低等级公路路段交通安全服务水平分级量化研究

安全服务水平用来描述道路的交通安全状况和道路为交通参与者提供交通安全服务的一种质量指标.为了客观评价低等级公路路段的交通安全状况.提出了路段安全服务水平的基本概念,分析了影响路段安全服务水平的因素,选取线形、路侧危险度、交通量、货车比例及大小车速度差作为评价指标,将路段安全服务水平划分为4个等级,建立灰类白化函数,确定相应阈值,运用灰色聚类评价法评价路段的安全服务水平.应用灰色聚类法评价实际低等级公路路段的安全服务水平,结果表明该方法是合理可行的.     

高速公路车辆排队尾部交通事故时空分布特征

根据高速公路常发拥堵路段的交通流数据, 采用累计占有率法绘制交通流占有率波动曲线, 用来判断拥堵路段内车辆排队尾部轨迹, 分析了占有率、里程位置、时间间隔的关系, 确定了累计占有率曲线的拐点。分析了排队传播、消散过程中交通事故频数与时间、空间距离的关系, 对分布特征进行了统计分析。分析结果表明: 车辆在时间和空间上接近排队车辆尾部时, 发生交通事故的频数明显增加, 时间距离与空间距离以排队尾部为中心呈现正态分布, 不同行驶方向路段内正态分布曲线不存在显著差异, 但拥堵传播与消散过程的正态分布曲线存在显著差异。建立的事故发生概率的联合正态分布模型, 可用于预测排队车辆尾部附近的交通事故风险, 为实施动态交通控制以提高快速道路交通安全提供理论依据。     

使用多源预报确定船舶避台航线的多级决策方法

为了减小热带气旋路径预报误差对船舶避台决策带来的不利于安全的影响, 介绍了船舶绕避热带气旋技术方法的使用现状和热带气旋路径预报的现状, 分析了船舶绕避热带气旋决策时使用多源热带气旋路径预报的意义。在对气象部门使用的多源预报结果集成技术应用情况介绍的基础上, 提出了将多源信息融合技术应用到船舶绕避热带气旋方案决策中的具体方法和船舶避台多级决策应用流程。实例分析表明: 利用多源预报结果进行多级决策来确定船舶避台方案, 可以综合考虑多个来源的热带气旋路径预报和热带气旋未来各种可能的路径, 最大程度地降低可能发生的危险和损失, 保障船舶和船员安全。     

双层集装箱重车重心高度对运行安全性的影响

根据多刚体动力学理论, 运用SIMPACK仿真软件分别建立了一定装载工况和运行工况下双层集装箱车辆的单车动力学仿真模型和四车动力学仿真模型。基于铁路车辆运行安全评价指标及其标准, 将模型仿真结果与双层集装箱列车实际运行试验的结果进行了对比分析, 研究了重车重心高度与运行安全性的关系, 给出了合理的双层集装箱重车重心限制高度。仿真结果表明: 随着双层集装箱重车重心高度的增大, 轮轴横向力、轮重减载率与脱轨系数增大, 最先达到安全限度的是脱轨系数; 在最不利装载工况下, 安全的重车重心高度限值为2 480 mm。     

基于地理视角的交通事故多发点鉴别分析模型

为了对交通事故多发情况进行全面评价并建立预警机制, 考虑城市道路交通系统的地理视角特点, 综合交通事故多发点鉴别分析方法, 研究了事故多发点分析模型。首先明确被分析道路交通系统的内涵和层次结构, 针对交通系统的点、线、面不同层次确立基本评价指标体系, 集成常规统计法、矩阵分析法和改进的质量控制法等构建事故多发点鉴别分析模型, 并研究了参数的选取及分析结果的输出形式, 最后对某地9条道路的事故多发情况进行了分析。分析结果表明: 道路4为事故多发道路, 道路3具有最高的事故次数和当量事故次数, 道路5具有最高的事故率, 经综合评价, 确定事故多发道路为道路3、4、5, 因此, 该模型可以对道路交通事故多发点进行多层面鉴别分析。     

基于组合赋权-云模型的水上机场场址评价方法

当水上机场与航道共处于同一片水域时,难免会形成水上飞机与船舶的会遇局面,对水上飞机的起降、滑行安全以及附近水域的船舶航行安全造成影响。为保障水上飞机和船舶的安全,评价水上机场场址的合理性与安全性尤为重要。提出了组合赋权和云模型相结合的水上机场场址评价方法,选取了气象环境、水文环境、通航环境和起降水域空域环境4个一级评价指标和11个二级评价指标,构建了水上机场场址评价指标体系。利用改进层次分析法与熵权法分别求得评价指标的主客观权重,以偏差极小化为目标,引入对策模型计算主客观权重最优的线性组合系数,获得组合权重,结合云模型构建了水上机场场址综合评价模型。以镇江大路水上机场为例进行实例验证,结果表明：镇江大路水上机场场址的评价结果为较好。该机场自建成运营以来未发生安全事故,评价结果与该机场的实际运营情况相符。同时在计算过程中云模型兼顾了数据的随机性和模糊性,可以较好地解决模糊综合评价法在隶属度函数选择时的不确定性问题,进一步增加了评价结果的可靠性。与经典的模糊综合评价法进行对比验证,二者的评价结果一致,验证了该模型的有效性和实用性,该模型可用于拟建水上机场的选址,也可对已建机场的营运安全进行评估分析。     

不良气象微环境对机场道面抗滑性能影响分析

不良气象微环境直接影响机场区域道面使用性能及安全性。在剖析不良气象微环境作用机理基础上,利用环境舱模拟道面结冰试验,探究了不同气象微环境条件下的关键控制因子与摩擦系数的耦合作用规律,建立了水膜、积雪、结冰厚度与道面的抗滑性能预测模型。研究结果表明：厚冰道面摩擦系数介于0.09~ 0.15,抗滑性能最差;薄冰+水、厚冰+水及薄冰道面优于厚冰道面,但不满足场道飞机及作业车辆的安全运营需求;积雪道面摩擦系数介于0.37~0.46,但受荷载压实易形成光滑道面,影响机场区域交通安全。通过多元非线性数据回归耦合作用分析,建立了水膜、积雪、结冰厚度与机场道面抗滑性能关系模型。经拟合优度及显著性检验分析可知,提出的模型拟合优度均大于0.8,满足收敛和显著性检验要求,在实际机场道面抗滑性能安全预测预警应用中具有统计学意义。     

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上,运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境,解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型,利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟,仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明：CACC车辆占比为40%~50%时,混合交通流安全性恶化最严重,TET和TIT分别增加约68%和89%,车辆速度离散系数为0.9以上;通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m）,可有效降低混合交通流的追尾碰撞风险。     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律,研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性,基于循环神经网络理论,从时间序列数据中提取交通事件时间依赖关系;通过引入长短时记忆网络,结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性,构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例,开展了高速公路交通事件持续时长预测模型验证,对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度,并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明：使用同一数据集,注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43,平均绝对百分比误差为25.24%,均方根误差为21.17,预测精度优于其他4种预测方法。在模型的各影响因素权重中,事件类型所占权重最大为0.375,其次分别为车道数、车辆类型、天气等;采用立交出入口小时交通量作为修正参数,可以进一步提升预测精度,预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度,为公路安全高效运行提供技术支持。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现：驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机（SVM）,以及逻辑回归（LR）等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明：基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859）,以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。