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。     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

城市快速路互通立交交织区长度可靠性设计

城市快速路中互通立交交织区长度的合理设置将对整个城市快速路系统的服务水平、通行能力、行车安全的提高起到关键作用,有必要对互通立交交织区长度的取值进行科学合理的计算。基于《公路通行能力手册》交织区中的相关方法建立交织区长度的计算模型;以该模型为依托结合可靠度理论,建立最小交织区长度可靠度功能函数,对交织车辆区间平均速度、交织区基本路段的平均自由流车速等随机变量的随机性及其分布规律进行分析。利用蒙特卡罗法讨论现行规范中最小交织区长度设计取值的安全可靠性,用失效概率及可靠指标进行评价。参考《公路工程结构可靠度设计统一标准》中城市快速路对应安全等级的可靠度要求,计算不同设计速度下的交织区长度,并结合实例验证,其计算结果具有较高安全性。研究表明：以150 m作为互通立交交织区长度应用于快速路设计,其失效概率较大且安全性较低;通过以满足一级安全等级条件的目标可靠度反算,推荐在100、80、60 km/h共3种设计速度下,互通立交交织区长度分别取400、370、350 m,可提高整个城市快速路系统的高效性和安全可靠性。     

城市轨道交通接触轨受流方式应用分析

城市轨道交通在近几年的发展中迎来了良好契机,而城市轨道交通车辆供电方式的好坏决定了城市轨道交通运行效率的高低.本文从接触轨的组成、电压等级、接触轨材料和接触轨的布置等方面阐述了城市轨道交通接触轨的供电方式,对比分析了接触轨供电的上部、下部、侧面三种受流方式的特点,基于应用对比研究表明:在受流性能和安全性方面,下部受流方...     

从先行先试到先行示范——深圳特区40年综合交通体系发展历史实践与未来展望

在中国工业化、城镇化、现代化的不同发展阶段,深圳作为改革开放试验田,在交通领域积极探索适配特定历史阶段特征的交通发展模式.系统梳理得出深圳交通模式先行先试的深层次逻辑:1)领先于全国探索交通供给路径问题,打破政府单一来源的交通供给模式,丰富交通供给路径选择;2)准确识别交通体系结构性演变趋势和发展节奏,始终坚持将集约化...     

大中城市交通体系建设可持续发展

为了缓解我国大中城市交通堵塞、减少交通事故、改善交通环境,提出了加强交通体系建设,保证交通的可持续发展策略。针对我国目前大中城市交通现状,通过对交通管理控制、交通体系规划和城市交通设施建设3个方面的研究,并结合大中城市交通发展趋势,提出相应的管理控制、规划和建设方法,对于我国大中城市交通体系建设可持续发展有一定的参考价值。     

城市轨道交通物流运输分析

随着城市物流需求的不断增长和城市轨道交通系统的不断完善,轨道交通物流运输模式在城市物流发展中具有广阔的应用前景。本文分析了轨道交通物流运输模式的分类、应用特点以及可行性,旨在为城市轨道交通系统和城市物流的融合发展提供有益参考。     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型...     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...