Traffic accident risk perception among drivers: a latent variable approach

ABSTRACT

Governments require decision tools to deal with road traffic accidents, a pandemic resulting in millions of deaths around the world. Evidence shows that human factors are one of the major causes of road accidents, and there is much interest in identifying variables that may have an impact on drivers’ perception of risk. To this aim, we design a stated choice experiment with eight hypothetical driving scenarios considering attributes that have been strongly associated with increased accident risks: (i) driving speed, (ii) driving the wrong way in a one-way street, (iii) overtaking on a bend, and (iv) driving under the influence of alcohol or drugs. Data from a sample of survey respondents are used to estimate a hybrid discrete choice model incorporating two latent variables, Driver Concentration and Safe Driving. Our results may contribute to the design of public policies geared to prevent accidents by encouraging safer driving behaviour.     

面向多目标跟踪的密集行人群轨迹提取和运动语义感知

针对基于视频监控的密集行人群识别难度大，运动轨迹提取困难，运动语义信息挖掘不足 等问题，本文提出基于多目标跟踪FairMOT框架及K-means聚类的行人轨迹捕获和运动语义信 息感知方法。首先，利用多目标跟踪算法提取视频中行人群目标过街时的运动轨迹特征向量；然 后，通过分析轨迹坐标的数值分布特点，设计了一种协方差滤波算法STCCF，以检测和剔除“准静 态轨迹”，得到行人群目标运动轨迹簇；最后，针对已提取的轨迹簇，应用K-means聚类方法，选取 S系数(Silhouette Coefficient)和DB指数(Davies Bouldin Index)两个指标，感知行人聚集和消散点 等场景语义特征。实验分析表明，算法从提取到的2689条轨迹中辨识出179条“准静态轨迹”，检 出率为81.73%；视频场景中的行人目标源点和消失点的解析结果与人工辨识结果吻合，验证了密 集行人群轨迹提取和运动语义信息感知方法的有效性。本文研究可为数据驱动的行为预测和轨 迹建模提供基础。     

面向前车的驾驶行为感知与意图识别算法研究

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model, DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent, OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework, IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM (Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。     

多模式交通网络路径动态调整模型

既有路径调整模型的研究载体是单模式网络,不能够刻画现实中多模式网络上 出行者的路径调整行为.为此,本文提出采用比例延拓与绝对延拓两种方法来描述多模式 网络中用户对不同出行方式的费用感知特性,并据此建立了多模式网络条件下的用户路 径动态调整模型（Multi-modal Route-Swapping Dynamics, 简称 MRSD）.研究发现：（1） MRSD 能避免过度调整行为,并能维持解集不变性;（2）MRSD 的稳定路径流模式与多模 式网络用户均衡等价,且在其稳定状态,模式内部所有被使用的路径具有相同且最小的 实际费用,模式之间所有被使用的路径之间存在（符合比例延拓或绝对延拓的）费用感知 壁垒;（3）MRSD 的所有解有界且收敛于多模式网络用户均衡.     

基于时间剩余的随机后悔最小化路径选择

出行者路径选择行为的正确性直接影响到交通规划“四阶段”模型最后一步交通分配的可靠性,对交通规划领域具有重要意义.近年来,为了克服出行者路径选择主要理论（随机效用最大化模型）存在的问题,Chorus 提出了随机后悔最小化模型.本文借用经济学领域中的无差异曲线概念,建立基于时间剩余的出行时间和出行费用双重约束下的随机后悔最小化模型,并对模型中存在的路径重叠和路径感知方差问题进行改进.最后运用示例性路网进行数值检验.结果显示,改进模型更加合理,具有更好的可靠性.     

���г����������˷���������֪������——�Ժ�����Ϊ��

将Parasuranman、Zeithaml和Berry(PZB)服务质量差距模型扩展后用于分析出租汽车客运企业管理人员、驾驶员和乘客之间的服务质量感知差距,以杭州市为例进行出租汽车客运服务质量调查,发现驾驶员的服务感知值最高、企业管理人员次之、乘客最低驾驶员与乘客的感知差距超过企业管理人员与驾驶员的感知差距,且两个差距均与总体服务质量评价显著负相关;企业管理人员与乘客间的感知差距部分显著,且感知差距与总体服务质量评价结果的负相关性不显著.结果表明,出租汽车客运服务人员的服务质量评价过于乐观,改善出租汽车客运服务质量要缩小驾驶员与乘客的服务感知差距.     

基于AIS的船舶交通流量统计方法研究

通过构建一个由船载AIS、岸台AIS及相关的应用软件组成的船舶交通流量统计系统,对通过航道某一断面的船舶交通流量进行自动统计,同时针对统计过程中存在的漏统计问题,采用了感知神经网络校验的解决方法.通过开发模拟软件对通过武汉长江大桥的船舶进行了交通流量的自动统计及校验实验,验证了该方法的可行性.     

双车道公路路侧净空与街道化对运行速度的影响

对22条双车道公路直线路段进行调查,获得了路侧净空与车辆运行速度的关系;以基准道路条件建立了路侧净空对运行速度的影响模型;采用R语言统计分析软件分析了街道化路段运行速度、建筑物距离和正常路段运行速度三者之间的相关关系,并采用统计回归的方法建立了街道化对运行速度的影响关系模型。结果表明:运行速度与路侧净空之间存在对数关系;街道化路段运行速度与建筑物距离相关性很强,而与正常路段运行速度相关性很低。     

路域生态环境监测研究综述

随着遥感技术的发展与广泛应用,其在宏观生态环境监测中的作用也逐步体现。遥感路域生态环境监测可以及时、准确、全面地掌握公路建设和营运过程中环境污染和生态破坏的实际情况,为评价生态环境质量和采取有效的环保措施提供定量数据。     

多车道普通公路路侧标志遮挡问题研究

普通公路上设置路侧标志是提高公路交通安全最常用的措施. 由于多车道普通公路上大车率较高,内侧车道小车驾驶员视认标志容易受到外侧车道大车的遮挡,使路侧标志功能难以有效发挥. 本文在分析驾驶员视认标志特点的基础上,以我国最常见的双向4车道普通公路为研究对象,分析了内侧车道小车驾驶员受外侧车道大车遮挡问题,并以车流到达服从泊松分布为基础建立了路侧标志受大车遮挡的遮挡概率计算模型. 在此基础上,本文从重复设置、改变标志设置形式和位置三个角度提出了解决路侧标志遮挡问题的对策. 最后,通过一个实例分析,验证了本文研究结论的正确性和可行性.