基于800/900MHz频段的组合式电子收费车道设计

根据目前国内高速公路联网收费实际和技术条件,结合重庆市电子车牌项目作为省级区域国家级信息化试点的要求,提出了将基于800/900 MHz频段的组合式电子收费车道作为ETC(Electronic Toll Collection,电子不停车收费)快速通行手段的设计方案。该方案与目前MTC(Manual Toll Collection,人工半自动收费)的技术条件和实际环境兼容,并且投资成本低,具有较高的实用性和可操作性。     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

无信控路段人行横道处行人过街建模与仿真

为精细化描述无信控路段人行横道处行人过街决策及微观运动行为,本文在行人过街行为分析的基础上,基于战术层-操作层构建行人过街双层模型。其中,在战术层面,针对行人分步决策特性,利用二元Logistic回归模型构建路侧和路中行人过街决策模型;在操作层面,针对传统社会力模型在描述行人过街时表现出的局限性,引入行人主动避让力和人行横道对行人的作用力,构建行人过街微观运动模型。最后,通过AnyLogic仿真平台实现行人过街双层模型仿真,并根据实际数据和仿真结果分析模型有效性。结果表明：相较于路侧决策模型,行人性别、停车视距内的车辆数和行人距潜在冲突点的距离这3个因素对行人路中决策结果影响更显著,引入行人主动避让力和人行横道对行人作用力的改进社会力模型,能更好地反映无信控路段行人过街时的行为特征。无信控路段人行横道处行人过街行为仿真模型的有效建立,能为后续行人过街安全改善方案提供决策支持。     

行人过街风格多参数融合识别

行人作为城市慢行交通系统中的弱势群体,探究其过街行为特征,对减少人车冲突,提升行人过街的本质安全具有重要的现实意义。本文针对特定交叉口,设计自由过街及心理临界过街两种场景状态下的行人过街试验。分析过街速度、心理临界时窗及视觉特性等参数之间的耦合关系,选取风险感知因子与临界安全系数作为心理临界过街状态下行人风格的表征指标,构建过街风格识别模型,透析不同风格行人过街行为可靠性。结果表明：年龄对过街速度和心理临界时窗有显著影响;心理临界时窗与过街速度和信号灯区域注视概率呈负相关关系,与车行区域注视概率呈正相关;心理临界过街状态下,依据风格识别结果,男性谨慎程度高于女性,冒险型行人过街失败率为65.22%;冒险型老年人对自身运动机能的评估能力以及视觉搜索特征存在重要缺憾。研究结果可为交叉口基础设施设计与优化,行人过街教育与培训等提供参考。     

基于生存分析方法的地铁车站自动扶梯通过能力研究

城市地铁车站内上下、换乘客流集中,车站布置较为复杂,很容易在站内通行瓶颈点发生拥堵情况。以上海轨道交通9号线徐家汇站站厅一处自动扶梯为对象,从监控视频提取乘客的到达速率、步行速度和排队情况,分析乘客在自动扶梯前的行为特性,并运用生存分析方法,探究该自动扶梯处的乘客到达与排队人数之间的关系,得出自动扶梯的实际乘客运输瓶颈,并对车站在日常通勤高峰和在应对大客流时的客流组织方案提出建议。     

论物流运营风险控制与防范

物流业的发展推动了社会经济的发展，成为社会经济发展的重要组成部分，然而物流业在发展过程中也遇到了各种风险，如何防范？就此根据物流企业运营过程中所面临的各种风险进行了分析，并运用风险坐标图方法进行风险评价，确定各物流营运风险管理的优先顺序和策略，提出了各类风险控制和转移的防范措施。     

汽车门禁安全防盗系统——从遥控钥匙到身份识别卡

简要介绍汽车门禁安全防盗系统的历史沿革，阐述PKE（身份识别卡）的功能原理、主要技术参数、整体设计方案，并对无钥匙进入系统的功能和技术性能优势进行详细介绍。     

多模态人机交互中基于笔输入的手势识别

为研究多模态人机交互系统的理想及构造方法，提出了一种快速的，单笔划手势识别方法，该方法通过提取手势轨迹的关键点及各关键点的运移方向，形成特征码，然后与标准手势符号的各种可能的特征码进行匹配，其中方向特征用于预分类，而关键点位置信息用于细分类，实验结果表明该方法速度快，识别率高。