基于客观风险感知特性的前向碰撞预警算法优化与标定

为提升高级驾驶辅助系统(ADAS)预警算法在复杂行车环境下的适应性, 提出了一种基于车辆运动学和风险感知特性的综合预警算法——客观风险感知(ORP)算法; 通过典型工况下的分析与推导, 表明其预警算法为THW、TTC和SM预警算法的综合形式; 为了标定预警算法的参数阈值, 开展了累计4 500 km自然驾驶试验, 最终筛选出409例有效临近碰撞事件, 提取了释放油门、踩下制动时刻的客观风险感知参数分布特征; 根据自然驾驶数据中提取的临近碰撞事件及其参数特征, 对风险预警算法参数进行标定; 在模拟驾驶环境下开发了前向碰撞预警算法, 通过4种风险场景开展了算法验证试验。研究结果表明: 基于自然驾驶数据的参数标定, 客观风险感知预警算法的两级预警参数阈值分别为1.4、0.8 s; 基于典型风险工况下的微观驾驶行为特性对比, 预警有效性方面ORP预警算法稍高于RP预警算法, 二者预警有效性显著高于TTC预警算法; 在预警算法下所有驾驶片段的最小碰撞时间均值方面, ORP预警算法为2.02 s, RP预警算法为1.90 s, TTC预警算法为1.65 s, 表明ORP预警算法能适应复杂风险环境下的风险辨识。基于大量实车试验参数标定与效果验证后, 所提出预警算法可用于高级驾驶辅助系统风险辨识。     

美海军DDG-1000全舰计算环境体系结构探析

  目的  现代舰艇灾害突发性以及蔓延快速性的显著提升,对舰艇损管指挥网络的信息化水平提出了更高要求。基于损管指挥信息系统复杂的网络特性分析,构建该系统的网络拓扑模型。  方法  针对当前模型存在的不足,在随机网络化方法的基础上,综合考虑损管指挥信息网络的节点属性和增加网络密度的成本因素,提出一种择优随机网络化的结构优化方法,并通过案例仿真对具体的优化流程予以演示。  结果  仿真结果表明：指挥子网和设备子网的结构优化对整体网络性能的影响各异;相比传统的随机网络化方法,择优随机网络化方法的优化效能更高。  结论  后续研究可从改变子网之间的连接方式入手,解决末级指挥节点度过高的问题,以进一步改善损管指挥信息网络的综合性能。     

基于认知心理学的地铁信息指示系统设计

基于认知心理学的注意、感知、记忆等认知特性,分析乘客在地铁空间内的行动导向问题,根据乘客有意注意、无意注意及有意后注意的特性,指导地铁信息指示系统的设计,使其指示类型和指示信息能够符合乘客的视觉期待和认知习惯,从而对他们做出合理提醒并形成信息系统的连贯性.     

公安交通管理信息系统通用查询统计模型研究与应用

为解决各地公安交管部门日益增多的多样化查询统计需求,减少开发各类查询统计软件功能模块的编码工作量,加强功能逻辑管理,对现有公安交通管理信息系统的查询统计功能模块进行了分析,从中抽取出了功能组成的关键本质要素,建立了1种基于可配置型的查询统计模型.文中介绍了该模型中通用查询、通用统计及Web页面构建3大部分的实现方式和组成关系;依据该模型设计的应用总体技术架构;查询统计功能配置软件和专用语言解析器软件.通过该模型在公安交管的广泛应用,实现了查询统计配置集中管理和自动更新机制,提高了查询统计功能的实现效率,快速响应了各地公安交管部门的业务需求.     

泛在交通信息服务系统的概念、架构与关键技术

分析了现有交通信息服务系统存在的感知能力有限、服务方式单一和动态信息更新不及时的问题, 围绕当前交通工程和信息技术领域的研究发展趋势, 提出了一种泛在交通信息服务系统(U-TISS)的架构, 将先进的协同感知、泛在网络、云计算、大数据等技术综合运用于交通信息服务领域, 实现交通信息服务系统与交通物理系统的深度融合。U-TISS架构包括感知、网络、计算和服务4层次。感知层主要通过传感器、射频标签、识读器、摄像头、全球定位系统、车载智能终端设备等, 实现对人、车、路、环境的全面感知; 网络层是以ZigBee、蓝牙、DSRC等短程通信为主的末梢节点通信与以3G/4G或有线通信链路为主的承载网络通信, 通过车路短程通信和自组织网络、路侧与感知中心的承载网络实时采集和传输各种交通信息, 构建交通要素信息的精准获取与发布体系; 计算层利用云计算技术实现有效的交通富信息挖掘与提取, 提升交通信息服务质量; 服务层构建基于泛在网络和云计算的交通信息服务平台, 通过移动智能终端、车载终端、资讯广播、可变信号板等信息发布方式, 为交通参与者提供实时动态的交通信息服务和丰富全面的辅助决策支持, 实现交通信息服务的智能化与个性化。基于U-TISS架构, 分析了实现U-TISS的关键技术, 包括智能终端的普适感知与交互、车辆精确定姿与定位、交通信息路侧协同感知、车车/车路短程通信与组网、车载移动互联、交通信息云管理、交通大数据分析与挖掘、信息安全与隐私保护。分析结果表明: U-TISS具有泛在感知、开放互联、实时传输、深度挖掘与优质服务的特点, 能够从安全性、高效性、便捷性和环保性4方面改进与提升现有交通信息服务系统的服务水平。在安全性方面, 基于DSRC的车车/车路通信与组网技术使驾驶人可以获取超越视距、超车载感知能力范围与多时空尺度的交通信息, 增强车车/车路间的协同能力; 在高效性方面, 借助泛在感知的海量路网运行信息和云计算平台提供的大数据分析技术, 通过精细化的管理实现交通系统的高效运行; 在便捷性方面, 通过智能终端能够为公众出行路线、方式和出发时间的个性化定制提供支持; 在环保性方面, 通过对车辆控制系统提供更多的行车环境信息实现车辆控制的优化, 通过大数据或社交网络提高驾驶人对环保驾驶的认知, 实现绿色出行。U-TISS关键技术的深入研究、推广与应用, 及相关行业标准与规范的出台, 将引起交通信息服务类应用商业模式的创新与变革, 最终实现协作式智慧交通。     

山区航道AIS信号场强分布特性

船舶自动识别系统(Automatic Identification System, AIS) 在内河应用中, 由于山区遮挡产生大量的信号盲区, 使其效用受限, 使用Okumura-Hata模型研究了AIS通信系统在这些地区的可靠性。在长江三峡坝区航段上基于坝河口、石牌、西坝3个基站设置了29个测点, 其中山区地带为13个测点, 开阔地带为16个测点。测量了所有测点的实际场强, 并与理论场强进行对比分析。使用线性回归法对Okumura-Hata模型的修正参数进行优化, 计算了山区地带13个测点和开阔地带16个测点中距离大于2.9 km的9个测点的修正场强。为验证修正模型的准确性, 在重庆永川航段设置6个测点进行验证试验。分析结果表明: AIS信号在传播过程中3 km为临界距离, AIS信号传播距离小于3 km时, 曲线较平缓, 信号较好, 传播距离大于3 km时, 曲线较陡峭, 信号质量急剧变差。Okumura-Hata模型计算的理论场强与实际场强分布趋势吻合, 但在具体数值上存在差距。验证试验中6个测点的实际场强平均值为-106.636 dBm, 理论场强平均值为-100.982 dBm, 修正场强平均值为-107.710 dBm, Okumura-Hata模型计算结果的平均误差为5.654 dBm, 平均准确率为94.615%, 修正模型计算结果的平均误差为1.071 dBm, 平均准确率为98.329%。     

一种多通道信息融合的横向减振器性能退化阶段辨别方法

对于转向架这样复杂的系统,分布在系统不同位置的传感器可以实时检测大量数据.这些数据能够反映高速列车运行过程中转向架关键部件的性能退化状态,但单一通道的振动信号存在着信息缺失、信噪比低等缺陷,无法据此实现转向架关键部件性能退化阶段的精确辨识.因此,本文以横向减振器为研究对象,通过对转向架振动数据相关性分析,提出了车体和转...     

青藏高原多年冻土区公路智能选线方法

为解决传统公路选线方法难以完全考虑青藏高原多年冻土区复杂地理环境的问题, 将地理信息系统(GIS)的空间数据分析技术与智能进化算法引入到多年冻土区的公路选线过程中。利用GIS进行青藏高原多年冻土区的空间数据挖掘, 从冻土病害影响因子的连续度和发育度方面考虑多年冻土区微地貌对公路选线的影响, 建立了冻土病害危险度计算模型。利用面向对象技术开发组件式GIS, 应用于青藏高原多年冻土区, 完成了对多年冻土区复杂地理信息的分析和提取。构建了线位优化遗传算法, 确立了自适应的迭代策略, 借助粒子群算法, 建立了基于遗传算法的路线优化模型。以青藏高原西大滩至昆仑山口路线走廊带某路段为例, 进行了公路智能选线研究, 经算法多次迭代后, 得到了最优的线位方案。研究结果表明: 在实际环境数据试验中, 遗传算法在迭代至第60代左右时得到危险度最低的优选方案, 其综合危险度稳定在3.75左右。可见, 青藏高原多年冻土区公路智能选线方法能够结合各类冻土病害的危险程度, 为公路线位布局指明冻土病害影响较小的区域, 有效兼顾了“主动保护多年冻土, 确保路基稳定, 生态环境友好, 布局经济合理”等要求, 可作为多年冻土区公路路线设计的参考方法。     

A study of traveler behavior under traffic information-provided conditions in the Beijing area

ABSTRACT

The quality of traffic information has become one of the most important factors that can affect the distribution of urban and highway traffic flow by changing the travel route, transportation mode, and travel time of travelers and trips. Past research has revealed traveler behavior when traffic information is provided. This paper summarizes the related study achievements from a survey conducted in the Beijing area with a specially designed questionnaire considering traffic conditions and the provision of traffic information services. With the survey data, a Logit model is estimated, and the results indicate that travel time can be considered the most significant factor that affects highway travel mode choice between private vehicles and public transit, whereas trip purpose is the least significant factor for private vehicle usage for both urban and highway travel.     

Evaluating the added-value of online bus arrival prediction schemes

Online predictions of bus arrival times have the potential to reduce the uncertainty associated with bus operations. By better anticipating future conditions, online predictions can reduce perceived and actual passenger travel times as well as facilitate more proactive decision making by service providers. Even though considerable research efforts were devoted to the development of computationally expensive bus arrival prediction schemes, real-world real-time information (RTI) systems are typically based on very simple prediction rules. This paper narrows down the gap between the state-of-the-art and the state-of-the-practice in generating RTI for public transport systems by evaluating the added-value of schemes that integrate instantaneous data and dwell time predictions. The evaluation considers static information and a commonly deployed scheme as a benchmark. The RTI generation algorithms were applied and analyzed for a trunk bus network in Stockholm, Sweden. The schemes are assessed and compared based on their accuracy, reliability, robustness and potential waiting time savings. The impact of RTI on passengers waiting times are compared with those attained by service frequency and regularity improvements. A method which incorporates information on downstream travel conditions outperforms the commonly deployed scheme, leading to a 25% reduction in the mean absolute error. Furthermore, the incorporation of instantaneous travel times improves the prediction accuracy and reliability, and contributes to more robust predictions. The potential waiting time gains associated with the prediction scheme are equivalent to the gains expected when introducing a 60% increase in service frequency, and are not attainable by service regularity improvements.