排序方式: 共有31条查询结果,搜索用时 15 毫秒
21.
22.
在智能网联环境下,车辆可通过相互穿插和协作通过交叉口,无需信号灯控制.为保证车辆安全高效运行,建立车辆到达时序和速度协同优化的交叉口车流轨迹优化模型.提出车辆到达时序优化模型和车辆速度优化模型,建立车辆到达时刻与速度的函数关系;在此基础上,模型以所有车辆在控制区域的行程时间与油耗加权最小为目标,车辆路径、到达时刻和速度... 相似文献
23.
驾驶分心行为对驾驶安全具有重要影响,文中对驾驶分心行为的定义、来源、影响因素、心的检测,研究实验方法以及缓解应对策略进行了综述。 相似文献
24.
25.
26.
从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明:基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性. 相似文献
27.
为量化大型车对城市道路交通运行的影响,提出基于大量车牌识别(License Plate
Recognition, LPR)数据研究路段、交叉口左转、交叉口直行这3类车头时距,分析大型车影响的方
法。首先,将LPR数据按采集位置划分,提出差异化数据预处理流程,得到用于考察不同车道条
件下4类过车组合的车头时距集合;然后,以高斯混合模型(Gaussian Mixed Model, GMM)、对数正
态混合模型及高斯/对数正态混合模型这3类共13个子模型分别对上述所有集合建模,以最大期
望算法求解参数;之后,以Kolmogorov-Smirnov检验排除不满足要求的模型,综合赤池信息准则
与最小描述长度准则对剩余模型择优;最后,基于最优模型参数定量评价大型车对不同类型车道
的影响。以某城市区域多个卡口与电子警察设备采集的大量LPR数据验证方法有效性。结果表
明:路段与交叉口、交叉口各功能车道的车头时距不符合同一分布,宜区分建模;3个密度分支的
GMM拟合各类车头时距集合均有最佳表现,其他模型在不同阶段体现出不适应性;各种车道条
件下,大型车对相关过车组合的车头时距均值及标准差均有不同程度的影响,且该影响按照路
段、交叉口左转、交叉口直行的顺序依次递减。拟合结果可供大型车影响评价借鉴。 相似文献
28.
现有车路协同系统的研究大多在系统功能研发和优化,而对于系统可靠性测试研究较少.面向车路协同系统典型应用——车速引导系统,首先考虑车辆在信号交叉口的排队消散过程,推导出车速引导一般模型;其次,提出车速引导系统可靠性定义,并从基本可靠性和运行可靠性2个层面开展影响要素和变量分析,建立了系统可靠性模型;然后,针对可靠性测试存在的样本量巨大、随机因素众多、功能应用条件暴露不足等问题,提出了蒙特卡罗方法和针对性测试方法相结合的通用测试方法.最后,以典型十字信号交叉口为案例,通过数值仿真试验对所提出的模型和方法进行验证.结果表明,单车场景下车速引导系统的可靠性为0.9600;在车速引导有效率为95%的多车场景下,系统能满足要求的概率为0.9509.此外,车辆GPS定位误差、排队长度误差、驾驶员反应时间和车辆加速度等变量的不确定性均对系统可靠性有显著影响. 相似文献
29.
30.
基于K近邻非参数回归的交通状态概率预报技术 总被引:1,自引:0,他引:1
针对城市道路交通系统中交通流演变的随机性和复杂性,以及实时交通状态判别本身所具有的不确定性,基于模式识别和相似预报的思想,提出了一种交通状态概率预报的K近邻非参数回归模型。模型首先利用城市道路路段上环形线圈采集的交通流数据,采用模糊聚类技术,生成历史样本数据库;接着采用相似离度指标进行近邻搜索;然后根据近邻子集,构建交通状态概率预报函数,对路段未来时段的交通流运行状态进行预报,并用概率定量描述该状态发生的可能性大小。最后根据该模型,结合实际数据,进行了不同预报时长的分级交通状态的概率预报试验,独立样本检验结果表明,该模型预报准确率高,稳定性好。 相似文献