考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为，运用选择实验的方法，基于问卷调查获得选择行为数据，构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数，得到后疫情时代影响居民出行方式选择的主要因素。结果表明，两种模型均体现了个体出行方式选择的异质性，潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%， 预测精度提高了3.03%，为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景，分别将居民划分为4类、5类人 群。从出行方式属性上看，等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看，在后疫情时代收入更高的女性更倾向选择私家车出行，年龄越大对行程费用越敏感，男性更愿意选择公交、地铁出行。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系，本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori，XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构，通过机器学习库 scikit-learn 中 XGBoost (Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而，对Apriori算法设置有序定向约束，得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项，选取频繁项集，总结高置信度、高提升度的关联规则。关联因素模型评估结果表明，本文采用的SFM功能准确度可达78.31%，关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示，驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中，男性驾驶员造成的行人死亡事故频次较高，女性驾驶员造成的受伤事故频次较高；大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高；位于匝道等道路线型弯曲的坡道中，老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法，为有效保护道路弱势群体提供必要的理论支持。     

关于危害海河灯桩行为的对策研究

近年来，随着海河沿岸灯桩的改造和海河渡口灯桩的建成，海河水域航标助航效能大大提升，通航环境明显改善；然而危害、偷盗甚至恶意破坏海河灯桩的行为却屡有发生，严重影响了海河灯桩的助航效能，给海河水域水上交通安全构成了一定的安全隐患。文章拟结合天津航标处航标管理实践，通过研究分析海河灯桩受损原因，提出几点建议。     

基于分段学习模型的自动驾驶行为决策算法研究

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立一种端到端的车道线检测网络模型,并引入车道中心线作为决策的重要线索提高算法的迁移能力,同时利用YOLOv3目标检测模型对本车道内前方最近障碍物进行位置检测;而后,经几何测量模型将两者检测结果转换成环境状态信息向量为决策做支撑;最后,构建基于长短期记忆(LSTM)网络的驾驶行为决策模型,根据编码的历史状态信息刻画出动态环境中车辆的运动模式,并结合当前时刻的状态推理得到驾驶行为参量。使用建立的真实驾驶场景数据集对模型分别进行训练、验证与测试,离线测试结果显示车道线检测模型的检测位置误差小于1.3%,车道内前方障碍物检测模型的检测精度达98%以上,驾驶行为决策网络模型表征预测优度的决定系数 大于0.7。为进一步验证算法的有效性,搭建了Simulink/PreScan联合仿真平台,多种工况下的仿真验证试验中多个评价指标均达到工程精度要求,实车测试的试验结果也表明该算法可实现复杂驾驶场景下平稳、准确无偏航的预测效果并满足实时性要求,且与传统端到端模式的算法相比,具有更好的迁移性和泛化能力。     

基于VISSIM的城市轨道车站紧急疏散仿真

城市轨道车站是一个相对密闭的空间,人流密度大,发生紧急事件时安全疏散难度大,在车站安全设计达标的前提下,还需配合完善的应急预案,合理的疏散组织与引导。目前城市轨道车站的安全设计以静态计算的总的疏散时间作为评估标准,难以评估人流在车站空间中的分布及实际的疏散效果。介绍利用行人仿真工具评估车站的疏散设计,根据行人在车站空间分布提出行人设施及疏散组织的优化建议,并以苏州轨道二号线徐图港站为例对仿真方法进行说明。行人在车站空间中实际运行效果表明,相关优化方案和建议是可行的。     

基于大数据技术的铁路互联网售票异常用户行为分析研究与实现

近几年铁路互联网售票系统不断完善，给人民群众的出行带来了很大的便利，售票量不断增加，同时也存在抢票、囤票等异常用户行为，为了保障售票系统的安全稳定运行及维护公平公正的售票环境，提出了基于大数据技术的海量用户行为日志分析系统架构，有效地识别出异常购票行为。     

道路弱势群体头部碰撞特性研究

为了解碰撞事故中道路弱势群体(vulnerable road users,VRU)头部撞击车辆前端的运动特性,基于VRU实际交通事故数据,以VRU头部碰撞位置、碰撞速度和碰撞角度为研究对象,利用虚拟仿真分析工具,开展车辆(SUV和Sedan)撞击VRU(行人、自行车骑行人、摩托车骑行人)典型碰撞工况中头部撞击特性分析,结果表明:随着VRU两轮车参考高度增大,VRU骑行人头部碰撞位置靠近车后方,头部碰撞速度和碰撞角度逐渐降低;随着汽车速度增大,VRU骑行人头部碰撞位置靠近车后方,头部碰撞速度逐渐增大。研究结论为行人保护法规及NCAP规程更新提供参考。     

城市轨道交通行为分析与数据挖掘决策系统研究

本文对智慧城市轨道交通行为分析与数据挖掘系统进行探讨，从系统需求分析入手，对系统功能、运行流程进行设计，并结合城市轨道交通实际应用场景进行分析。