驾驶过程中手机使用行为数据采集及分析

驾驶过程中使用手机的行为存在安全隐患,是当今导致交通安全事故的原因之一。文章借助于信息技术开发出采集使用手机行为数据的App,从真实数据出发,客观地分析驾驶员在开车过程中使用手机这一不良驾驶行为的覆盖程度及危险程度,并提出将手机使用行为作为驾驶风险评价因子。     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响.本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路...     

纤维增强塑料(FRP)混凝土结构疲劳性能研究进展

FRP混凝土结构的疲劳性能是结构非常重要的一个性能,目前国内外对这方面的研究还较少,本文简要从FRP新建结构和FRP加固混凝土结构两方面介绍了国内外对FRP混凝土结构疲劳性能的研究进展,并对今后拟开展的研究工作提出了建议。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

细粒土路基平衡密度状态分析

为掌握细粒土路基的平衡密度状态及其变化原因,统计分析9条高速公路路床顶部的压实度和含水率检测资料,对3条黄泛区高速公路路基的压实度、含水率以及1条高速公路的路基模量进行全断面深度检测,并开展非饱和细粒土的湿化试验和弹性恢复试验。现场实测发现：在役路基除了实测含水率较最佳含水率有0~13.8%的增加外,相应的压实度出现了0~10%的线性衰减;其中,路床区、上路堤以及受水位波动影响较大的路基底部的压实度降低十分明显,而下路堤上部区域压实度基本维持不变甚至有所增大;路基压实度的变化与土的含水率密切相关。非饱和土三轴试验结果表明：土体湿化过程中,吸水导致体积膨胀和压实度衰减;当路床土吸湿至平衡湿度（含水率为18%）时,土体压实度降低5.07%。弹性恢复试验结果表明：压实路基土因变形恢复导致路基密度衰减;低含水率、高压实度和低上覆荷载条件下的弹性恢复较大,压实路床土弹性恢复导致的压实度降低值最大为0.5%;综合湿化和弹性恢复结果来看,两者占黄泛区路床区压实度衰减总量（约7%）的79.6%;此外,路基剪切模量的原位实测值较相同物理状态下的室内重塑土结果平均高出了60.64%,表明运营多年的高速公路路基土具有一定的结构性。因此,既有路基的评价应该同时考虑路基湿度增加、密度降低以及土体结构性等综合因素。     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。     

Electric vehicle charging station locations: Elastic demand,station congestion,and network equilibrium

Battery-only electric vehicles (BEVs) generally offer better air quality through lowered emissions, along with energy savings and security. The issue of long-duration battery charging makes charging-station placement and design key for BEV adoption rates. This work uses genetic algorithms to identify profit-maximizing station placement and design details, with applications that reflect the costs of installing, operating, and maintaining service equipment, including land acquisition. Fast electric vehicle charging stations (EVCSs) are placed across a congested city's network subject to stochastic demand for charging under a user-equilibrium traffic assignment. BEV users’ station choices consider endogenously determined travel times and on-site charging queues. The model allows for congested-travel and congested-station feedback into travelers’ route choices under elastic demand and BEV owners’ station choices, as well as charging price elasticity for BEV charging users.Boston-network results suggest that EVCSs should locate mostly along major highways, which may be a common finding for other metro settings. If 10% of current EV owners seek to charge en route, a user fee of $6 for a 30-min charging session is not enough for station profitability under a 5-year time horizon in this region. However, $10 per BEV charging delivers a 5-year profit of $0.82 million, and 11 cords across 3 stations are enough to accommodate a near-term charging demand in this Boston-area application. Shorter charging sessions, higher fees, and/or allowing for more cords per site also increase profits generally, everything else constant. Power-grid and station upgrades should keep pace with demand, to maximize profits over time, and avoid on-site congestion.     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

隆林新洲养护站边坡稳定性分析

文章利用SLOPE／W模块,基于确定值方法和可靠度理论的极限平衡法．对隆林新洲养护站边坡在不采取支挡措施和采用锚索抗滑桩支挡措施情况下,如何保持边坡稳定性进行了对比分析。     

On a link-based day-to-day traffic assignment model

In this paper, we perform a rigorous analysis on a link-based day-to-day traffic assignment model recently proposed in He et al. (2010). Several properties, including the invariance set and the constrained stability, of this dynamical process are established. An extension of the model to the asymmetric case is investigated and the stability result is also established under slightly more restrictive assumptions. Numerical experiments are conducted to demonstrate the findings.