关联道路试验的轴耦合道路模拟试验关键技术研究

轴耦合道路模拟试验技术是源于道路试验的先进技术.首先梳理了两者的原理及关系;提出了道路试验与轴耦合道路模拟试验的主要关联路线;提出了道路模拟试验有效性的研究方法;提出了基于疲劳损伤的道路模拟试验可信度分析方法;总结实际试验关联结果,证明道路模拟试验的精准性.     

城市混合交通控制设计理念与方法

针对我国城市特有的混合交通特性,在分析城市路网特征和交通流运行特征的基础上,确立了混合交通控制系统设计的基本理念。基于混合交通流理论,建立了城市交通控制的方法体系,包括匝道控制、单点控制、干线协调控制、区域协调控制以及公交优先控制。运用此设计理念与方法开发出的混合交通控制系统（HiCON）,在北京、青岛、福州三地的应用表明：车辆平均延误减少10％～20％,平均行程时间降低5%-10％。     

公共交通接驳换乘系统评价指标体系的构建

依照公共交通接驳换乘系统评价指标体系的构建原则,提出评价指标体系由技术性、经济性、社会性评价指标构成,并对各指标的含义做出解释,最后以北京地铁13号线部分车站作为实例,对技术性评价指标加以应用。论述一套合理的公共交通接驳换乘系统评价指标体系如何有效解决公共交通换乘效率低的问题。     

道路客运业经营现状与发展趋势

针对我国道路客运业经营现状和面临的铁路、航空等运输方式的严峻挑战,分析了道路客运业发展的实践经验和不利因素,提出了道路运输企业的发展趋势和发展交通专业保险业的优势。     

基于G1法的海外铁路项目风险评价方法研究

为了提高海外铁路项目风险评估和项目管理水平,解决"一带一路"倡议下铁路"走出去"的技术难题,建立了海外铁路项目风险评价指标体系和多级评价模型.首先,根据层次分析法的原理,按照项目风险来源性质的不同,建立了由5个1级指标和15个2级指标组成的海外铁路项目风险评价指标体系;其次,利用G1法对专家关于指标重要程度的排序意见进...     

考虑均衡性的城市轨道交通线路负荷水平评估研究

线路负荷水平的评价工作是优化运输组织方案的重要前提。首先,本文分析了采用单一均值性指标表征负荷水平不能体现线路内负荷分布偏差的问题。为此,从城市轨道交通线路客流与运输能力匹配的角度出发,以列车负荷为评价单元,建立包括负荷均值和标准差率二维指标的线路负荷水平评估模型。负荷均值指标考虑了各评价单元加权计算,以反映每个评价单元对线路负荷水平的贡献程度,标准差率指标表征负荷均衡性。模型分析得出,线路所有区间的运力同等规模变化不影响标准差率指标,相对提高大客流区间或大客流方向上的输送能力能够改善线路负荷的均衡性。算例分析表明：客流方向不均衡系数超过 1.4 时,应考虑运力优化措施以提高运输能力利用的均衡;组织列车大小交路方案和不成对行车模式,能够提高线路负荷的均衡程度。     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著,本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据,调用开放地图接口地理编码解算事故地点经纬度,使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入,为解决这一局限,建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型,并与原始聚类模型进行对比.结果表明,优化算法在参数确定上更加智能,对簇的划分更加准确,对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分,证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型,模拟驾驶人感知过程,获得期望的车间距;预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹,即决策过程;优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作,即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析,结果表明,本文模型预测车间距平均误差仅为1.47%,证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型,是交通流理论 的基础。近年来,信息感知与获取、大数据、人工智能等技术快速发展,推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型,是以真实的车辆行驶数据为基础,利用数据科学与机器学习等 理论和方法,通过样本数据的训练、学习、迭代、进化,挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮,归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型,并分别介绍了其中的典型代表。分析数据源发现,尽管各 种高精度轨迹数据不断涌现,目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据,模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量,是否有必要考虑更多行为变量,现有输入、输出 是否可替换。在模型测试与验证方面,发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后,探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理,帮助研究者更好地了解数据驱动跟驰模型的过去与现状,促进相关研究的快 速发展。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响,本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段,基于百度迁徙大数据,利 用双重差分模型,识别长沙市不同阶段的交通防控政策以及量化防控效果,分析交通防控政策对 长沙市人口流动的影响。结果显示,长沙市在交通管制阶段,平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%,有效地控制了人口流动,降低了 疫情扩散危险。在交通恢复阶段,长沙市人口流动强度逐渐反弹,城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性,为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。