基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平,对于深入研究驾驶人行为特性,改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法,大多基于心电、脑电等生理信息和车辆信息,由于特征选择上的单一性,导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验,通过采集受试者的生理信号和车辆信号,结合NASA_TLX主观评分和机器学习算法,提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法,其精度显著高于传统的基于生理信息的认知负荷分类方法,以多维信息特征为输入,随机森林法以其稳定性好、抗过拟合能力强的特点,表现出优异的分类效果,相比神经网络和支持向量机,具有最高的平均分类精度。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控.首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,...     

浅谈城市轨道交通建设项目水土保持防治措施

以上海市徐汇区某轨道交通工程项目为例,围绕工程及项目特点,展开分析了该类型生产项目建设的水土流失特点及防治分区特征,并对水土保持措施进行总体布局,以确保城市轨道交通项目水土保持防治措施全面有效地发挥作用.     

面向智能网联汽车道路交通安全保障的交通规则和交通冲突测试验证研究

智能网联汽车是驾驶人和车辆合为一体的新型交通参与者,本文提出了将交通法规和安全行车能力注入到智能网联汽车的方法,同时提出了构建相应学习、测评系统和工具的方法,目的是为了使智能网联汽车像人类一样遵守法规、保障安全,填补目前行业空白,为扫清智能网联汽车落地障碍奠定基础.     

面向自动驾驶车辆的路段人车冲突判别模型

针对无信号控制路段自动驾驶车辆和行人冲突判别建模,选择武汉市6处无信号控制路段作为调查地点,从而保证足够的车辆及行人数据量,采用视频采集技术获取交通流量以及行人与车辆的行为数据.利用决策树分析方法将决策分为两各层级,分别为行人过街决策和冲突判别,利用二元Logit模型建立面向自动驾驶车辆的路段人车冲突判别模型,对行人和自动驾驶车辆之间可能发生的冲突概率进行计算.建立的模型可以作为自动驾驶技术中的一部分,能够帮助自动驾驶汽车具备人类驾驶员与行人间的通行权沟通能力,使自动驾驶汽车控制系统更加智能且接近人类的判断能力.     

城市滨水道路交通组织研究——以赣州河套老城区为例

滨水道路如何支撑区域交通联系、促进社会经济发展,针对此间题对滨水道路交通组织进行了研究.通过对滨水道路交通、景观以及防洪特征的分析,探讨了滨水道路在规划体系中的功能定位,从路网分离、平面交叉、越江跨河道路衔接以及道路断面布置4方面初步研究了滨水道路的交通组织策略与方法.以赣州河套老城区为例,将得到的交通组织研究成果在滨水道路章江北大道上进行适应性分析,进一步归纳总结了滨水道路交通组织方法.结论 认为:滨水道路在交通、景观、防洪等多重功能中需要做好合理的平衡,统筹考虑所涉及的各个子系统,科学、合理地制定滨水道路交通组织.     

安康市汉江景观桥设计方案研究

安康依汉江而建,桥位处周边建筑具有重要的历史文化意义,且桥位两边连接安康重要的街道和火车站。汉江景观桥在桥位走向、桥型选择与周边历史文化的契合度、景观桥与汉江两边道路的衔接等方面是重点研究的课题,从设计思路、功能定位、桥位比较、桥型方案、造价等对安康市汉江景观桥设计方案进行了研究。     

北京地区城市道路施工图常见问题解析

结合施工图中遇到的具体工程案例对城市道路设计中常用的国家标准、行业规范和地方标准中易混淆、易忽略问题加以解析.对于城市道路慢行系统(人行步道、非机动车道)的布设原则和无障碍系统与市政设施之间的空间关系、路口转弯半径应如何考虑以及圆曲线范围车道加宽方式等问题进行探讨.     

交通土建工程中路基路面施工要领分析

当前时代对于交通土建工程的质量要求越来越高,相关工程企业只有不断进行改进升级,才能为人们的日常生活与出行提供更加高质量的交通土建工程。路基路面施工作为影响交通土建工程质量水平的关键因素,加强对路基路面施工工作的分析至关重要。     

融合RCM、PHM和数据挖掘的城市轨道交通车辆维护决策技术研究

提出了一种用于轨道交通车辆系统维修决策的RCM(以可靠性为中心的维修)可靠性评估的新方法.针对轨道交通车辆系统故障机理复杂,影响因素冗多,提出基于RCM、PHM(故障预测与健康管理)和数据挖掘算法相融合的方法来构建系统的维护决策模型.与传统方法的区别在于,该方法能够更精准地定义维护模型,并获得系统的最优维护间隔,计算效...