Formal scientific research of traffic collision data utilizing GIS

This paper explores the tenuous link between speeding behavior and accident causation, one that has not been well established in the international literature to date. Taking advantage of established engineering conventions and formulae, we were able to set up an a priori hypothesis suitable for testing. Utilizing this formal scientific method (which GIS researchers have been criticised for not using) we establish a statistical link for this relationship. Our methodology can be used to support all police intervention strategies, including the controversial photo radar systems. The results from our research have been entered into a GIS in order to create a map for spatial display. This map illustrates the relative probability or risk of collision occurrence resulting from speeding at all intersections and interchanges within the scope of the study. It is suggested that this methodology could easily be maintained with periodic updates of data, thus creating a dynamic model from which to monitor traffic safety within the city. Furthermore, this model can be utilized to study specific strategies, allowing for the scrutiny of before, during and after effects. The study area is the entire city of Calgary, Alberta, Canada, and includes all traffic collisions occurring during the year of 1994.     

Do cooperative systems make drivers’ car-following behavior safer?

The main goal of in-vehicle technologies and co-operative services is to reduce congestion and increase traffic safety. This is achieved by alerting drivers on risky traffic conditions ahead of them and by exchanging traffic and safety related information for the particular road segment with nearby vehicles. Road capacity, level of service, safety, and air pollution are impacted to a large extent by car-following behavior of drivers. Car-following behavior is an essential component of micro-simulation models. This paper investigates the impact of an infrastructure-to-vehicle (I2V) co-operative system on drivers’ car-following behavior. Test drivers in this experiment drove an instrumented vehicle with and without the system. Collected trajectory data of the subject vehicle and the vehicle in front, as well as socio-demographic characteristics of the test drivers were used to estimate car-following models capturing their driving behavior with and without the I2V system. The results show that the co-operative system harmonized the behavior of drivers and reduced the range of acceleration and deceleration differences among them. The observed impact of the system was largest on the older group of drivers.     

5-羟色胺转运体基因多态性和抑郁症的发病、性别、严重程度及自杀行为的相关性

目的探讨中国汉族人群5-羟色胺转运体启动区(5-HTTLPR)基因多态性和抑郁症的发病、性别、严重程度及自杀是否相关。方法应用聚合酶链式反应(PCR)扩增技术测定150例抑郁症患者和150例正常对照者的5-HT-TLPR基因型和等位基因,分别验证各种基因型与中、重度抑郁症发病、性别及自杀行为的相关性。结果病例组SS、LS基因型及S等位基因频率均高于对照组(26.0% vs.20.0%;52.7% vs.46.0%;52.3% vs.43.0%;P均<0.05);两组性别分层比较,女性S等位基因频率高于对照组(55.3% vs.43.6%,P<0.05);病例组严重程度分层比较差异无统计学意义(P>0.05);病例组有无自杀行为分层比较,有自杀行为患者SS基因型频率(37.3% vs.20.2%)及S等位基因频率(61.8% vs.47.5%)均高于无自杀行为患者(P<0.05);抑郁自杀组性别分层比较未显示显著性差异(P>0.05);抑郁自杀组病情程度分层比较,重度抑郁自杀者SS基因型频率(42.5% vs.18.2%)及S等位基因频率(68.7% vs.36.4%)均高于中度抑郁自杀者(P<0.05)。结论在中国汉族人群中,5-HTTLPR多态性和抑郁症相关。S等位基因可能是抑郁症的易感基因,特别是女性,SS型可能是抑郁症易感基因型;S等位基因可能是抑郁症患者自杀的危险基因,SS基因型人群可能是抑郁症患者自杀的危险人群,特别是携带S等位基因的重度抑郁症患者更易自杀。     

半潜式钻井平台用钢DH36安定行为试验研究

为了给半潜式钻井平台的安全性和寿命评价提供可靠试验依据,在室温下对半潜式钻井平台用钢DH36钢进行了考虑加载波形、加载速率和应力比影响的多工况单轴棘轮安定试验。结果表明:循环硬化速率随循环周次的增加快速下降,在低于某一值的循环应力作用下,应变将最终趋于棘轮饱和状态;正弦应力波比三角波更快地趋于安定,采用较低的加载速率可以加速材料趋向饱和棘轮状态;峰值应力固定不变时,棘轮应变对应力比历史无明显的记忆性;波形和加载速率对饱和棘轮应变的影响有限,饱和棘轮应变随着应力峰值的增加而增大。     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响.本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路...     

纤维增强塑料(FRP)混凝土结构疲劳性能研究进展

FRP混凝土结构的疲劳性能是结构非常重要的一个性能,目前国内外对这方面的研究还较少,本文简要从FRP新建结构和FRP加固混凝土结构两方面介绍了国内外对FRP混凝土结构疲劳性能的研究进展,并对今后拟开展的研究工作提出了建议。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。     

新能源汽车充电用户行为大数据分析及应用

随着新能源汽车行业快速发展,电动汽车充电功能及安全问题受到广泛关注。结合新能源汽车充电大数据可视化系统,从用户类型、车辆类型、充电方式、地域分布维度进行交叉分析,洞察用户充电行为统计分布规律;通过数据分析驱动充电安全设计,并结合数据资源和大数据分析技术,挖掘数据背后蕴藏的丰富价值,以改善当前新能源汽车充电问题和促进新能源汽车产业发展。