驾驶行为数据驱动的城市道路交通安全风险辨识方法探讨

为提高城市道路交通安全水平,针对道路交通安全风险辨识方法多采用宏观事故数据及小样本交通调查数据的研究现状,紧扣当前道路设计及交通管理对风险客观精确辨识的现实需求。首先,分析了已有风险辨识方法的优缺点,及现有辨识方法面临的挑战;其次,基于国内外驾驶行为研究现状,结合车联网OBD异常驾驶行为数据精确度高、数据量大等优势,定性剖析不同道路条件与异常驾驶行为的关系;最后,建立道路条件与异常驾驶行为关联模型,分析探讨利用异常驾驶行为数据辨识道路交通安全风险的研究思路,并提出相应的思路流程及关键技术的进一步研究。     

定义到统一模型的船舶三维工艺信息集成

针对基于自主造船CAD系统实施三维工艺信息集成仍属空白的现状,以国产船舶产品设计系统SPD为基础,分析解决了船舶三维工艺信息集成过程中的信息集成策略、模型轻量化、三维标注生成等问题,将分散的船舶工艺信息集成定义到统一的数字化三维模型上,生成集成数据文件,并在自研三维作业指导平台上使用工程实例对集成效果进行了验证。结果表明,上述问题的解决措施有效,集成技术路线可行。     

水中航行器控制分配技术应用现状

过驱动系统现如今已经广泛的存在于各个科学应用领域,控制分配是处理冗余控制的一种常用方法;同时,控制分配也是过驱动航行器运动控制中的一项关键技术。本文主要介绍控制分配技术在水中航行器的应用情况。详细描述了应用到的控制分配方法原理,指出各种方法的优缺点,重点阐述了控制分配技术在水下机器人方面的应用情况。最后对控制分配相关存在的问题进行总结,并且讨论了控制分配技术的发展方向。     

多模式交通环境下上海居民职住选择行为

随着城市尺度不断扩张,由职住分离带来的长距离、长时间通勤交通问题日益严重。为研究多模式交通环境上海居民职住位置选择行为及其影响因素,基于网络问卷调查数据、上海市路网数据及房价数据,构建方式选择与目的地选择联合模型,按照选择次序,分析各出行方式的服务水平和房价等变量对居住地和工作地的选择影响。结果表明,居民倾向于选择通勤距离近、交通可达性良好、房价低和人文生活环境较好的小区工作生活,同时年长者和低收入群体对通勤距离和房价更敏感。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。