基于轨迹数据的车辆跟驰行为分析与建模综述

随着轨迹收集技术与数据分析技术的迅速发展,越来越多的车辆行驶轨迹被采集并用于 交通流研究。车辆轨迹数据主要包括车辆运行的位置与时间等信息,利用这些信息可以推算出 车辆的速度、加速度及其与前车之间的空间和时间距离等驾驶行为参量。通过研究轨迹数据可 以揭示车辆自身的运行规律,车辆之间的相互作用规律,道路环境对车辆的作用规律,以及由此 产生的宏观、微观交通流现象,因此,轨迹数据研究受到日益重视。本文简要回顾了与轨迹数据 收集相关的历史,介绍了自然场景下采集的Next Generation SIMulation(NGSIM)数据及实验场景 下采集的车队轨迹数据,并梳理了近几年基于车辆跟驰轨迹的理论研究。首先,分析以交通振 荡、交通回滞为代表的交通流关键实测现象研究工作;整理跟驰行为分析方面的研究成果,包括 不对称跟驰行为、稳定跟驰行为的存在性、跟驰行为的记忆效应、任务难度、随机性、异质性。之 后,介绍基于跟驰行为分析成果而构建的仿真模型。最后,从3个方面评述现有基于轨迹数据的 研究,并提出未来展望：交通流关键实测现象方面,应收集更多不同条件下的数据,并尝试构建更 加普适性的理论或模型解释交通流现象;跟驰行为分析方面,可结合数据挖掘技术或生理、心理 理论,量化驾驶员跟驰特性与生理、心理特征,并将两者结合深入分析跟驰行为的机理;仿真建模 方面,可更多考虑驾驶员生理和心理变量,使模型更具人性化特征,并关注模型的评价方法,注重 模型对实际交通流的解释能力。     

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...     

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。     

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.     

���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.     

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.     

基于R树的非参数回归交通流预测方法

非参数回归在交通流预测中已得到广泛应用,但实际使用中存在实时性差的缺陷.为提高非参数回归预测速度,提出了使用空间索引结构R树作为模式库的存储结构,并依据R树空间聚类的特点进行K近邻搜索,最后根据搜索到的近邻点估算未来的交通流量.实验结果表明R树结构下的K近邻搜索速度比线性结构下的搜索速度提高了59.6%,但预测精度下降了8.8%.而通过缩小K近邻搜索中的距离上限这一参数,可以提高预测精度.结果表明当2种结构下的距离上限相同且小于0.02时,R树结构下的预测精度平均高于线性结构下11.9%,且搜索速度也平均提高了30.8%.因此,该算法能够在满足预测精度的条件下有效地提高预测速度,为实时短时交通流预测系统提供了1种实现算法.     

��ͨ�����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。