基于N-K模型长大下坡路段安全风险研究

为探究云南山区长大下坡路段交通事故风险致险因素的耦合关系,借鉴事故致因理论对长大下坡路段交通事故原因进行分析。运用N-K模型定量研究长大下坡路段交通事故中人为、车辆、环境和管理4个风险因素的耦合情况,收集了长大下坡路段80起交通事故,进行实证分析。结果显示：(1)交通事故数与各致险因素的耦合值呈现正相关,4因素耦合>3因素耦合>双因素耦合>单因素耦合;(2)3因素耦合状态下,T_HVE>T_HVM>T_VEM>T_HEM,前3风险值均包含车辆因素;(3)双因素耦合状态下,T_VE>T_HM>T_HV>T_EM>T_VM>T_HE,双因素风险耦合时车辆因素和环境因素共同耦合导致发生事故的风险最大。     

山西省高速公路团雾影响路段分级评价研究

山西省高速公路由团雾引发的交通事故逐年增加,给广大人民群众的生命财产安全造成了不可估量的损失。目前,由于缺乏科学合理的高速公路团雾影响路段分级评价方法,导致在其应对措施方面难以做到有规可依,实施效果不甚理想。依据山西省内高速公路各路段团雾发生频率和风险程度,提出了团雾影响路段的判定指标,并建立单项评价和综合评价相结合的评价体系,可为团雾预警和车辆安全行驶保障措施的选布提供科学依据。     

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 Spatial Clustering 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。     

锡太一级公路淤泥质土二次掺灰压实度试验及其处治方法

通过大量的室内试验和多处试验路段施工最终表明,在淤泥质土中二次掺入总量为5%～8%的石灰使其成为石灰土,经“活化”到“砂化”,能大大改善其最佳含水量和最大干密度,提高CBR值,压实度可达90%～95%,比一次掺灰提高2～3个百分点.     

道路网络服务水平可靠性研究

以可靠性理论为基础,从出行者个体和网络管理者的角度提出了服务水平可靠性的概念,拓展了现有的路网可靠性评价指标.根据交通供给的随机性分析,将路段容量简化为离散随机变量,运用路网最可能状态生成算法,建立了路段及路网服务水平可靠性计算的近似算法,并在一简单网络上进行了计算分析.     

基于关键路段的路网可靠性的改进

为简化资源约束下路网可靠性的改进问题，只选择关键路段（即被选择的概率大于预定阀值的路段）进行改进．由于出行者在事件（例如地震、洪水、飓风等）前后的路径选择行为用弹性需求随机用户平衡刻画，路段的选择概率可以基于路段水平有效求得，因而容易确定关键路段．建立了以路网净经济效益相关的可靠性最高为目标，并有资源约束的数学模型．提出了模型的一种启发式算法．算例的结果表明了该方法的有效性．     

基于VISSIM仿真的间断流设施交织区组织研究

将快速路和城市常规道路不合理衔接造成的城市道路拥堵问题作为一种典型的间断流设施交织区问题,研究其拥堵机理,提出＂以时间换空间＂的理念,采用路段信号控制方法来实现2个交通流在时间上的分离,减少交织的优化方案,最后利用VISSIM仿真软件对其效果进行验证,并找出其适用范围。     

重庆成渝高速公路安全现状分析

对成渝高速公路的整体状况进行研究,依据2005年交警部门事故统计信息,从事故相对指标统计和绝对指标统计以及全年事故量趋势分析重庆成渝高速公路的安全状况,并从驾驶人、车辆、路段、安全设施、管理、安全带等因素对事故原因进行分析并提出针对性的对策,希望为成渝高速公路的整体安全状况的改善提供指导.