应急车辆延误情况调查及应对措施研究

因交通拥堵而造成的应急车辆救援延误导致悲剧事件频发。为了解应急车辆救援延误的情况并研究应对措施,以普通机动车驾驶者为对象进行问卷调查,针对驾驶者对应急车辆的认识和对应急车道的占用情况,驾驶者在驾驶过程中对应急车辆是否避让,以及避让方法进行调查。然后利用SPSS数据统计软件筛选出对驾驶者驾驶行为影响权重较大的特征变量,并基于Logistic模型建立了驾驶者特征与占用应急车道和避让应急车辆行为的模型。在此基础上提出相应的应对方案,利用Vissim仿真软件对解决方案进行仿真。结果显示:对有一定驾驶年龄并有本科以上学历的青壮年的驾驶行为对应急车辆延误有较大影响,且正确的避让方法能明显地减少应急车辆的行程时间。     

冲击载荷下弹性索波动行为试验装置设计

针对在冲击波作用下难以对弹性索波动行为进行试验研究且实际试验成本高等问题,提出一种冲击载荷下弹性索波动行为试验装置,装置由加速系统、钢索系统及测试系统组成。根据总体性能要求,探索波动行为特征,确定各部分组成的工作原理和详细构成（载荷和系统等多种参数可以调整）,设计相关性能试验验证方法。试验装置在设计的过程中涉及试验原理的选择、试验方法的实现,以及信号处理和图像处理等技术,可为研究钢索应力波行为提供试验基础平台,也可为钢索应力波相关工程应用领域提供技术参考。     

城市道路环境中驾驶员眼动行为特征

在真实城市道路环境中进行实车试验,运用EyeLink Ⅱ型眼动仪对驾驶员眼睛运动进行了监测记录,统计分析了眼动行为的5个主要表征参数.结果表明:在城市交通环境中,驾驶员大约80%的单次注视持续时间在0~300 ms之间,73.5%的扫视幅度小于3°,85%以上的扫视速度在0~100°/s之间;驾驶员的水平注视位置以中部区域为主,但更多关注左侧交通流和交通设施,垂直注视位置以中部偏下区域为主,主要关注车辆前方中近距离;驾驶员单次注视持续时间呈近似对数正态分布,扫视幅度呈近似指数分布,扫视速度呈近似对数正态分布.     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.     

农村人口出行方式选择模型

基于非集计模型的基本理论与建模方法, 根据全国12个省1249份农村人口的出行调研数据, 分析了影响农村人口出行方式选择的因素, 选择步行、自行车、摩托车、农用车、客车、私家车6种交通方式作为农村人口出行方式选择肢, 确定了影响农村人口出行方式选择的变量及相应的取值方法, 建立了农村人口出行方式选择模型, 并选取400份农村人口出行数据对模型进行了验证。计算结果表明: 各种出行方式的计算值与统计值的最大绝对误差是4.0%, 说明模型计算精度较高。     

共享单车用户骑行起讫点时空特征分析

针对共享单车的供需失衡、分布不均问题,研究了共享单车用户骑行起讫点的聚集区分布以及不同区域的骑行时间特征,为共享单车的调度运营提供理论支撑。基于用户的骑行订单数据,采用均值漂移算法对骑行起讫点进行聚类学习,得到共享单车的骑行聚集区分布;随后采用spearman相关系数来衡量骑行时间特征的相似度,对不同骑行聚集区的借车与还车量的累计差值的时间序列曲线进行聚类处理,划分出6类典型的骑行特征,并对不同骑行特征所在地的兴趣点（POI）进行因子分析,结果表明：在空间上,共享单车的骑行聚集区的空间分布与所在区域的城市路网的布局形式存在较大关联,不同时间段的骑行聚集区的分布大致相同,仅在出行量上存在差异。骑行聚集区的骑行特征与土地利用性质之间存在相关性,例如,对于骑行特征为1天内借车量小于还车量的骑行聚集区,其主导因子为商业用地,占比为0.4;对于1天内用户的借车量大于还车量的骑行聚集区,其主导因子为住宅用地,占比为0.57。多种用地性质混合的区域,借还车的差值较小且易产生波动。此外,同一类型的骑行时间特征的主导因子占比在工作日与非工作日会产生变化,同一区域的骑行时间特征在工作日与非工作日存在差异。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现：驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机（SVM）,以及逻辑回归（LR）等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明：基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859）,以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。     

道路监控补光灯对青年驾驶员夜间行车安全影响研究

为了研究夜间环境道路监控补光灯对青年驾驶员驾驶行为的影响,考虑不同光照强度和是否存在行人横穿道路行为2个变量,通过UC-win/Road软件设计城市道路仿真场景,采用驾驶模拟器开展试验,并结合眼动仪、生理记录仪采集青年驾驶员的视觉、生理及驾驶操作3种特性指标。再利用重复测量方差分析方法,分析变量对青年驾驶员的3种特性的影响及其显著性水平。结果表明：①无论是否存在行人横穿道路行为,随着光照强度的增加,青年驾驶员的注视时间、瞳孔面积变化率及脑电(α+θ)/β均减小,心率增长率、制动踏板深度比例及制动反应距离均增加,表明光照强度越大对青年驾驶员的视觉、生理、驾驶操作特性越不利;②在存在行人横穿道路行为时,光照强度对青年驾驶员的视觉、生理及驾驶操作特性的影响更加明显;③当光照强度小于50 lx时,脑电(α+θ)/β和驾驶操作指标变化较缓,而光照强度大于50 lx时,脑电(α+θ)/β指标下降显著,变化率大于10%,其数值低于3.70,表明青年驾驶员产生情绪波动,警觉性显著增大,制动踏板深度比例显著增大,其数值大于0.55,制动反应距离超过13.40 m,制动操作力度较大,操作稳定性降低,且避让行人的成功率显著降低,不利于夜间行车。因此,建议道路监控补光灯的光照强度宜小于50 lx。     

基于驾驶模拟技术的道路行车安全性研究综述

对驾驶模拟技术在道路行车安全领域的研究及应用现状和存在的问题进行了分析。在广泛调研国内外相关文献的基础上,对驾驶模拟器进行了分类,并总结了国内外主要代表性科研型驾驶模拟器的发展历程,分析了典型驾驶模拟器的自由度、主要特征和应用领域。以“人-车-路-环境-事故”为主线,从不良驾驶行为特性分析、车辆主动安全技术研究、道路与交通设计、车辆驾驶环境以及道路行车事故研究5个方面,系统地梳理了驾驶模拟技术在国内外道路行车安全领域的应用研究现状、存在问题以及应用展望。在不良驾驶行为特性分析方面,重点研究了运用驾驶行为特性开展分心驾驶行为和疲劳驾驶行为的识别;在车辆主动安全技术研究方面,综述了运用驾驶行为开展车辆底盘一体化控制技术、安全辅助驾驶控制技术和自动驾驶接管行为的评价研究;在道路与交通设计方面,综述了道路几何和标志标线等的设计评价;在车辆驾驶环境方面,综述了不良气象、路侧景观和交通冲突等驾驶环境对驾驶行为的影响;在道路行车事故研究方面,总结了道路行车事故再现和事故影响因素分析等内容。此外,对驾驶模拟技术进行了应用展望,主要包括特殊人群的驾驶行为特性、智能网联汽车系统的测试及验证、混合交通流环境下的行车安全问题。对未来应对驾驶模拟器的有效性评价、不适性以及二次开发等问题进行探讨,以便更好地促进驾驶模拟技术的发展。     

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论, 选取出行者特征、行程特性与出行方式服务水平作为效用变量, 以出行方式与出发时间作为选择肢, 构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据, 并模拟了在早高峰时段对小汽车出行收取费用时, 小汽车出行者出行行为的变化。计算结果表明: 与传统MNL模型相比, NL模型具有更好的统计学特征, 调整后的拟合优度由0.338增大至0.404;在2种NL模型中, 出发时间位于下层的结构对样本数据的适应性更强; 当早高峰时段小汽车出行收取费用为5元时, 72.6%的小汽车出行者坚持原有出行方式与出发时间, 22.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 4.8%的小汽车出行者改用公共交通方式, 但出发时间不变, 仅0.2%的小汽车出行者同时改变出行方式与出发时间; 当收取费用为10元时, 51.7%的小汽车出行者坚持原有出行方式与出发时间, 40.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 7.9%的小汽车出行者改用公共交通方式, 但出发时间不变; 当收取费用为20元时, 27.5%的小汽车出行者坚持原有出行方式与出发时间, 60.6%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 11.9%的小汽车出行者改用公共交通方式, 但出发时间不变。