基于自然驾驶试验的小半径弯坡路段大型载货汽车驾驶员视觉特性研究

在贵州省G246公路小半径弯坡路段开展大型载货汽车和小汽车驾驶员自然驾驶试验,基于Begaze软件与统计学方法,分析了两类驾驶员注视点分布特征与小半径弯坡路段转弯方向、半径、坡度的关系;研究了左转、右转方向驾驶员瞳孔直径、信息获取能力与速度的关系。研究结果表明：大型载货汽车驾驶员在小半径弯坡路段中行驶时,主要关注车头前方15～25 m区域,对后方车辆关注度不足;小汽车驾驶员关注的区域更远,会关注对向来车和道路线形走向;转向和曲线半径是影响驾驶员关注点的主要因素,左、右转时驾驶员主要关注道路中央标线、右侧道路边线,且应着重加强半径小于30 m弯坡路段的视觉引导有效性;大型载货汽车驾驶员过弯时瞳孔直径和信息获取能力的峰值位置与弯道中央并不重合,现有将凸面镜等提示性施设设置在弯道中央的处理措施并不适宜大型载货汽车。     

面向多类型交通冲突的道路条件及交通状况影响评估

交通冲突为交通事故发生前的潜在状态。探究静态路段属性和动态交通流特性等宏观特征对于交通冲突的影响至关重要,但现有研究主要关注2辆车之间的危险状态,对于涉及多个交通主体的冲突缺乏重视。为有效提取包括单一冲突和连锁冲突在内的多类型交通冲突,基于无人机采集的车辆轨迹数据首先识别车辆对之间的单一冲突,另通过关联匹配辨识连锁冲突,并基于聚类将连锁冲突划分为纵向风险下降模式、纵向风险增加模式和横纵向高风险持续模式。构建巢式Logit模型探究宏观交通属性及路段条件对多类型单一冲突和连锁冲突的影响,结果表明合流区和基本路段为单一冲突的高发区域,而分流区和交织区为连锁冲突高发区域,尤其会导致横纵向高风险持续模式的发生,但车道数的增加有助于减少严重连锁冲突的发生。此外,主线交通密度增大,连锁冲突发生概率增加;匝道与主线的流量比增大时,连锁冲突更易发生,其中纵向风险增加模式对交通流量最为敏感。将各类型冲突发生的交通流条件与宏观基本图结合分析,表明各类型交通冲突的发生次数存在峰值,且路段上交通冲突发生最多的临界密度要高于同一路段宏观基本图的临界密度。研究结论有助于理解多车连锁冲突发生的宏观原因,有效阻断其演化...     

基于路段车速特征的高速公路交通安全分析

为评价高速公路的交通安全性,可构建路段车速特征指标,从而对高速公路的交通安全性进行量化分析。运用统计法从车辆轨迹数据中提取速度特征,包括85%位车速、标准差以及变异系数等,建立以时间间隔为断面数的路段车速离散度指标,并使用同济道路轨迹数据平台中公开的山西五盂高速公路数据,对指标进行实例验证。结果表明:隧道路段与纵坡桥梁组合路段的变异度分别为0.495与0.569;弯坡组合路段的路段车速离散度达到0.087 99,而全路段相应值为0.032 10。研究表明:路段车速离散度可表征断面车速离散度缺失的车速纵向离散程度,能够对高速公路的交通安全进行定量分析,且基于路段车速特征的高速公路交通安全分析方法与路侧设备的轨迹数据采集手段优势互补。     

高压旋喷桩施工技术在堤坝路段中的应用分析

本文分析了现阶段国内对于堤坝段路基的处理方法,采用高压旋喷桩加固堤坝路段路基是一种安全、经济、有效的处理方法.武汉阳逻之心项目位于湖北省武汉市新洲区,共计30条市政道路,其中城市主干路12条,城市次干路10条、城市支路8条,总投资569772万元.本文以武汉阳逻之心拥军路项目为例,介绍了拥军路的项目概况和地质勘测结果....     

基于动态聚类的公路基本路段分割合并方法

公路基本路段划分是实施交通安全精细化管理的基础,划分结果要求具有相似的几何线形及事故统计特征。基于公路线形特征划分的路段单元,叠加动态聚类算法划分的事故特征相近的路段单元,提出包含分割与相交合并的基本路段分割合并方法,进一步以京昆高速北京段为例验证该方法具有可行性及科学性。     

潮汐车道的设计及其对交通拥堵缓解效果的研究

为了管理和解决潮汐式交通拥堵,本文对拥堵特性进行了分析,对使用潮汐车道解决潮汐式交通拥堵问题进行了研究。给出潮汐车道的设置条件和设置方法,调查了选定路段的交通现状及高峰交通量,通过VISSIM软件进行路段仿真,论证了潮汐车道对潮汐式交通拥堵的缓解效果。     

高路堑中深孔挤压爆破的实践应用

根据金丽温高速公路第十一合同段高路堑路段石方数量巨大且较集中的特点，结合有利施工地形，采用了中深孔挤压爆破的施工技术，确保了路基工程的按时贯通，取得了良好的工程效果。实践证明在高速公路高路堑开挖中推广和应用中深孔挤压爆破技术是保证施工进度和确保施工质量的有效措施。     

忻阜高速公路古峪沟高架桥设计

古峪沟高架桥是忻州至阜平高速公路忻州-长城岭段高速公路第五合同段的一座特大桥梁,地形、地质条件复杂,设计中采用了一些非常规的设计思路,对同类桥梁设计具有较好的借鉴作用。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.