BT模式下地铁土建工程进度管理经验

为加快石家庄地铁1号线的土建工程进度,确保洞通等里程碑工期的实现,通过合理确定里程碑工期目标及工期技术参数,高度重视前期工程工作,主动推动站点按期开工,紧抓关键线路站点管控,狠抓短板单位管理,坚持过程预警、严格节点目标、专项考核和劳动竞赛考核,按照“五保”思路全面推进主体工程建设,按照“洞通为本,三通咬合,压茬推进”的工作思路推进各项工作进展,同时通过优化技术方案、强化安全质量、深入对接设计、确保物资供应保障履约,主动替政府与业主着想,帮政府与业主想办法,形成“双铁”建设管理机制,有效保证了土建工程的施工进度。     

公交优先硬件在环测试评估平台设计

为了对复杂交通条件下的公交优先策略进行测试评估,比较不同信号机中公交控制策略的优劣,论文引入公交优先硬件在环仿真技术,设计搭建公交优先的硬件在环测试平台,开发信号转换器,实现信号机与仿真软件之间的通信,并能兼容不同信号机,实现对公交优先策略的仿真评估,同时开发上位机测试平台控制系统的运转.该测试平台可推广应用于线控、网控等控制策略测试,提高控制策略的有效性.     

基于多视图协同交互技术的换道图谱构建与分类

为直观展示换道过程中驾驶人视觉感知与手脚操作的细节特征,研究了多视图协同可视化的换道图谱.采用驾驶模拟舱进行高速公路驾驶实验,提取换道过程相关指标数据.将平行坐标、计数图、柱状图与换道轨迹协同可视化以构建换道图谱.采用多视图交互技术对提取的40个换道过程进行分析,提出换道过程的合格区范围并以此将换道图谱分为合格、临界合...     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型...     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。     

东直门地铁导向标识使用效果影响因素分析及研究

通过研究影响人群对地铁导向标识使用的因素,基于以往研究及寻路实验,对影响标识使用的主要因素进行分析,利用二元Logistic回归模型对标识的使用情况进行建模,结果表明,在东直门地铁中,文字符号比、设置方式、设置高度以及设置角度是影响标识使用率的主要因素,文字符号比大于1、设置方式为悬挂式、设置方向与流线垂直等设计都会高标识的使用率.本研究对导向标识的点位布设以及设置样式具有参考价值.     

关于城市轨道交通钢轨选型的探讨和建议

根据钢轨制造技术的发展并结合轨道研究和设计领域的最新成果,对城市轨道交通钢轨定尺长度、钢轨质量及钢轨材质选择进行分析和探讨,并建议在钢轨选型时,应全面考虑不同线路布置特点,车辆及荷载情况,运输、施工及维修条件,建设工期,初期投资及运营成本要求等综合因素,力求使每条城轨交通中的钢轨选型方案在满足安全可靠的基础上,更具工程针对性和经济适用性.     

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^-1及加速度在0.3~1.0 m·s^-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。     

快速路立交桥区预告标志对驾驶入的影响研究

为研究立交桥区多级预告标志现状设置效用,以立交桥匝道类型、三级预告标志设置情况为控制因素,开展驾驶模拟实验获得车辆行驶状态数据,采用重复测量方差分析及LSD两两对比分析方法分析7种指标。结果表明:7种指标中仅换车道次数呈显著性差异。深入分析换车道行为特征,分析结果表明:预告标志对换车道行为的影响与立交桥型指路标志是否设置无关;定向、半定向、环形匝道条件下,设置预告标志将增加作用范围内换车道次数,且关键增加区域位于第三级预告标志前100 m至后方300 m范围内;设置预告标志将提高第2、3次换车道人员比例,分别提高14.61%、2.37%,有效改善驾驶员换车道行为。     

无限速标志条件下左侧路肩宽度对驾驶员综合影响的试验研究

依托驾驶模拟舱,在不控制驾驶员行驶速度的基础上,考察了左侧路肩的安全影响。通过搭建不同左侧路肩宽度的模拟驾驶场景,实时记录了反映驾驶员注视行为、生心理状态与机动车行驶状态的数据,利用统计分析工具(方差分析和对比分析)对数据进行了处理和分析。研究结果表明:左侧路肩对驾驶员的注视行为与车辆的侧位移有影响,尤其是当路肩宽度为0.75 m和1.5 m时,左侧路肩对驾驶员有较大的积极影响;左侧路肩不会增加驾驶员的心理负荷。基于此,选取0.75 m为左侧路肩宽度的最小值,并以1.5 m为左侧路肩宽度的推荐值。