新世纪城市公共交通的任务与道路

1、公交发展处于极为关键时期,肩负着历史的重任     

水上交通事故责任认定行为属性的判定及责任认定建议

新《中华人民共和国海上交通安全法》明确指出,在管辖海域内发生的海上交通事故,由海事管理机构负责调查认定事故责任,出具的事故责任认定书作为处理海上交通事故的证据。从行政行为概念的厘定和特征梳理切入,辨析海事管理机构作出水上交通事故责任认定书的认定行为是否属于行政行为,并对海事管理机构进一步做好水上交通事故责任认定工作提出建议。     

典型事故形态下驾驶人工作记忆与应激反应研究

为探究事故发生时的不同形态和工作记忆与驾驶人应激反应能力及视觉行为的关系,本文对31名驾驶人分别开展城市道路中侧面碰撞、追尾碰撞和刮撞行人这3种典型事故形态下的驾驶模拟器实验。根据摄像机和眼动仪的输出视频,采用动态聚类将驾驶人的注视区域划分成7类,同时,基于单因素方差分析,Mann-Whitney U检验和Kruskal-Wallis检验,分析事故形态的类型、不同工作记忆容量的人群避险时的应激反应能力和视觉行为的影响。结果表明：事故形态和驾驶人的应激反应能力显著相关,在前车紧急制动事件中驾驶人的反应时间最短,较侧面碰撞减少了25.46%;在面对危险时的反应时间受到驾驶人工作记忆容量的影响,即相比于低工作记忆容量,高工作记忆容量的驾驶人反应时间短;此外,注视总持续时间、平均扫视时间和瞳孔直径均与工作记忆容量相关。研究结果可为车辆安全针对性预警提供理论支持。     

基于无监督聚类分析的激进换道行为识别方法

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态数据集中提取换道行为事件数据,进而提取驾驶人换道行为关键特征参数,运用SOM-Kmeans聚类分析识别激进换道行为。将SOM-Kmeans聚类方法分别与基于密度的聚类算法(DBSCAN)及模糊C均值聚类算法(FCM)比较,分析激进换道行为的识别效果。研究结果表明：SOM-Kmeans能够将激进换道行为划分为紧急换道和挤车换道两种类型,并建立相应的行为指标和阈值,当换道过程中加速度波动大于8.22 m·s^-3且方向盘转角大于0.83 (°)·s^-1,识别此次换道为激进换道行为;在激进换道行为的基础上,当换道间隙小于7.5 m且换道持续时间大于10.3 s时,识别此次换道为挤车换道,否则,为紧急换道行为。挤车换道行为多出现在拥堵较严重的强制换道中,紧急换道行为多出现在交通流环境较好的自由换道中。本文提出的识别方法的准确率...     

海难中人类行为

海难发生后,人们一般要经历冲击、撤离、退缩和损伤后期等阶段。人的行为在不同阶段各有特点,了解这些内容,有利于船员组织和领导旅客撤离遇难船,减少人员伤亡。     

解读《消费者权益保护法》第49条"欺诈行为"--兼论消费者"知假买假"

从法律解释规则的角度来探讨《消法》第49条“欺诈行为”的涵义,认为欺诈行为的实质是经营者没有向消费者如买告知其提供商品或服务的真实信息,与消费者是否知假的主观态度无关,即使该消费者怀疑该商品或服务有假甚至明知有假,都不影响欺诈行为的成立．     

基于TPB的低碳交通出行方式研究

以计划行为理论(TPB)为基础构建低碳出行行为模型,利用结构方程模型分析影响出行者交通行为决策的各因素,并收集整理我国大中型城市出行者数据进行验证。研究结果表明:所有的TPB因子均为有效影响因素,引入预期后悔和行为习惯可以增加TPB对出行行为的解释力,出行意向对出行行为的效应最大。最后,基于各因素的作用路径提出加大宣传力度、完善公交系统和健全政策法规等政策建议。     

并发任务对驾驶员驾驶行为的影响

驾驶过程中使用手机、收听音乐等并发任务会对驾驶员驾驶行为产生不同程度的影响,进 而给周围道路环境、车辆以及行人造成安全威胁。为了系统探析不同并发任务模式对驾驶员驾驶 行为的影响程度,以四种典型并发任务模式（手机使用、乘客互动、视频播放、音频播放） 为研 究对象,引入主成分分析法,构建面向驾驶员行为表现的综合评价体系。同时,以国外学者针对 不同并发任务进行模拟实验所用的原始数据作为数据来源,对四种并发任务对于驾驶员行为的不 同影响进行了评价。结果表明,使用手机对于驾驶员的驾驶行为影响最大,与乘客互动次之;视 觉上注意力的分散相对于认知上注意力的分散更容易对驾驶员的驾驶能力产生负面影响。     

新冠疫情对居民休闲出行影响研究

为了就新冠疫情对疫情结束后居民休闲出行的影响展开调查研究,把握疫情后居民休闲出行偏好的变化,分析休闲出行意愿的影响因素和影响机制,并量化分析各因素的影响,基于计划行为理论和收益-风险分析构建结构方程模型,量化感知风险、感知正效用、出行态度、主观规范、感知行为控制等影响因素与疫情后休闲出行意愿的相互影响机制,并利用单因素...     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。