公路交通安全事故关联因素独立性检验

综述了国内外关于公路交通安全事故统计分析工作的情况,针对交通事故关联因素,以北京市门头沟区2005年公路交通事故数据为案例,采用列联表方法,对事故等级、事故分类与部分关联因素(如驾驶员年龄、性别、天气情况、时刻、时段、车辆类型等)进行了十几项独立性检验,这些结果将有益于校核人们对于交通安全问题的一些习惯认识,对于交通管理和改善公路交通安全工作也有一定借鉴和参考意义。     

山区高速公路隧道典型安全因素分析及其对策研究

文章针对西部多条山区高速公路隧道运营安全情况,分析山区高速公路隧道的典型安全事故及原因,提出了基于车速限制、车道限制、照明控制与交通安全设施的安全对策,为山区高速公路隧道的安全运营提供参考。     

贝叶斯矩法在交通事故预警中的应用

该文简要分析了我国交通事故的严重态势和交通事故发生的原因,提出了交通事故预警的计算模型-BMOM方法,并结合实例进行了分析。     

驾驶行为研究模拟舱实验整体方案

在介绍AutoSim模拟舱的基本组成、功能的基础上，从交通系统组成的人、车、路的角度，提出了利用驾驶模拟舱进行驾驶行为研究的参数选择、数据库的结构、场景定制等关键技术，并提出了可行的技术路线和实验方案。     

公路诱增交通量预测方法综述

本本文首先讨论了诱增交通量的概念,并按不同的发展阶段对其分类。结合不同类型诱增交通量的特性,分析总结了各种诱增交通量预测方法的适用范围,并用实例验证。     

乡镇汽车客运站场规模确定方法研究

通过对传统乡镇汽车客运站场规模确定方法不足的分析,针对农村旅客运输特点,对乡镇汽车客运站的功能进行了定位,从农村客运站场网络体系优化出发,提出了协调法确定乡镇汽车客运站场规模,建立了相应的站场规模调整模型,并给出了计算步骤和相关参数的标定方法及部分推荐值。最后通过成都市青白江区的实例验证了方法的可行性。     

基于道路设计与交通规划的道路选线优化模型

结合道路设计理论与交通规划理论,以地理信息系统为平台,开发道路选线优化模型。该模型是一个费用指向的优化问题,最小化费用目标函数中包括道路建设费用、土方工程费、道路交通诱发的环境污染的不经济费用,OD交通在路网上总走行时间的时间费用等。优化模型首先随机生成新建道路的空间位置候选方案集,并自动设计新建道路的平曲线和竖曲线,计算新建道路的各项工程费用。然后,对变化的路网进行自动拓扑,通过交通量分配得到OD交通在新路网上的走行时间和交通流特征,计算OD交通的环境负荷。最后,在遗传算法中判断候选方案的优劣,直到得到一个最佳的新建道路的空间位置方案为止。     

修正四阶段法在城市交通抗灾规划中的应用

根据地震环境下不同恢复阶段的社会经济活动及交通系统特性,对传统交通预测四阶段法———出行产生、出行分布、方式划分、交通分配的宏观模型进行了修正,讨论了不同模型的参数变化趋势,建议了参数的调整原则及方法,进而以修正四阶段法为基础进行震后交通需求预测。该方法简便易行,预测得到道路通行能力、流量、负荷度和平均运行时间等多个指标,为城市交通系统防灾规划提供决策依据。最后,结合我国东南沿海某城市的工程实践,有针对性的进行了应用和验证。     

城市大型建设项目交通影响分析

城市建设项目交通影响分析(TIA)能有效控制城市土地建设项目对交通的影响。文章分别从执行局面和研究层面阐述了TIA的主要内容,并结合国内外研究现状,分析了TIA各项关键指标和技术方法目前所存在的缺陷,指出目前TIA研究所存在的若干问题,同时总结归纳了建设项目进行TIA的一般流程。     

Short-term Hourly Traffic Forecasts using Hong Kong Annual Traffic Census

The need for acquiring the current-year traffic data is a problem for transport planners since such data may not be available for on-going transport studies. A method is proposed in this paper to predict hourly traffic flows up to and into the near future, using historical data collected from the Hong Kong Annual Traffic Census (ATC). Two parametric and two non-parametric models have been employed and evaluated in this study. The results show that the non-parametric models (Non-Parametric Regression (NPR) and Gaussian Maximum Likelihood (GML)) were more promising for predicting hourly traffic flows at the selected ATC station. Further analysis encompassing 87 ATC stations revealed that the NPR is likely to react to unexpected changes more effectively than the GML method, while the GML model performs better under steady traffic flows. Taking into consideration the dynamic nature of the common traffic patterns in Hong Kong and the advantages/disadvantages of the various models, the NPR model is recommended for predicting the hourly traffic flows in that region.