Bayesian network for red-light-running prediction at signalized intersections

Abstract

Red-light-running (RLR) is an important reason for the large number of intersection-related fatalities, injuries, and other losses. The accurate RLR prediction can effectively reduce crashes caused by RLR behavior. The RLR prediction is usually composed of two parts: the vehicle’s stop-or-go behavior and the arrival time when the vehicle reaches the stop line. Previous stop-or-go prediction models are usually based on embedded traffic sensors using machine learning algorithms. While based on the continuous trajectories collected by radar sensors, RLR prediction can be conducted more effectively. In this paper, a probabilistic stop-or-go prediction model based on the Bayesian network (BN) is proposed for RLR prediction. We extend the deterministic output into the probabilistic output, which provides decision-makers with greater autonomy. The causality of BN improves the interpretability of the prediction model. The BN model is calibrated and tested by the continuous trajectories data measured by radar sensors installed at a signalized intersection. We not only consider the movement measurements of individual vehicles (e.g., speed and acceleration), but also take into account the car-following behavior. As a comparison, different machine learning models and the model based on the inductive loop detection (ILD) are adopted. The results show that the proposed BN model has a high prediction accuracy and performs better in the feature interpretation. This paper provides a new way for probabilistic RLR prediction based on continuous trajectories, which will significantly improve traffic safety of signalized intersections.     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

铁路客运枢纽配套路网的布局与适用性研究

分析了铁路客运枢纽地区的发展定位及区位特点,结合现状铁路客运枢纽,总结了枢纽周边路网形态布局,并提出了路网适应性的指标。     

一种基于无人机倾斜摄影的三维路网提取方法

三维路网是重要的基础地理信息数据,为了快速高效地获取包括路网在内的地表三维模型,可以采用无人机倾斜摄影技术,并设计相应的三维路网提取方法。在对无人机倾斜摄影三维模型、道路特性分析的基础上,提出一种基于无人机倾斜摄影的三维路网提取方法。首先,对无人机倾斜摄影和三维建模方法进行了分析,设计了针对三维路网提取的航空摄影策略和数据处理流程。分析了真实三维模型的构成,并结合道路在材质、形态等方面的特殊性提出了可用于道路提取的三维模型特征。然后,以三维模型中的三角面片为处理对象,开展了相关分割方法研究,消除存在混合地物的面片。利用支持向量机方法和面片的多种特征,进行了道路面片识别。最后,设计了道路面片三维连接方法和道路边缘三维修正方法,实现了面片间的连接以及道路边缘的有效修正。此外,还以北京某地区为例开展实际数据采集、三维建模和三维路网提取试验,介绍了倾斜摄影、控制点验证点数据采集以及三维模型的采集和生产过程;利用所提出的方法进行路网提取试验,得到了该区域的三维路网数据成果,并从定性和定量2个角度对成果进行评价。试验结果表明：所提出的方法可以有效地从倾斜摄影三维模型上提取路网信息,其平面和高程的精度均可满足一般导航等应用的要求。     

西安市大寨路道路工程建设及管理

针对城市道路路网功能完善、交通功能定位、交叉节点处理方案分析论证、设计重点及难点等方面问题进行探究,较为全面系统地总结了创新设计理念、提升建设管理水平等方面的技术处理措施,为今后同类道路网建设及解决问题的方法和思路提供依据。     

上海外环西段交通拥堵症结分析及其改善措施探讨

基于路网结构和交通需求数据,对外环西段拥挤症结进行宏观层面的分析,然后通过局部交通节点和交通管理两个层面进一步阐述拥堵原因,并提出了相应工程性和管理性的改善对策。     

面向对象的交通网络分布式仿真并行数据结构

采用面向对象设计思想和交通并行仿真建模理论，对交通网络分布并行仿真系统数据结构进行分析。通过C＋＋语言环境下类定义的方式建立交通网络各元素的对象，并分别对其成员变量与成员函数进行描述，准确表达交通网络节点与路段之间的关系。根据标准模板库函数建立交通网络仿真的共享并行数据结构，并利用SQL数据库技术进行并行数据结构的存取，以减少对内存资源的占用，方便各仿真单元对网络数据的同步访问。最后以24个交叉口组成的交通网络为例进行仿真，仿真结果表明，其速度提高了3．5倍。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

基于时间价值的道路收费标准模型建立与仿真分析

中国高速公路建设始于20世纪80年代束，到目前为止，高速公路收费标准的确定主要来自于经验，为一种政府行为。针对当前收费标准制定中存在的不足，从公路使用者角度出发，建立了基于时间价值的公路网络双层规划模型；结合一个实际案例，通过基于步长加速法和惩罚函数法的启发式算法对模型求解，利用实际数据进行仿真，从而确定最优收费方案；最后对仿真结果进行讨论比较，并分析了模型的可行性。     

混合动力汽车通信网络研究

阐述CAN规范和SAE J1939协议;SAE J1939是适用于货车和客车的应用层协议,对于混合动力汽车却没有统一的应用层协议。本文参照SAE J1939协议格式制定出适用于混合动力汽车(HEV)的应用层协议;结合混合动力汽车的控制特点,提出了CAN总线和LIN总线并用的双总线控制方法;通过实验测试了混合动力汽车CAN总线通信性能。实验结果表明,通信网络性能满足控制的实时性要求。