基于群组行为的大学校园楼梯及通道行人运动特征分析

为探讨不同场景中行人群组运动的微观特征,并比较不同类型群组运动差异,本文通过大学校园内楼梯上及通道内的观测实验,获取行人运动的相关数据,研究了群组大小、社会关系、运动场景和性别对群组运动的影响. 结果表明：大学校园内行人成组比例低于商场周围行人成组比例;群组成员间的交流方式等因素会影响群组构型;由于群组成员越多相互协调就越困难,所以群组规模越大,其速度越小;此外,男性群组速度大于女性群组速度,情侣间频繁的交流也会对其速度产生负面影响;就差异性而言,2 人和3 人群组间的速度差异小于单人和2 人群组间的速度差异;单个行人不同性别间的速度差异大于2 人和3 人群组不同性别间的速度差异;楼梯上单人与群组的速度差异没有通道内明显.     

京乌国家高速公路山西段省界收费方案

针对京乌国家高速公路晋、冀、蒙三省路网、收费站建设和收费软件特点,综合考虑京乌主线车辆过收费站停车次数、改造工程投资和现有收费站利用情况等多方面因素,制定出最佳的三省建站方案、通行卡流转方案、费用拆分方案和跨省收费费率标准执行方案,有效地解决了京乌国家高速公路山西段约8.9 km公路的通行费收取难题,最后为该路段取消高速公路省界收费站工程提出进一步改造方案。     

城市道路路段人行横道通行能力分析

人行横道通行能力是影响人行横道设置的重要因素。通过对行人及非机动车过街速度和过街特征的研究,分别建立了以密闭容器为基础的有信号控制人行横道通行能力模型,和以可接受间隙为理论依据的无信号控制人行横道通行能力模型,并通过实例进行了验证,以期对人行横道通行能力研究提供一定价值的参考。     

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。     

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。     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联,提出一种基于驾驶状态的危险路段识别方法,辨识和分析不同风格驾驶人具有潜在风险的路段,并提出优化方案。首先,通过实车实验采集驾驶人行为及生理指标数据,使用DBSCAN(Density Based SpatialClustering of Applications with Noise)得出驾驶风格类型,并依据行为特征对驾驶风格进行差异性分析;其次,采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型,通过GPS(Global Positioning System)点位对应实现危险路段辨识,并基于驾驶风格差异,从驾驶人感知、操纵与生理角度对危险路段进行致因分析;最后,将生理与道路线形作为优化参考,以车速建议为着力点进行多元回归分析,并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型,3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段;海拔提升可加速危险驾驶状态的出现,各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长,激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张;下行时,谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态,激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求,为线形设计与交通管理措施制定提供理论依据。     

集时空聚类和指标筛选的公共交通通勤者识别

通勤者作为公共交通乘客构成的核心部分,其识别提取是此类人群特征分析的前提.本文基于南京市常规公交、轨道交通和公共自行车的刷卡与设施数据,进行公共交通通勤者识别.首先,根据数据信息是否完整,分别采用两步聚类法和线路相似性整合法提取相似性出行;然后,识别职住地,再通过出行天数、单次出发时间差和工作往返出发时间差3项指标完成...     

信号交叉口行人二次过街下右转车通行能力与延误估计模型

在充分分析典型四相位交叉口行人二次过街设置前、后的行人流与右转车流冲突的前提下,以行人过街时间占有率和行人群到达分布作为分析指标,利用可插车间隙理论得出行人单向通行和双向通行条件下的右转车通行能力计算公式;根据行人流随机消散和集中消散的不同特征,应用随机分布理论推导出右转车穿越行人流的延误模型;并通过算例对比分析行人二次过街设置前、后右转车通行能力和延误的变化值。结果表明,除了在少数行人流量比较大的情况下,行人二次过街的设置会小幅度减少右转车的延误;在其他大多数情况下,行人二次过街设置后,右转车的通行能力将受到限制,延误增大,其中,平均通行能力降低了16.68%,平均延误时间增大了21%,所以,当右转车交通需求较大时,需同时考虑行人和右转车的交通运行状态,优化设计是否采用行人二次过街,避免右转车超出极限忍耐时间而增大与行人冲突的概率。     

幼儿群体单向流运动行为特性分析

现有关于行人群体运动行为的研究和规范绝大部分是以成年人群为主体的研究,关于儿童群体的理论及实验研究非常匮乏,在进行儿童群集运动管理及幼儿相关步行设施设计时往往需要参考以成年人群为主体所获得的理论及经验数据。本文组织了不同情境下(正常情况及应急疏散)幼儿群体的运动实验,通过实验数据对幼儿群体单向流运动的流密速关系、速度离散性、个体超越行为等基本特性进行了定量研究,并和成年人群的相关特性进行比较分析。实验结果表明,幼儿群体单向流的流(速)密关系呈现一种弥散性的分布,其速度的变异系数接近成年人的4~6 倍;此外,相比于成年人群中所表现出的秩序性,幼儿在单向流运动过程中更倾向于发生超越行为,其在通道中的平均位次变化强度接近成年人实验的3倍。本文研究成果有助于进一步了解幼儿群体单向流运动的基本特性,厘清幼儿与成年人群体的行为特性差异,以更好地指导幼儿群集运动的管理,以及为幼儿相关步行设施的设计和评估提供参考。     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。