基于交通行为的行人过街特征分析

为研究不同交通行为倾向下路段行人的过街特征,对城市道路无信号控制路段人行横道处过街行人的交通行为倾向展开问卷调查,得出不同年龄段过街行人的交通行为倾向。同时对过街行人进行视频拍摄调查和人工调查,以获取行人的过街时间、延误、速度、紧张度等数据。结合调查数据对行人过街的行为、速度、心理特征进行分析。结果表明,不同年龄段、不同交通行为倾向对行人过街安全性存在显著影响,其中稳健型的过街行人安全性最高,其次是影响型、再次是思考型,最后是支配型。研究成果还可作为路段行人过街优化管控策略的理论依据。     

交通事件检测算法研究进展

自动事件检测系统利用检测算法来分析交通数据和快速检测事件的发生，以便于尽量减少事件所造成的不利影响．自20世纪60年代以来。人们开发了各种各样的公路交通事件检测算法，如：基于交通流理论、模式识别、统计理论和近年来发展起来的人工智能与模糊逻辑的检测算法等．文中总结评述了现有的各类算法。指出了改善算法性能的研究方向．     

多车道复杂环境下驾驶倾向性状态辨识

驾驶倾向性是汽车行驶过程中操控者情感偏好等特征的动态测度,是车辆安全驾驶辅助系统,特别是其碰撞预警系统中汽车驾驶人意图等心理、意识计算必须考虑的核心参数.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,获取不同态势下驾驶倾向性特征数据,利用动态贝叶斯网络建立时变环境下驾驶倾向性动态辨识模型.实验验证表明,所建模型对驾驶人倾向性类型的辨识准确率可达到91％以上,能够适应多车道情况下驾驶人倾向性类型的动态识别,为以人为中心的个性化汽车主动安全系统的实现提供理论基础.     

交通流信息挖掘的非参数概率变点模型研究

交通流状态辨识是智能运输系统(ITS),尤其是其先进的交通管理系统(ATMS)和先进的出行者信息系统(ATIS)研究的一个重要内容.以往算法主要集中在交通流预辨识(即交通流预测)和交通流实时辨识(即事件检测或交通流突变检测)的研究上,而忽略对交通流关键参数量变模式的辨认.依据交通流理论,结合非参数变点统计方法,以在淄博市人民路上采获的拥挤车流数据的研究为例,建立对交通模式量变识别的非线性概率变点模型,对变点存在与否进行假设检验,并对变点(时间)位置的搜索算法作了研究.结合实地数据对本方法进行了标定和检验,验证了本方法的有效性和可行性.     

三车道动态环境下汽车驾驶倾向性的转移概率及其预测

驾驶倾向性是汽车行驶中驾驶员情感偏好等特征的动态测度,易随环境的改变而变化,并影响驾驶员意识和汽车操控行为;另一方面,其类型和转移概率又同时受到后者的作用与影响.准确揭示动态环境下驾驶倾向性转移概率,对实现汽车自动驾驶和辅助驾驶系统具有重要意义.本文以三车道为例,从环境变化,特别是从刻画交通态势复杂性的车辆编组关系演化角度出发,设计三车道条件下的驾驶实验,采集不同行驶环境下驾驶员倾向性并进行统计分析,揭示环境嬗变情况下,汽车驾驶倾向性转移概率.验证结果表明,利用倾向性转移概率对汽车驾驶员倾向性进行预测的结果与实时辨识结果相吻合,平均准确率达80%以上.     

多车道复杂环境下汽车驾驶倾向性特征动态提取

对多车道复杂环境下汽车驾驶倾向性特征动态提取进行研究,有利于准确推演驾驶人意图,对汽车辅助(自动)驾驶系统、特别是其主动安全预警子系统构建也具有十分重要的意义.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,运用粗糙集理论,进行基于最小信息熵的连续属性离散化和基于启发式贪心算法的属性约简,提取不同态势下驾驶倾向性类型特征向量.实验验证表明,文中提取的多车道复杂车辆编组关系下汽车驾驶倾向性动态特征向量是科学合理的,能够准确反映驾驶人倾向性.研究结果可为建立多车道复杂环境下驾驶倾向性动态辨识模型提供理论依据.     

基于行程时间的人车特征动态辨识方法CSCD

实现对驾驶倾向性、汽车类型的动态识别对构建以人为中心的汽车安全驾驶辅助系统具有重要意义。本文以驾驶员隐私保护为基础,利用车载全球定位系统(GPS)捕获的行程时间,建立基于Bayes决策树的人车特征动态辨识模型,识别汽车不同类型及其驾驶员倾向性。通过设计实车和虚拟驾驶实验分别验证在不同渗透率条件下的人车特征辨识效果,验证结果表明,本文建立的人车特征辨识模型准确率在80%以上,明显优于传统决策树模型;通过设计仿真实验验证了考虑驾驶倾向性的微观仿真和实际情况具有较好相合性,仿真验证结果间接证明本文研究成果的合理性。     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．