智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略.基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路...     

基于人机工程学山区公路平曲线安全视距研究

视距是评价汽车行驶安全性和舒适性的重要指标.从医学和工学相结合的角度,以行车实验为依据,对驾驶员心率和血压变动规律与山区公路平曲线通视距离相关性进行分析研究.基于人机工程学实验研究表明,山区公路平曲线通视距离,应比现行理论计算通视距离增加5-10 m的安全距离,同时提出了相应的山区交通安全改善措施.     

驾驶过程中手机使用行为数据采集及分析

驾驶过程中使用手机的行为存在安全隐患,是当今导致交通安全事故的原因之一。文章借助于信息技术开发出采集使用手机行为数据的App,从真实数据出发,客观地分析驾驶员在开车过程中使用手机这一不良驾驶行为的覆盖程度及危险程度,并提出将手机使用行为作为驾驶风险评价因子。     

南昌市道路交通事故成因分析及预防

根据南昌市2000年至2003年的道路交通安全现状,利用统计分析方法,对道路交通事故的成因、时空分布、事故形态等进行了分析和研究,并针对南昌市的交通事故的特点与规律,提出了预防交通事故的若干措施.     

城市快速路互通立交交织区长度可靠性设计

城市快速路中互通立交交织区长度的合理设置将对整个城市快速路系统的服务水平、通行能力、行车安全的提高起到关键作用,有必要对互通立交交织区长度的取值进行科学合理的计算。基于《公路通行能力手册》交织区中的相关方法建立交织区长度的计算模型;以该模型为依托结合可靠度理论,建立最小交织区长度可靠度功能函数,对交织车辆区间平均速度、交织区基本路段的平均自由流车速等随机变量的随机性及其分布规律进行分析。利用蒙特卡罗法讨论现行规范中最小交织区长度设计取值的安全可靠性,用失效概率及可靠指标进行评价。参考《公路工程结构可靠度设计统一标准》中城市快速路对应安全等级的可靠度要求,计算不同设计速度下的交织区长度,并结合实例验证,其计算结果具有较高安全性。研究表明：以150 m作为互通立交交织区长度应用于快速路设计,其失效概率较大且安全性较低;通过以满足一级安全等级条件的目标可靠度反算,推荐在100、80、60 km/h共3种设计速度下,互通立交交织区长度分别取400、370、350 m,可提高整个城市快速路系统的高效性和安全可靠性。     

融合残差网络和特征金字塔的小尺度行人检测方法

针对小尺度行人检测中存在的过拟合、特征不易对齐,以及易忽略多尺度特征等问题,研究了1种融合残差网络和特征金字塔的小尺度行人检测方法。考虑到原始残差网络在检测小尺度行人时过于依赖训练集而出现过拟合问题,构建带有丢弃层的残差块代替残差网络结构中的标准残差块来解决这一局限,同时利用丢弃层的正则作用降低计算过程的复杂程度。通过在特征金字塔网络的侧向连接部分嵌入特征选择模块和特征对齐模块,对输入图像中重要的行人特征加强和对齐,提升算法对行人的多尺度特征学习能力,弥补特征金字塔网络出现特征不易对齐和易忽略多尺度特征的缺陷,提高小尺度行人的检测精度。在Caltech Pedestrian数据集上对模型进行训练、测试和验证,实验结果表明：小尺度行人检测精度为73.6%,AP₅₀检测精度为95.6%。在同为50层残差网络和特征金字塔网络下,改进后的模型可以使AP值提高17.2%,AP₅₀提高7.8%,小尺度行人检测精度提高了21.6%;在同为101层残差网络和特征金字塔网络下,可以使AP值提高24.5%,AP₅₀提高8.2%,小尺度行人检...     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

面向多类型交通冲突的道路条件及交通状况影响评估

交通冲突为交通事故发生前的潜在状态。探究静态路段属性和动态交通流特性等宏观特征对于交通冲突的影响至关重要,但现有研究主要关注2辆车之间的危险状态,对于涉及多个交通主体的冲突缺乏重视。为有效提取包括单一冲突和连锁冲突在内的多类型交通冲突,基于无人机采集的车辆轨迹数据首先识别车辆对之间的单一冲突,另通过关联匹配辨识连锁冲突,并基于聚类将连锁冲突划分为纵向风险下降模式、纵向风险增加模式和横纵向高风险持续模式。构建巢式Logit模型探究宏观交通属性及路段条件对多类型单一冲突和连锁冲突的影响,结果表明合流区和基本路段为单一冲突的高发区域,而分流区和交织区为连锁冲突高发区域,尤其会导致横纵向高风险持续模式的发生,但车道数的增加有助于减少严重连锁冲突的发生。此外,主线交通密度增大,连锁冲突发生概率增加;匝道与主线的流量比增大时,连锁冲突更易发生,其中纵向风险增加模式对交通流量最为敏感。将各类型冲突发生的交通流条件与宏观基本图结合分析,表明各类型交通冲突的发生次数存在峰值,且路段上交通冲突发生最多的临界密度要高于同一路段宏观基本图的临界密度。研究结论有助于理解多车连锁冲突发生的宏观原因,有效阻断其演化...     

交通场景中基于注意力机制神经网络的人群计数

人群计数是计算机视觉领域的重要任务。交通场景中的人群计数任务对于维护公众出行安全、实现交通智能化具有重要作用。公共交通场景中通常存在行人相互遮挡、背景复杂等现象,给人群计数带来了困难。为了实现高精度的人群计数,研究了基于注意力机制的人群密度估计网络。网络包含3个部分：特征提取模块通过生成多尺度的特征图,增强网络的特征表达能力,提高网络对行人大小变化的鲁棒性;注意力模块通过抑制背景噪声响应,强化人群特征响应,生成特征图中人群区域的概率分布,增强网络区分人群区域与背景区域的能力;密度估计模块在注意力机制的约束下指导网络回归高分辨率的人群密度图,提高网络对人群区域的敏感性。设计了基于背景感知的结构损失函数,能够降低模型的错误识别率,提高模型的计数准确率;采用多级监督机制指导网络进行学习,能够帮助梯度反向传播和减少过度拟合,进一步提高网络的人群计数精度。在公共数据集ShanghaiTech上进行了实验,实验结果表明：与目前最先进的算法相比,在ShanghaiTechA和ShanghaiTechB数据集上,平均绝对误差（mean absolute error,MAE）分别提高了2.4%和1.5%...     

《海上交通安全法(修订草案)》评析

结合海上交通的特点,对2020年《海上交通安全法(修订草案)》进行评价和解读,分析修订草案存在的不足,提出在《海上交通安全法》中将国际海上避碰规则进行国内立法转化、进一步落实总体国家安全观以及强化对特殊船舶的管理等建议,以期进一步完善修订草案.