中心城区路网优化策略研究 ——以沧州市为例

为解决中心城区道路拥堵问题,分析了城区交通拥堵形成的主要原因,并基于此提出中心城区路网优化策略。以沧州市中心城区为例,详细阐述了其路网优化设计的基本思路和路网布局,最终得出沧州市中心城区路网优化设计方案。     

城市道路网可行性研究中CIVIL 3D应用浅谈

以武汉航空企业总部区域市政配套工程(四期)为例,采用AutoCAD Civil 3D计算道路和场地土石方,并与传统设计软件EICAD进行了比较。对Civil 3D的运用进行了简单的探索。     

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.     

多传感器融合车载电池舱灭火方法研究

电动汽车属于汽车行业的支柱产业,越来越受到社会的重视,但随之产生的汽车安全问题也逐渐增多。电池舱属于复杂环境,易出现着火事件,本文开展多传感器融合车载电池舱灭火方法研究,运用温度、烟雾浓度传感器实现对火灾的实时监测。设计贝叶斯网络模型,并考虑到了传感器失效及误报,实验结果表明本系统具有良好的响应速度及稳定性,为相关领域研究提供了一种解决方法。     

车载网络安全的系统设计研究及关键技术开发

本文介绍了车载网络安全的系统设计研究及关键技术开发,以应对黑客通过网联攻击车辆,建立智能网联汽车车内网络信息安全交互模型;分析“外部网络环境”与“车内ECU群体”之间进行“信息资源”交互过程中的安全风险,研究其对车内网络信息安全的破坏机理;利用基于密码学理论研究车内网络安全通信协议的设计方法,解决车内网络在智能网联汽车环境下面临的信息安全问题。     

考虑网络外部性航运商与无车承运人竞合研究

构建由 1个海洋航运商和 2个无车承运人组成的上下游的合作与竞争关系,2个无车承运人有不同的市场地位.通过斯坦伯格博弈研究发现,航运商负责货源或处于领导地位的无车承运人负责货源会影响各方的均衡利润及渠道结构.分析比较了海洋航运商的整合策略和利润共享策略.结果表明,在网络外部性和无车承运人提供差异性服务时,纳什均衡是航运商负责货源且上下游整合或利润分享.     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法     

基于S注入法的自闭贯通线路故障定位系统

将S注入法和无线传输节点相结合，利用传感器网络的自组网功能以及高容错性构建了无线节点通信网络．提出了采用传感器网络技术的铁路自闭贯通线故障定位系统．该系统由信号注入装置、无线节点、开关站无线处理单元和智能故障信息处理系统构成．通过无线节点检测注入信号．智能故障信息处理系统接收无线节点传来的检测结果，并判断故障位置．注入信号的电源为恒流源，频率范围为220～320Hz．设计了并列方式和交错方式两种检测节点的布置方案．这两种方式均能满足信息传输可靠性的要求，但并列方式的系统可靠性比交错方式提高了2倍．该系统定位精度可根据需要调整．