不利气象条件对公路交通安全的影响及对策

为研究不利气象条件对公路交通安全的影响机理及规律,在总结国内外研究成果的基础上,通过问卷调查和交通事故历史数据统计分析的方法,确定了影响公路交通安全的主要不利气象条件为雾、路面结冰、雪和雨4种。同时从不利气象条件影响能见度和附着系数的角度进行了微观层面的影响机理分析,确立不利气象对交通安全的危害性及影响程度,给出应对不利气象条件的交通安全对策,为公路交通安全事故的预警和对策研究提供理论依据。     

恶劣天气条件下城市快速路通行能力研究

通行能力是道路交通工程的重要参数。特别是在恶劣天气条件下,交通组织管理需要准确的通行能力数据支撑。基于上海市快速路监控中心采集存储的海量交通数据,结合气象局发布的天气状况信息,提取出恶劣天气条件下快速路的交通流参数。根据气象数据对交通流参数关系的影响程度,对气象条件进行了分级。提出了基于交通流模型拟合的通行能力计算模型,计算并标定了不同气象等级下通行能力的折减系数。     

不良天气和路面环境对交通信号配时方案的影响

针对不良天气和路面环境下沿用正常天气交通信号配时方案时信号控制效益下降的问题,从不良天气和路面环境下交通流运行特征入手,分析了因天气和路面环境改变导致的以经典信号控制理论为优化基础的信号配时方案演变情况,采用Vissim软件建立了哈尔滨市嵩山路与淮河路交叉口良好天气与雪天的交通信号控制仿真模型,并进行了案例分析.分析表明:雪天及时调整信号配时方案,与仍采用良好天气情况下的信号配时方案相比,能有效降低车辆在信号交叉口的停车次数和延误,提高交叉口的通行效率.这一分析结果适用于所有不良天气和路面环境下的交通信号优化控制.     

雾霾环境下如何安全驾驶汽车的思考

雾霾是一种常见的天气现象,尤其是当前工业化社会,雾霾天气出现的概率更是直线上升,这对于安全行车,无疑是一个巨大的挑战。本文将结合雾霾天气产生原因及特性,基于其对交通的危害,讨论雾霾天气汽车安全驾驶要点,希望可以抛砖引玉,为广大驾驶员提供一定参考,提高行车安全。     

基于RBF神经网络的不利天气道路通行能力计算

不利天气下影响城市道路通行能力的各种因素都具有随机的、非线性,采用常态条件下修正理论通行能力的计算方法是不适合的.文章结合RBF神经网络模型方法能够良好地分析出随机的、非线性的特点,对路网组成单元进行重新划分,选定不利天气下道路通行能力的影响因素,建立了道路通行能力计算的RBF神经网络模型.并依据哈尔滨市暴雨天气下道路的实际情况进行了算例分析,计算的道路通行能力与实测数据最大误差为-1.16%,验证了模型的可行性和有效性.     

膨胀土路基的胀缩变形模型试验

为了研究不同气候条件下膨胀土路基的胀缩变形规律,通过8组膨胀土路基模型试验,对广西南友路宁明地段中等膨胀土和湖南常张路慈利地段弱膨胀土,在压实度为90%和不同排水边界条件下,模拟路基分别处于积水、阴天、日照、降雨4种条件,研究膨胀土路基中各位置测点的胀缩变形大小及变化规律等,获得了这两种膨胀土路基的竖向和水平方向的胀缩变形量与变化规律。研究结果对膨胀土路基的设计和施工,保护路基、路面及路基中的构造物具有重要的理论和工程实际意义。     

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内,多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例,研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围;利用几何算法预先规划可供选择的改航路径;改进离散粒子群优化算法的运算规则;以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标,结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明,该仿真优化算法经过多次迭代,获得了改航优化方案;与采用传统粒子群算法的仿真优化算法相比,管制员工作总负荷下降了7.52%,改航总路径距离减少了4.48%;与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比,其改航路径距离略长,但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷,对实际改航规划具有借鉴意义。     

雾雪天气对车顶绝缘子闪络影响的分析

雾雪天气造成电力机车车顶绝缘子闪络的问题越来越严重,已影响了电气化铁道的安全运营。本文综合有关资料,就污闪、雾闪、覆冰闪络、防覆冰技术及方法等问题做一分析、总结。     

冰雪、大雾天气下交通安全保障设施应用研究

文章分析了冰雪、大雾天气的特点及其对道路行车安全的影响,探讨了冰雪、大雾天气下的交通安全保障措施,并对各种交通安全保障设施的设置进行了优化研究,为不良气候条件下的道路交通安全设计、评价提供技术依据。     

Utilizing naturalistic driving data for in-depth analysis of driver lane-keeping behavior in rain: Non-parametric MARS and parametric logistic regression modeling approaches

It is known that adverse weather conditions can affect driver performance due to reduction in visibility and slippery surface conditions. Lane keeping is one of the main factors that might be affected by weather conditions. Most of the previous studies on lane keeping have investigated driver lane-keeping performance from driver inattention perspective. In addition, the majority of previous lane-keeping studies have been conducted in controlled environments such as driving simulators. Therefore, there is a lack of studies that investigate driver lane-keeping ability considering adverse weather conditions in naturalistic settings. In this study, the relationship between weather conditions and driver lane-keeping performance was investigated using the SHRP2 naturalistic driving data for 141 drivers between 19 and 89 years of age. Moreover, a threshold was introduced to differentiate lane keeping and lane changing in naturalistic driving data. Two lane-keeping models were developed using the logistic regression and multivariate adaptive regression splines (MARS) to better understand factors affecting driver lane-keeping ability considering adverse weather conditions. The results revealed that heavy rain can significantly increase the standard deviation of lane position (SDLP), which is a very widely used method for analyzing lane-keeping ability. It was also found that traffic conditions, driver age and experience, and posted speed limits have significant effects on driver lane-keeping ability. An interesting finding of this study is that drivers have a better lane-keeping ability in roadways with higher posted speed limits. The results from this study might provide better insights into understanding the complex effect of adverse weather conditions on driver behavior.