道路景观设计对驾驶行为的影响研究

道路景观对交通安全有重要影响.为解决当前道路景观设计工作过程中存在的设计方案表现形式落后、动态体验失真、无法定量评价等问题,将驾驶模拟实验与口头问答相结合,设计驾驶行为与道路景观因素水平相关性模拟驾驶实验.驾驶行为数据的方差分析结果表明,道路景观的色彩、株距、高度、冠幅、路边距因素的不同水平会影响驾驶员对道路景观的感受及其驾驶行为.通过主成分分析将速度、前向加速度、横向位置、横向加速度及转向盘操作量等参数的标准差综合成驾驶稳定性评价指标,定量比较了各因素的不同水平对驾驶人驾驶稳定性的影响程度.结果表明,当道路中央隔离带及路侧植株过高或色彩过多过艳时,驾驶人的驾驶稳定性最差,据此提取出了景观设计方案确定过程中应多加关注的问题.     

基于聚类分析的非参数回归短时交通流预测方法

大部分非参数回归预测算法并不对交通流历史数据进行区分,而是将全部历史流量数据建立模式库进行分析.基于交通流的现实特征,提出基于聚类分析的非参数回归短时交通流预测方法,首先根据流量分布特点运用聚类分析将其分类成不同的流量模式,然后选择匹配待预测时刻的流量模式作为样本数据库运用非参数回归进行预测.实例计算结果表明,其预测精度优于传统非参数回归方法.      

驾驶技能与追尾事故关系的仿真研究

驾驶员驾驶水平与追尾事故发生有着密切的关系.本文以交通流仿真模型中的优化速度模型为基础,考虑驾驶员的反应时间与操作失误率两方面因素,建立了一种追尾事故的微观仿真模型.随后针对由两台车辆组成的场景,通过仿真实验研究了车速、车距及驾驶技能对追尾事故发生率的影响.仿真结果表明,依据车速保持合理距离是防止事故发生最有效的手段,而反应延迟与操作失误率对事故发生都有影响,并具有不同的影响程度与影响形式,同时给出了对驾驶员驾驶水平要求的一些建议.本文结果对于人因交通事故机理研究及人因交通事故的预防有一定参考价值.     

基于BP神经网络的微观交通安全预测方法

将主成分分析及BP神经网络模型引入到道路交通安全性预测中,从微观层面分析影响交通事故的因素,重点分析道路参数,并形成文中的原始数据。对原始数据进行主成分分析,将结果作为神经网络模型的输入,建立BP神经网络模型,对道路交通安全性进行预测。结果表明,基于主成分分析的BP神经网络模型比一般BP神经网络模型精度更高,而且从微观的层面进行分析可以得到道路参数对交通事故的影响。     

GIS-T中交通事件的动态表达

针对当前GIS -T中对于交通事件表达的不足,首先利用交通波理论计算交通事件对路网影响范围的时空变化情况;其次基于线性参考和标准动态分段思想,在标准动态分段中增加时间维属性,通过程序扩展在现有GIS平台上实现时空动态分段方法,并用该方法实现交通事件影响临近路段范围的时空变化可视化表达.结果表明,利用时空动态分段方法可以...     

动态混合行为交通网络平衡的遗传算法求解

采用遗传算法对动态交通网络平衡微分博弈模型进行求解,将动态混合行为交通网络平衡模型构造为一个开环信息结构下N个局中人非合作非零和博弈,并考虑了一个单OD对之间有两个平行弧的简单网络和两类局中人--用户平衡（UE）和古诺-纳升（C-N）--在拥挤现象中的相互作用,针对此简单网络阐明了遗传算法求解模型的具体步骤。遗传算法求解不必要求目标函数连续可微,大大提高了模型的适用性。通过算例对所设计的算法进行了验证,在算例中将Wie BW（1993）的研究中部分参数取值作了修改,使其更加合乎交通实际,并将计算结果与Wie B W（1993）采用最小值原理计算结果进行了对比分析,通过对比分析表明,其计算结果更符合交通实际。     

地下道路分合流区驾驶员视认行为研究

当前地下道路交通事故频发且严重程度高,而提高地下道路交通标志的视认性是缓解地下道路交通安全问题的重要的措施之一.采用问卷调查和模拟驾驶实验的方法进行数据收集,并量化可能影响驾驶员视认性的各种因素,采用SPSS进行多项Logistic回归,从而提取影响驾驶员对地下道路分流标志视认的关键因素.回归结果表明,驾驶员的自身因素和交通状况均对驾驶员的视认行为产生重要影响,且各因素的因素程度由高到低排序依次为:职业、年龄、前车距、车流量等.建立了可以估算驾驶员产生不同等级注意程度的概率的预测模型,从而有针对性的对驾驶员进行培训,进而提高交通运行的安全程度.     

���ص���ϵͳ��̬����·���㷨�о�

目前用于车载导航系统最优路径搜索算法大多数只能适应静态交通环境,当交通环境或者出行者位置发生改变时,需要重新计算修改整个最优路径,速度较慢. 在LPA算法的基础上,首先将出行者位置不断变化而目的地位置固定不变的问题转化为起点固定终点固定的问题,另一方面结合增量搜索的思想,利用先前搜索的结果不断更新当前搜索过程中的遗传值,来提高搜索的效率,并最终提出了可用于车载导航系统的动态最优路径搜索算法. 实验结果表明, 在交通环境和出行者位置同时发生变化的情况下,最优路径搜索时间要比静态算法小很多. 最后将算法部署在Windows Mobile手机移动平台上,实际结果表明, 该算法较好地解决了动态最优路径问题,具有理论参考价值和实际意义.     

��ͨ�����и���ѧϰ������Ӱ���������ʵ֤

学习能力,作为人类区别于其他生命体的重要标志,在出行决策中发挥着重要的作用。为发现学习能力对个体出行规律的重要影响,本文首先根据影响个体出行的各个因素在出行决策中起到的不同作用,将其划分为静态因素与动态因素两类,并着重分析了静态因素中的学习能力对个体出行特征的影响。随后在定性分析的基础上,建立了个体社会经济特征、学习能力、出行行为间三者的结构方程模型(SEM),并以天津滨海新区城市居民出行调查数据为基础,对模型进行了拟合、评价和修正,最后对模型结果进行了解释, 在一定程度上揭示了个体的社会经济特征及学习能力对个体出行特征的重要影响。     

一种新的基于行车道路网数据模型及应用

根据交通管理的需求,选择行车道作为道路网络的最小建模单元,提出了一种新的基于行车道交通路网模型。模型利用几何和逻辑这两种网络结构,实现了道路网络几何特征表达和拓扑连通关系的分离;利用两层路网结构实现道路网络的多尺度表达;最后应用该模型讨论了移动对象的时空管理并以实例对模型进行了验证。