不同构造条件下混凝土柱-钢梁混合节点抗震性能的比较研究

为研究不同构造条件下混凝土柱-钢梁混合节点的抗震性能,提出一种新型钢筋混凝土柱-钢梁混合结构节点,对其进行了低周往复荷载试验,并与文献已有节点试件的抗震性能进行了对比研究．结果表明：新型节点能获得较高的承载能力;采用削弱外伸梁端节点的构造措施,能将塑性铰从梁端外移,避免对节点核心区的不利影响,实现“强柱弱梁,强节点弱构件”的抗震设计要求;该新型节点滞回曲线整体呈纺锤形,等效粘滞阻尼系数为0.31,表明端板屈曲能较好耗散能量,具有良好的耗能能力．     

网联环境下基于多驾驶人风险评价的不良行为主动干预研究

依托智能网联技术背景，本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数，基于行车数据定义并辨识驾驶人的各类不良行为； 利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计算，并以可变权重构建其与事故风险的关联关系；借鉴数据包络分析思想，提出考虑可变权重的不良驾驶行为综合评价方法；利用Simulation of Urban Mobility(SUMO)搭建智能网联环境下驾驶仿真平台，以时间窗方式抽取场景中多驾驶人的历史行车数据，利用不良驾驶行为综合评价方法辨识风险驾驶人，提出基于累加窗口与滑动窗口的主动干预方法，每种方法均实现干预单车与干预多车两种策略；分析不 同干预手段的效果，探究窗体大小、驾驶人接受率、干预车辆数等对干预结果的影响。研究表明， 干预多车策略取得较好的效果，基于累加窗口与滑动窗口的驾驶人不良行为总得分分别下降 22.80%和10.50%；与无干预情况相比，当干预接受率为50%时，驾驶人不良行为总得分仍有所降 低；与基于累加窗口方法相比，基于滑动窗口的干预方法更适合实际应用。本文提出的框架可为驾驶行为监测等提供技术支持。     

Analysis of the effect of charging needs on battery electric vehicle drivers’ route choice behaviour: A case study in the Netherlands

Electric travelling appears to dominate the transport sector in the near future due to the needed transition from internal combustion vehicles (ICV) towards Electric Vehicles (EV) to tackle urban pollution. Given this trend, investigation of the EV drivers’ travel behaviour is of great importance to stakeholders including planners and policymakers, for example in order to locate charging stations. This research explores the Battery Electric Vehicle (BEV) drivers route choice and charging preferences through a Stated Preference (SP) survey. Collecting data from 505 EV drivers in the Netherlands, we report the results of estimating a Mixed Logit (ML) model for those choices. Respondents were requested to choose a route among six alternatives: freeways, arterial ways, and local streets with and without fast charging. Our findings suggest that the classic route attributes (travel time and travel cost), vehicle-related variables (state-of-charge at the origin and destination) and charging characteristics (availability of a slow charging point at the destination, fast charging duration, waiting time in the queue of a fast-charging station) can influence the BEV drivers route choice and charging behaviour significantly. When the state-of-charge (SOC) at the origin is high and a slow charger at the destination is available, routes without fast charging are likely to be preferred. Moreover, local streets (associated with slow speeds and less energy consumption) could be preferred if the SOC at the destination is expected to be low while arterial ways might be selected when a driver must recharge his/her car during the trip via fast charging.     

基于扰动传播特征的随机Newell跟驰模型

为研究快速路场景下小汽车跟驰行为，本文从北京市快速路交通流视频中提取高时间分辨率的机动车运行轨迹数据.统计发现，在不同跟驰速度下，小汽车车头时距均服从对数正态分布；利用动态时间规整算法提取小汽车的反应时间与扰动传播速度等特征参数，分别标定其概率分布函数，证明跟驰过程中小汽车的反应时间分布峰值和数学期望分别为1.0 s 和1.57 s；在挖掘反应时间、扰动传播速度与车头时距量化关系的基础上，建立基于交通扰动传播特征的随机Newell跟驰模型，并标定得到分速度区间的模型参数.仿真结果表明，本文提出的随机Newell跟驰模型能有效刻画跟驰行为与扰动传播间的关联特征，同时生成符合预期的交通流基本图.新模型能够为跟驰行为随机特征对交通状态的影响研究(如交通流陡降、宽移动阻塞等)提供支持.     

交叉口动态车道与交通信号协同优化方法

以往动态车道研究倾向于在固定信号配时或预先设定的信号配时方案下进行优化，无法充分利用交叉口的时空资源.本文根据实时交通需求，以交叉口车辆平均延误最小为目标，以信号周期、相位绿灯时间和车道数为约束条件，构建动态车道与交通信号协同优化模型.模型分两部分，第1部分考虑进出口道车道平衡，计算可行的动态车道备选方案，将备选方案的输出参数作为第2部分模型的输入参数；第2部分根据实时交通需求，生成动态车道优化方案和信号优化方案.将本文优化方法与传统信号配时方法进行比较，实验结果表明，本文模型能更好地降低交叉口平均延误，有效提升信号交叉口时空资源利用率.     

货车移动遮断影响下的小客车驾驶行为识别

为识别山区双车道公路货车移动遮断影响下的小客车驾驶行为，通过无人机拍摄和图像 处理提取车辆轨迹数据，根据车头时距、小客车横向位置曲线斜率的阈值标准，标定小客车的跟 驰、换道和超车这3种驾驶行为类别；采用Kruskal Wallis检验和主成分分析法对小客车驾驶行为 特征参数进行筛选和降维，获取识别模型输入变量；运用网格搜索算法确定核函数最优参数组 合，建立基于支持向量机(SVM)的货车移动遮断下小客车驾驶行为识别模型。以云南省典型山区 双车道公路为例，多维度分析货车移动遮断下的小客车驾驶行为特性，并对识别模型进行训练和 测试。结果表明：货车移动遮断下小客车的行车速度比自由流条件下低约20~30 km·h-1；小客车 在山区双车道跟驰货车行驶时的平均车头时距为2.53 s，小于相关规范中规定的最小安全车头时 距，跟驰行车风险较大；基于SVM的货车移动遮断下小客车驾驶行为识别模型的识别准确率达 98.41%，具有良好的识别能力和应用前景。     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.     

基于改进核密度估计的电动出租车快速充电行为研究

电动汽车充电行为研究是充电负荷时空分布预测、充电基础设施规划和有序充电管理的 基础。本文基于上海市电动出租车的实测数据，划分充电片段并提取快速充电行为特征变量，开 展相关性分析以揭示变量之间的内在相关性，从工作日和休息日两个时间维度揭示快速充电行 为规律，提出一种基于扩散方程的自适应扩散核密度估计模型应用于快速充电行为特征变量的 概率建模并使用拟合优度检验指标验证该模型的有效性。研究结果表明：电动出租车的快速充 电行为在工作日和休息日具有明显的差异性，自适应扩散核密度估计模型可使电动汽车充电行 为特征变量的概率建模更加准确，且具有更高的拟合精度。     

城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响

为探究城市快速路中央分隔带线性空间布局形式的视觉刺激对驾驶行为的影响，通过图像语义分割技术量化景观构成要素，并用SILAB软件平台构建虚拟仿真场景，开展模拟驾驶试验。测试路段限速值分别为50 km·h^-1和70 km·h^-1。试验获取了41名被试对中央分隔带布局形式视觉刺激的眼动和车辆运行指标以及驾驶疲劳的主观评价，以分析不同中央分隔带布局形式视觉刺激下各特征参数的变化规律。采用注视点信息熵作为布局形式视觉刺激度的量化指标，并使用ROC曲线方法为表征不同中央分隔带布局形式视觉刺激的驾驶行为指标确立了舒适性阈值，根据不同中央分隔带布局形式下的驾驶行为指标及阈值，建立了舒适性综合判别模型。研究结果表明：单次扫视时长、注视次数、车道横向偏移距离受布局形式视觉刺激的影响较大；与车速50 km·h^-1相比，当车速为70 km·h^-1时，扫视频率低，单次扫视时长短，注视次数少，平均眨眼持续时间长；注视点信息熵与视觉刺激度相关；由车辆运行特征分析可知，排列式的中央分隔带布局形式由于景观单调、视觉刺激过低会导致驾驶人出现反应迟缓、疲劳，影响行车安全；规则式布局形式视觉刺激过高，环境的复杂性、新奇性、意外性等特征过于显著，会导致驾驶人难以集中注意力，从而威胁行车安全；而自然式的布局形式不仅能够改善城市快速路景观环境的单调性，还能够提供适宜的视觉刺激。研究成果能够改善中央分隔带布局形式及提高驾驶安全性提供一定的理论依据。     

Visual analysis semantic label method based on navigation logic division北大核心CSCD

[目的]旨在探索处理内河实船数据、提高其可理解性和辅助研究识别船舶行为的新方法。[方法]通过构建航行逻辑层级和划分时序数据获得船舶行为的语义标签,设计航行逻辑可视化分析系统,将船舶航行状态与数据可视化相结合,辅助分析数据及研究船舶行为特征。最后,依托数字航道,选择船舶行为复杂的内河航道工作船的数据进行实例检验,利用所提系统分析异常数据并研究船舶行为。[结果]通过航行逻辑的交互可视化,可有效确定无规律的位置跳动异常数据产生的原因及特点,帮助进行异常数据处理,并经过定性分析特征和定量分析阈值,划分出了靠泊与直航状态数据,进一步丰富了船舶行为语义标签。[结论]结合船舶行为语义标签设计的可视化分析系统,通过人机自由交互,提高了数据的可理解性,可辅助异常数据分析处理及船舶行为研究,为数据分析人员提供研究工具。