。针对识别出的危险驾驶行为类型,讨论车辆的关键行为参数与危险驾驶行为之间的内在关联。研究结果表明:单车状态下有17%的车辆存在危险驾驶行为,其中53%为紧急减速行为;跟车状态下有19%的跟车行为是危险的,其中停止车辆的比例是通过车辆的2倍以上。研究成果可进一步应用于驾驶行为模型的参数标定、基于车辆轨迹的交叉口安全评价以及预防危险驾驶行为的主动安全控制策略等。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号