车路协同环境下驾驶行为特性与交通安全综述

随着车路协同技术的发展,车路协同安全应用的相关技术是否会影响驾驶人的感知、判断、操作等驾驶行为受到愈来愈多的关注.基于这样的背景,通过对国内外车路协同技术的当前研究进展进行综述,分析车路协同环境下驾驶行为的变化,从而得出在车路协同安全应用技术全面推广之前,应充分评估车路协同技术对驾驶人行为,以及驾驶安全可靠性的影响,特别是如何最大限度地发挥其安全保障作用.     

基于驾驶模拟器的驾驶人制动后制动踏板操作行为分析

制动过程主要由制动前的反应过程以及制动后的减速过程组成.研究制动后避撞行为对于理解驾驶人的避撞行为、建立制动曲线模型等有着重要作用.利用配有8自由度运动系统的高仿真驾驶模拟器,研究了驾驶人在不同前车减速度(0.3,0.5,0.75g)和不同车头时距(1.5,2.5 s)的制动后制动踏板操作行为.利用ANOVA模型分别比较了驾驶人制动后制动踏板操作行为参数的.差异.结果表明,踩踏板速率随着制动时车头时距的减少而增加,并且随着前车减速度的减少而减少;新手驾驶人的踩踏板速率普遍大于经验驾驶人;相比于前车速度的改变,驾驶人对制动时车头时距的变化更加敏感.     

用自由效用模型刻画出行选择行为

出行需求预测是交通规划与管理中的一个重要环节,四阶段法是传统出行需求预测中最常采用的流程.尽管研究者在四阶段法的各阶段中已经建立了大量模型,但仍缺乏能刻画不同阶段中相互作用的出行者群体出行选择行为的统一建模框架.本文采用在数学形式上与物理学中亥姆霍兹自由能函数一致的自由效用模型来分别和组合刻画出行者的出行方式、目的地和...     

直销商的领导行为及其与收入的相关性

直销商的领导力在直销实践中很重要但理论研究非常少。以安利(中国)公司业绩优秀的直销商为样本,对直销商的领导力问题进行了问卷调查,根据调查结果,对直销商的领导力的特征、领导行为进行了描述性分析,对直销商的总收入与领导行为进行了相关性分析。研究结论对直销商、直销公司、理论研究者都具有一定的参考价值。     

车道变换过程中的攻击性驾驶行为研究

计算机技术和智能交通技术的飞速发展,为仿真工具能够真实地再现实际的交通运行环境提供了有利的保障,使前期仿真较难涉及的攻击性驾驶行为得以实现.鉴于此,在讨论攻击性驾驶行为的定义、表现形式和影响因素的基础上,选择了三种常用的微观交通仿真软件,对其车道变换模型中的攻击性驾驶行为的进行了分析评价;并提出了车道变换中攻击性驾驶行为的设置方法.     

城镇道路交通拥堵问题及改善措施

机动车数量的快速增长,城镇人口密度的不断增加,导致城镇交通发展问题日益凸显,如果不能得到有效解决和根本治理,必将对我国经济的持续、快速、健康发展构成严重威胁。道路交通的基本要素是人、车、路。通过交通三要素特性分析,找出交通拥堵问题的具体原因,并从政策方面、驾驶员行为方面和道路规划建设方面提出了相应的措施建议,为交通拥堵现象的缓解提供参考。     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

基于机器学习技术的耙吸挖泥船施工行为识别

耙吸挖泥船施工区域轨迹密集,有明确的抛泥区和挖泥区,但轨迹密度不同,传统的轨迹识别技术对于其施工行为模式识别困难,难以有效应用。针对该问题,提出一种无监督的耙吸挖泥船施工行为识别框架。首先,基于卡尔曼滤波算法解决轨迹跳变问题,提升轨迹数据的质量;然后,基于HDBSCAN算法同时识别出密度不同的挖泥和抛泥轨迹,解决了传统DBSCAN算法在类间密度不均衡的情况下参数设置困难的问题;最后,基于航向因素建立高斯混合模型GMM可进一步识别出运泥轨迹和返回轨迹。结果表明,上述方法能够快速、有效地实现耙吸船施工轨迹的精准识别。     

不同方式的睡眠剥夺对大鼠学习记忆的影响

目的探讨不同睡眠剥夺方式对大鼠学习记忆能力的影响及其可能机制。方法将24只大鼠用随机数字法分为空白组(不做任何处理140h)、对照组(连续睡眠剥夺120h)、实验1组(睡眠剥夺共计120h,分3次进行,每次40h;间歇2次,每次10h,共间歇20h)和实验2组(睡眠剥夺共计120h,分6次进行,每次20h;间歇5次,每次4h,共间歇20h)。睡眠剥夺后用旷场反应箱测试大鼠的行为,用Morris水迷宫法测试大鼠学习记忆能力,用试剂盒检测大鼠大脑皮层、海马和血浆中超氧化物歧化酶(SOD)和丙二醛(MDA)含量以及大脑皮层和海马中乙酰胆碱酯酶(TChE)含量。结果旷场反应测试大鼠兴奋性和探索性行为,实验组明显强于对照组,且实验2组强于实验1组(P<0.01);水迷宫测试大鼠学习记忆能力,实验组明显强于对照组,且实验2组强于实验1组(P<0.01);实验组大鼠大脑皮层、海马和血浆中SOD含量明显高于对照组,且实验2组高于实验1组(P<0.01);实验组大鼠大脑皮层、海马和血浆中MDA含量明显低于对照组(P<0.01),且实验2组低于实验1组;实验组大鼠大脑皮层和海马TChE含量明显低于对照组,且实验2组低于实验1组(P<0.01)。结论不同的间断性睡眠剥夺方式对大鼠学习记忆能力有不同的影响,一次性睡眠剥夺时间越长、间歇次数越少,学习记忆能力越差。这种作用可能与睡眠剥夺抑制了大脑皮层、海马和血浆中SOD活性,提高了MDA含量及TChE活性有关。     

构建廉政风险防控管理体系的研究与实践

文章从全员参与、全过程控制、全方位治理等三个角度排查和防控办学廉政风险,结合PDCA循环,构建了办学廉政风险防控管理体系。体系对持续改进办学行为、预防廉政风险中发挥重要作用。