一种机动车驾驶人道路考试智能评判监测系统

道路考试是机动车驾驶员考试科目之一,目前的路考全部采用考试员人为判断考生的操作情况,从而判定考生是否合格。这就造成人为因素影响很大,评判标准不统一。系统采用先进的计算机技术、网络技术、传感器技术与通信技术,将智能化移动考试车辆和考试监控中心作为整个考试监测系统的两大相对独立的子系统。系统提供了路考过程的科学测试数据和定量的评分依据;提高了路考的科学性、客观性、公正性和透明度;改善了考官的工作环境和劳动条件;提高了路考工作的效率。系统的成功研制有力的补充了目前科目三无电子评判的空白。     

PC串口与CAN总线接口双向转换卡的设计

文章介绍了一种PC与CAN总线之间进行通信的接口转换卡的设计。这种转换卡结构简单,可以应用在对可靠性要求高而速率要求不高的控制系统中。文章的设计主要着重于通信协议的设计和软件的实现。     

基于模糊推理的换车道模型

微观交通仿真在交通系统分析和管理方面是1种安全、有效的工具。在交通微观仿真中,用变换车道表现驾驶员行为是1个非常重要的方面;然而,以往的许多换车道模型并没有考虑驾驶员行为的不确定性和认知性。文中利用模糊推理来表现这种不确定性和认知性,从而使换车道行为更加符合现实。通过实际观察数据与模糊推理的微观仿真模拟的结果比较,表明该模型是可行的,有效的。     

考虑驾驶员视觉特性的路段设计通行能力修正方法

通过真实道路环境下眼动试验数据处理得到不同的视觉特性参数,运用灰关联熵分析法遴选出与交通流水平关联度较大的3个视觉特性参数,即注视点分布、视角区域分布及平均注视时间,建立路段交通量与驾驶员视觉特性参数的变化关系,并根据驾驶员视觉特性参数变化规律,提出了考虑驾驶员视觉特性参数的路段通行能力修正方法。分析结果表明:交通量未饱和时,驾驶员视觉特性参数变化比较平稳,而当交通量趋于饱和时,视觉特性参数变化剧烈;修正后的路段设计通行能力更加符合实际情况。     

基于BP神经网络的驾驶员昼夜动态空间距离判识规律

为研究昼夜动态环境中驾驶员对空间距离判识的规律,进行了实际道路试验。随机选取32名驾驶员分别在昼、夜环境中不同深度距离和速度下,判识红、绿色障碍物的空间距离,统计并检验驾驶员对红、绿色障碍物判识距离的差异,获得判识特征值;运用BP神经网络拟合距离判识结果,分析距离判识变化规律。结果表明:BP神经网络可以很好地拟合距离判识变化规律,精度优于现有模型;绝对距离和相对距离判识结果均随速度增加而减小,随深度距离增加而增大;夜间判识距离大于白天,驾驶员对相对距离判识准确性高。     

交通事故驾乘关系的确定案例分析

在交通事故处理过程中,有时会涉及到驾乘关系的确定。本案例结合车体的变形痕迹特征、事故现场的轮胎痕迹及其他现场痕迹,运用动力学基本理论再现事故过程,同时结合人体的损伤特征,分析确定事故发生时的事故车驾驶员。此方法将事故过程再现与法医学鉴定结合起来,大大提高了鉴定意见的客观性和科学性。     

交通驾驶行为的行为过程及行为影响因素分析

行为过程的环节和主要因素有：行为需求、行为动机、行为回报、人的认知模式以及态度。运用行为科学基本理论来分析驾驶员交通行为过程中的各个环节以及各因素的作用,是实施行为控制和保障交通安全、畅通的必要前提。     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。      

基于城市主干路交通流数据的跟驰模型标定

根据某种机理建立的交通流模型需要通过模型标定和验证后才能具体应用到实际中.通过采用视频处理技术,对陕西省西安市二环主干路和浙江省舟山市昌洲大道上上下高峰时期内的车辆微观运动录像进行技术处理,提取得到了包括位移、速度和加速度的车辆微观运动轨迹数据.根据这些交通流数据,采用Levnberg-Marquardt算法,分别对跟驰理论中2个典型的跟驰模型,即惯性模型中的敏感系数、安全时间间隔、最小安全车间距、允许速度和智能驾驶人模型中的理想速度、安全时间间隔、静止安全距离、启步加速度和舒适加速度进行了标定和验证.针对惯性模型,当允许速度大于实际速度时,位移均方差和速度均方差的平均值分别为2.8m和0.58 m/s,当允许速度小于实际速度时,位移均方差和速度均方差的平均值分别为2.22m和0.49 m/s;针对智能驾驶人模型,利用早、中、晚3组数据进行标定,得到的位移均方差和速度均方差的平均值分别为0.12m和0.10 m/s,0.07m和0.10 m/s,0.75m和0.27 m/s.因此,惯性模型与智能驾驶人模型都可用于描述城市主干路近饱和状态(即跟随车辆的最大速度远小于允许速度的行驶状态)下的车辆跟驰行为,而且当智能驾驶人模型中的加速度指数取较大的值时,它较前者更为适合.      

����SEM�ļ�ʻԱ������Ϣ��Ѱ��Ϊ����

出行信息的搜寻与获取是驾驶员出行决策的重要依据.为获取驾驶员的出行信息搜寻行为特征,以昆明市412个样本数据库为基础,建立驾驶员出行信息搜寻行为的因果和过程结构方程模型(SEM),并拟合各变量之间的路径关系.其中,驾驶员出行信息搜寻的因果结构方程模型重点分析个体属性、信息源因素及环境因素与搜寻行为之间的关系;驾驶员出行信息搜寻的过程结构方程模型则模拟驾驶员的出行信息搜寻过程.结果表明：驾驶员由于自身属性的不同在信息源与搜寻行为上存在显著差异,搜寻行为中驾驶员对出行信息的认知及信息源的选择是重要的影响因素.此外,驾驶员出行信息搜寻过程模型主要受到个体属性与信息需求的影响.