基于ComGIS的路面管理信息系统的设计

基于路面管理信息系统的需求分析,详细阐述了基于组件技术的路面管理系统的总体结构和功能模块,探讨了系统开发中涉及到的关键技术——动态分段技术和最短路径,提出了解决的方法,并在此基础上对数据库进行了设计。     

基于动态聚类的公路基本路段分割合并方法

公路基本路段划分是实施交通安全精细化管理的基础,划分结果要求具有相似的几何线形及事故统计特征。基于公路线形特征划分的路段单元,叠加动态聚类算法划分的事故特征相近的路段单元,提出包含分割与相交合并的基本路段分割合并方法,进一步以京昆高速北京段为例验证该方法具有可行性及科学性。     

基于路侧多机视频目标关联与轨迹拼接的车辆连续轨迹构建方法

针对单个相机覆盖区域有限的问题,本文提出了通过路侧多个相机获取车辆连续轨迹数据的方法。在路侧端布置多台固定相机采集视频数据,采用直接线性变换算法解决相机外参造成的画面畸变问题;通过全时域抽帧提取图片训练样本,采用YOLOv5训练车辆检测模型;针对偶发的车辆漏检情形,通过完整性检查可以筛查出此类情况并修复;针对连续多帧漏检或误检导致的目标关联问题,通过异常轨迹核查算法及数据修复工具解决;针对相机斜下方区域的车辆轮廓变形问题,采用车辆检测轮廓修复算法解决车辆在不同路段检测框大小不一的问题;提出了基于车辆质心坐标匹配的方法实现相邻机位间的车辆轨迹拼接。基于上述多机视频目标关联与轨迹拼接方法,在多机位时间同步下构建了覆盖武汉珞狮路高架桥的车辆连续轨迹数据集,轨迹数据集验证结果表明：数据集涵盖从畅通到拥堵的各种交通状态,包含多段分合流区域,数据集连续时长达到3.5 h,覆盖区域1.41 km;车辆检测模型的召回率达到93.23%,准确率达到98.51%,F1分数为95.80%;数据集包含主路及各处匝道汇入的轨迹共25 734条,其中覆盖道路全域的完整长轨迹15 004条。本研究丰富了路侧多机视频目标关联与轨迹拼接方法,有助于路侧宽域车辆连续轨迹构建及交通管理与控制。     

加筋板的大挠度塑性动力响应研究

对加筋板的大挠度塑性动力响应进行了理论研究,应用单轴对称截面的线性化轴力-弯矩交互作用曲线和相关联的塑性流动法则推出了梁达到塑性弦状态所应满足的挠度条件.此外,详细地分析了梁在不同载荷情况下可能的运动模式.最后应用本文理论和有限元软件ANSYS、ABAQUS/Explicit对四边固支单向加筋板结构进行了求解.     

应用ARIMA模式于车辆侦测器数据填补

交控系统是利用各项侦测器或纵坐标名称、单位来进行交通特性搜集的,近年来由于在有线与无线传输的技术上日渐成熟,许多的信息都可以快速的传回至交控中心.但是目前车辆侦测器设置的位置会影响数据收集的准确度,且感应线圈车辆侦测器面临着经常发生数据遗漏.数据产生缺漏对于交通管理决策缺乏效率,而且无法彰显出投资车辆侦测器之价值.为了避免车辆侦测器数据遗漏、断线或数据异常不能使用之情形出现,利用自回归移动平均模型(ARIMA)来填补车辆侦测器所遗失的数据,其MAPE值小于20%,故ARIMA模式较平均法更优秀,其係以历史资料来建构,故有相当优良的填补绩效.     

道路通行行为研究进展及其展望

道路通行行为是交通行为领域重要的研究热点,文中系统梳理了道路通行行为的学术研究现状、存在问题、研究方法及发展前景。阐述了道路通行行为的定义,分析比较了通行行为与驾驶行为、驾驶员行为的区别和联系。提出将道路通行行为分为基本通行行为、攻击性通行行为、路径选择行为以及竞争与协作通行行为四部分,总结了国内外道路通行行为发展现状,分析了存在问题,并对其未来发展趋势进行了展望。为改善道路通行行为研究方法,针对道路通行行为的多种交通行为特点,提出了适用于道路通行行为的研究方法和手段(时空法、实验法和模拟仿真),探讨了各研究方法的应用现状、优缺点、以及在不同研究阶段的适用性。最后对道路通行行为的发展趋势进行了探讨并提出了建议。     

非均衡网络交通流动态演化规律研究

为描述非均衡网络交通流实际成本-流量状态,考虑置存成本和路段行程时间,建立行程时间动态函数,将其引入用户均衡模型,构建基于出行总成本动态、路径流量动态、路段行程时间动态的交通流演化模型。利用简单网络,采用四阶龙格库塔方法对建立的模型进行数值模拟。动态模型弹性需求下,出行成本调整范围由大到小,趋于平衡值;路径流量迅速增加后,以较小调整范围,趋于平衡值;路段行程时间迅速增加后,逐步趋向于平衡值。固定需求下的出行成本、路径流量、路段行程时间均是反复调整多次后趋近于平衡值,调整范围缩小,次数增加。算例模拟结果表明,模型能够描述网络交通流从一种非均衡状态到另一种非均衡状态的动态调整过程。     

动车低速脱轨的动态响应

在动车轴箱下方安装防护装置, 进行线路低速脱轨试验。车辆借助脱轨器完成脱轨, 利用应变片、加速度和位移传感器采集脱轨车辆的动态响应, 采用高速摄像仪和视频摄像仪分别记录了脱轨车辆的运动姿态。基于试验数据, 评估了脱轨条件下钢轨抗倾翻能力, 验证了脱轨安全防护装置的性能, 分析了动车脱轨后的动态响应和脱轨速度、车辆质量和线路对动态响应的影响。试验结果表明: 当动车低速脱轨时, 防护装置撞击钢轨的最大横向力为177.18kN, 小于钢轨横向抵抗力510.00kN, 因此, 脱轨安全防护装置可以扣住钢轨外侧, 有效限制脱轨车辆的横向移动。车辆的脱轨过程分为惰行、轨上运动、落地和路基滑行4个阶段, 各阶段的动态响应均随脱轨速度和车辆质量的增大而增大。当动车脱轨速度为22km·h^-1时, CRTSⅡ型双块式无砟轨道的脱轨距离约为15.80m, CRTSⅠ型板式无砟轨道的脱轨距离约为20.87m, 因此, CRTSⅡ型双块式无砟轨道的轨枕可以起到减速带的作用, 减小脱轨距离。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题, 提出了融合多模式弱分类器, 并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点, 以Haar特征训练判别式弱分类器, 以HOG特征训练生成式弱分类器, 以AdaBoost算法为桥梁, 采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器, 利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明: 相比于单模式弱分类器, AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性, 表现为较高的检测率与较低的误检率, 分别为95.7%、0.000 27%, 每帧图像的检测时间较少, 为25ms; 与传统级联AdaBoost分类器相比, AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间, 但检测率提升了1.8%, 误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法, 具有较佳的车辆检测效果。     

基于动视觉特性的高速公路景观敏感区划分

分析了驾驶人动视觉特性, 研究了驾驶人的水平视野角度、前景视图、注意力集中点与最深视野随着车速的变化规律, 构建了基于驾驶人动视觉特性的高速公路景观敏感区模型, 并推导了景观敏感区函数。运用景观敏感区模型计算了双向四车道高速公路在不同限速条件下的景观敏感区尺度, 运用景观敏感区函数获得分级结果, 并阐述了不同景观敏感区的属性与景观要素设计要点。通过对比试验, 研究了边坡宽度与一级景观敏感区尺度之间的关系。研究结果表明: 双向四车道高速公路景观敏感区尺度为545m, 一~三级敏感区尺度分别为55、260、230m, 其中一级景观敏感区属于最敏感区域; 进行边坡景观设计时可通过修正坡度的方法改变边坡宽度占高速公路景观敏感区的比重, 坡度越缓, 景观敏感性越高。