路域生态环境监测研究综述

随着遥感技术的发展与广泛应用,其在宏观生态环境监测中的作用也逐步体现。遥感路域生态环境监测可以及时、准确、全面地掌握公路建设和营运过程中环境污染和生态破坏的实际情况,为评价生态环境质量和采取有效的环保措施提供定量数据。     

多车道普通公路路侧标志遮挡问题研究

普通公路上设置路侧标志是提高公路交通安全最常用的措施. 由于多车道普通公路上大车率较高,内侧车道小车驾驶员视认标志容易受到外侧车道大车的遮挡,使路侧标志功能难以有效发挥. 本文在分析驾驶员视认标志特点的基础上,以我国最常见的双向4车道普通公路为研究对象,分析了内侧车道小车驾驶员受外侧车道大车遮挡问题,并以车流到达服从泊松分布为基础建立了路侧标志受大车遮挡的遮挡概率计算模型. 在此基础上,本文从重复设置、改变标志设置形式和位置三个角度提出了解决路侧标志遮挡问题的对策. 最后,通过一个实例分析,验证了本文研究结论的正确性和可行性.     

一级公路路侧冲突强度与运行速度的相关性

一级公路是我国公路网中承担干线功能和集散功能的多车道普通公路形式.混行交通在我国公路交通中普遍存在,路侧冲突对交通流运行速度产生影响,定量分析路侧冲突对交通流的影响是公路设计的重要工作.通过调查驾驶员对不同路侧冲突类型的直观印象,为路侧冲突定义了4个强度等级,选择国内7个具有代表性的典型一级公路路段进行交通流数据观测,...     

路侧事故预测模型的统计分析方法研究

介绍了泊松分布、负二项分布、零堆积泊松和零堆积负二项4种概率分布形式及模型的评价和检验。并介绍了确定模型中单个变量对路侧事故边际影响弹性分析方法。为道路设计人员和养护人员针对路侧隐患设施给出量化的整改方案,并对各改善措施进行经济评价提供理论依据。     

基于贝叶斯网络的路侧安全评价方法

首先阐述了路侧安全评价对于减少公路交通事故的重要意义,在对国内外相关研究进行分析和比较的基础上,构建了一个用于路侧安全性评价的指标体系。随后利用贝叶斯网络所具有的表达不确定性知识和进行不确定性知识推理的能力,提出了一种基于贝叶斯网络的安全评价模型。该模型能够处理复杂的逻辑关系,很好地表达变量间的不确定性关系,可以灵活方便地对系统进行预测及诊断分析,有效地处理专家意见不一致的情形,并能够在某些专家意见缺失的情况下得到合理的结果。最后将此方法应用于评估某路侧的安全等级,结果表明此方法是合理有效的。     

山区双车道公路路侧危险度对安全影响的分析研究

为探明路侧危险度对安全的具体影响规律,本文做了深入的调研和分析．分析结果表明：路侧危险度和路侧事故率是偏弱的负相关关系,而与全部事故率、碰撞事故率是偏弱的正相关关系;在综合考虑接入口密度、道路线形、交通组成、路侧危险度等因素构建的综合事故预测模型中,路侧危险度只在碰撞事故预测模型中为正向影响系数,在其他模型中为非显著影响。进一步分析发现,路侧危险度对全部事故率的影响是按二次抛物线先降低后持续上升,对碰撞事故率影响是按二次抛物线持续上升,对路侧事故率影响是按二次抛物线持续下降．基于分析结果,确定了路侧危险度事故减少因子,并对路侧危险度对碰撞事故的影响做了细致分析．     

路侧结构物空间尺度及距路边合理距离的“半银杏叶”模型

公路空间形态是路域景观的重要影响因素,文中应用艺术设计领域常用的方法,构建了动态实验场景,通过问卷调查和回归分析,确定了公路两侧结构物的空间尺度以及结构物距路边距离的关系,建立了二者的"半银杏叶"模型.这一模型的提出,有助于确定路侧结构物的空间尺度以及结构物距路边的合理距离.     

基于路侧事故判别的公路平曲线车速限制研究

车速是导致公路平曲线路段路侧事故频发的关键因素,为降低路侧事故率,需进行车速限制研究. 选取8 个路侧事故风险指标进行PC-crash 仿真试验,共收集12 800 条数据. 采用路径分析方法筛选得到显著性风险指标,将其纳入贝叶斯逐步判别分析中,构建对应不同车型的路侧事故判别函数,提出对应不同道路几何设计要素的最高安全车速计算模型. 结果显示：显著性风险指标对路侧事故影响程度,由大到小依次为车速、圆曲线半径、车型、路面附着系数、路肩宽度、纵坡坡度和超高横坡度;道路线形条件越好,保证不发生路侧事故的最高安全限速值越大;在相同道路设计指标下,小型客车最高限速值大于货车最高限速值.     

基于CenterNet的路侧单目视角车辆3D形态精确感知

车辆3D形态的精确实时感知对于智能交通中的车辆行为分析、交通流参数估计等应用和无人驾驶都至关重要，其中，如何克服透视投影的限制，从路侧单目视角下感知车辆3D形态正成为具有挑战的课题之一。为解决这个难题，采取深度网络提取投影特征，结合空间标定模型中的几何约束，实现2D投影至3D空间的3D形态恢复构建。首先，基于前期工作，对道路场景中的相机构建空间标定模型，以获取透视空间的2D-3D互映射矩阵；然后，以当前流行的简洁高效的CenterNet深度网络为基础，设计车辆3D形态投影特征的检测网络，融入多尺度特征融合模块以优化透视投影下不同尺度车辆目标的检测，同时优化高斯凸包热力图以增强车辆目标的特征检测力度，根据先验几何约束设计加强损失函数以加快收敛；最后，通过建立的空间形态几何约束模型，对网络输出特征投影点进行解码，构建出完整的车辆3D形态信息。试验以路侧视角下的BrnoCompSpeed数据集和自制数据集为基础，手工标注满足试验需求的样本目标，并做图像增广以模仿多变的道路监控视角及环境。在试验结果评价中，分别对网络检测结果及最终构建的3D形态进行评价，其中对于网络检测结果，以投影特征构成投影凸包的平均精度为评价指标，交并比(IoU)阈值为0.7时，在BrnoCompSpeed测试数据集上得到AP值为87.35%，召回率和精确率分别为87.39%与90.78%。同时，设计消融试验证明网络改进模块的有效性。对于3D形态构建结果，分别对空间定位、3D尺寸、偏转角及3DIoU等指标都进行定义，并以3DIoU为评价标准，验证多个改进模块及不同视角对于最终精度的影响，最后在BrnoCompSpeed测试数据集中的平均3DIoU达到0.738。设计的网络FPS为27，可满足实时性的需求。     

路侧感知车辆轨迹数据质量智能评估方法

智慧公路布设了大量路侧智能传感器，可以获取全时空车辆运行轨迹数据。然而，如何实现轨迹数据质量高效便捷的评估一直是困扰行业管理部门的难题。现有评估方法大多存在量化指标维度单一、鲁棒性较差等问题。为此，提出一种通过挖掘轨迹数据多维特征以快速评估轨迹数据质量的方法。首先基于轨迹多元信息从元素特征、时序特征和空间特征3个维度设计轨迹合理性、波动性与交互异常性评估指标，并分析评估指标与轨迹数据质量水平的相关关系；在此基础上提出一种利用多元评估指标实现轨迹质量评估的自适应融合回归模型；最后，结合公开轨迹数据集和实测数据集对指标和模型的可靠性及稳定性进行测试与验证。结果表明：轨迹合理性、波动性指标与数据质量显著相关，可基于此构建指标融合模型评估轨迹质量，且引入提出的交互异常性指标可较好地提升模型评估效果。随着模型得分的降低，轨迹数据的运动与交互特征的异常程度增大，持续时间增加。提出的智能评估模型可以挖掘评估指标与轨迹质量的关系，对不同质量水平的轨迹均保持较好的评估效果且优于传统的单一维度评估指标方法，具有良好的稳定性、鲁棒性和优越性，可为车路协同环境下海量的路侧感知轨迹数据提供可靠的质量评价与监测方法。