城轨列车故障救援与停车线设计

通过对广州地铁的列车故障救援分析,总结城轨列车故障救援的组织原则,从列车故障救援组织的角度,提出停车线的设计应考虑列车故障救援,并对停车线设计的原则和《地铁设计规范》的完善进行探讨。     

对广州市停车配建指标修订的思考

在介绍现行停车配建指标实施情况的基础上,提出了广州市停车配建指标修订采取的区域差别化、分类别停车供应、加强居住区停车设施、建设一体化交通系统等基本思路,以及建议的停车配建指标的主要成果.停车配建指标的实施将有力促进新形势下广州市停车设施的建设,增加停车位的有效供应.     

太原市交通现状及改善建议

该文阐述了太原市道路网、公共交通及停车场的现状,并对存在问题提出了改善的建议及措施,以缓解城市交通压力。     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响.本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路...     

纤维增强塑料(FRP)混凝土结构疲劳性能研究进展

FRP混凝土结构的疲劳性能是结构非常重要的一个性能,目前国内外对这方面的研究还较少,本文简要从FRP新建结构和FRP加固混凝土结构两方面介绍了国内外对FRP混凝土结构疲劳性能的研究进展,并对今后拟开展的研究工作提出了建议。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

Incorporating the extended theory of planned behavior in a school travel mode choice model: a case study of Shaoxing,China

Travel to and from school can have social, economic, and environmental implications for students and their parents. Therefore, understanding school travel mode choice behavior is essential to find policy-oriented approaches to optimizing school travel mode share. Recent research suggests that psychological factors of parents play a significant role in school travel mode choice behavior and the Multiple Indicators and Multiple Causes (MIMIC) model has been used to test the effect of psychological constructs on mode choice behavior. However, little research has used a systematic framework of behavioral theory to organize these psychological factors and investigate their internal relationships. This paper proposes an extended theory of planned behavior (ETPB) to delve into the psychological factors caused by the effects of adults’ cognition and behavioral habits and explores the factors’ relationship paradigm. A theoretical framework of travel mode choice behavior for students in China is constructed. We established the MIMIC model that accommodates latent variables from ETPB. We found that not all the psychological latent variables have significant effects on school travel mode choice behavior, but habit can play an essential role. The results provide theoretical support for demand policies for school travel.     

Daily activity and travel sequences of students,faculty and staff at a large Canadian university

This paper examines the activity engagement, sequencing and timing of activities for student, faculty and staff commuter groups at the largest university in the Maritime Provinces of Canada. The daily activity patterns of all university community groups are modeled using the classification and regression tree classifier algorithm. The data used for this study are derived from the Environmentally Aware Travel Diary Survey (EnACT) conducted in spring 2016 at Dalhousie University, Nova Scotia. Results show that there are significant differences in activity and travel behavior between university population segments and the general population in the region, and between campus groups. For example, students participate in more recreation activities compared to faculty and staff. They also take more trips to and from campus, and are more flexible in their scheduling of trips. The insights gained from this study will provide helpful information for promoting sustainability across university campuses, and for development of campus-based travel demand management strategies.