乌鲁木齐市道路交通事故特性及多发路段鉴别研究

针对乌鲁木齐市道路交通事故问题突出的特点,定性与定量相结合,对乌鲁木齐市2007～2012年城市道路交通事故资料进行统计分析,得到乌鲁木齐市道路交通事故的分布特性.选取乌鲁木齐48条主干路作为研究对象,采用质量控制法对其进行事故多发路段鉴别研究,研究结果可为乌鲁木齐市事故多发路段的整治提供参考.     

交通影响后评价现状及其作用

目前交通影响评价在实际操作中仍存在执行程序形式化,评价过程不准确,评价结果无反馈,实施结果无监督等问题,降低了交通影响评价应有的预期效果,致使城市交通与土地利用之间的矛盾更加突出.交通影响后评价能够对交通影响评价结果进行检查与反馈,对解决现有交通影响评价中存在的问题具有重要的意义.首先概括了交通影响评价工作在我国实际操作过程中普遍存在的问题,之后从后评价反馈角度出发,提出了建设项目交通影响后评价的基本概念及其目的,并介绍了交通影响后评价在国内外的研究现状,最后指出了发展交通影响后评价的作用及意义,可为完善交通影响评价体系提供参考和借鉴.     

考虑乘客的交通事故受伤严重程度模型

为分析比较交通事故中驾驶员和乘客的受伤严重程度,根据某城市的道路交通事故数据,分别以交通事故驾驶员和乘客受伤严重程度为因变量,从事故基本信息、事故人员数据、现场环境数据等方面选取自变量,运用二项Logit模型分别建立驾驶员和乘客受伤严重程度模型。研究结果表明:驾驶员和乘客的受伤严重程度影响因素存在差异,仅有人员的年龄变量、事故形态变量在驾驶员模型和乘客模型中都表现为显著,其余变量的显著性在两模型中不同。因此,不仅要关注驾驶员的受伤严重程度,还要重视乘客的受伤情况,给予乘客更多保护。     

考虑决策规则异质性的地铁应急疏散选择行为研究

为深入研究乘客在地铁应急疏散选择中的决策规则,考虑决策者的个体选择偏好与所面临决策环境的差异性,从相同决策者在不同情景下和不同决策者在相同情景下遵循的决策规则两个角度出发,分别建立混合Logit模型、广义随机后悔最小化模型和前景理论模型。通过将模型应用于上海世纪大道地铁站问卷调查数据,结果表明地铁应急疏散选择行为中存在决策规则异质性,即相同决策者在不同情景中遵循的决策规则不同,相同的决策者在到出口距离较近的情景中遵循后悔最小,在到出口距离较远的情景中遵循前景最大,在到出口距离更远的情景中遵循效用最大的决策规则;不同决策者在同一情景中遵循的决策规则不同,到该站的目的为通勤、上/下学但并非几乎每天都来的决策者在相同情景中遵循效用最大,到该站的目的为购物餐饮娱乐的决策者遵循前景最大,换乘或其他的决策者遵循后悔最小。决策规则的异质性在地铁应急疏散选择行为研究中不可忽视,将为制定合理的应急疏散策略提供理论依据。     

考虑出行者异质性的新建城市轨道交通客流转移预测模型

为了提高出行者选择行为的预测准确度,分别构建了城市轨道交通客流转移预测的NL模型(Nested Logit model)及ML模型(Mixed Logit model),并综合考虑交通信息、出行选择习惯及交通环境等因素对客流转移的影响,从拟合优度比和信息准则2个方面对模型进行检验。结果表明,考虑出行者异质性的ML模型能更好地反映客流向城市轨道交通转移行为,在自变量相同的情况下,ML模型比NL模型具有更好的解释能力;ML模型能够反映出个体选择喜好的随机特性;交通信息、交通环境及居民出行选择习惯等因素显著影响出行者向城市轨道交通转移的选择。     

影响地铁应急疏散行为的乘客空间认知分析

在地铁应急疏散过程中,乘客的空间认知对其行为决策具有重要影响,但目前针对地铁站空间认知的量化研究较少.以上海世纪大道地铁站的认知地图调查数据为依据,运用描述性统计和标准差椭圆法进行要素认知频次和扭曲分析,通过分析乘客对各要素的认知频次差异、认知位置离散程度及认知位置分布方向,量化乘客对地铁站的空间认知情况.研究结果表明:对于乘车必须经过的出入口、闸机,乘客的认知频次较高且认知位置离散程度较低;对于乘车非必须经过的洗手间,乘客的认知频次较低且认知位置离散程度较高;相较于其他扶楼梯,乘客对邻近闸机扶楼梯的认知频次更高、且认知位置离散程度更低;乘客对要素的认知位置分布方向与其空间定位基准线的走向基本一致.研究不仅可为地铁站内的布局设计提出建议,同时,可为地铁应急疏散行为决策研究提供新视角.     

动态路径导航系统PRONAVI的性能检测实验研究

利用浮动车技术收集交通信息并建立动态导航系统的尝试和努力已在世界各个城市展开。日本P-DRGS合作开发团队开发的动态导航系统PRONAVI从系统结构和技术结构对现有动态导航系统进行改进,本文详细介绍了通过在名古屋市进行的实验车走行试验对该系统的旅行时间预测精度和动态导航性能进行评价的结果。评价结果显示融合了浮动车历史数据和日本道路交通中心动态数据的PRONAVI导航系统在路径诱导和旅行时间预测等多项指标上均优于其他导航系统。     

基于极限学习机的交通事故严重程度预测

极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测。研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80%的样本作为训练集、选取20%的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好。     

基于AHP的城市道路交通安全评价指标体系

从宏观和微观上分析影响城市道路交通安全的因素,针对现有道路交通安全评价指标中存在的因素单一、指标量化难等问题,合理选取评价指标,构建对比同一城市不同路段(交叉口)安全状况的道路交通安全评价指标体系。运用层次分析法确定出各评价指标的权重,分析结果可用于城市道路交通事故多发点的鉴别。     

旅游出行路径选择行为研究

针对旅游出行中的路径选择问题,以乌鲁木齐市南山风景区游客的路径选择行为调查数据为基础,建立旅游出行路径选择行为的多项Logit模型,探讨旅游出行路径选择行为的影响因素。研究结果标明:旅游出行路径选择行为受标识指向、标识语言等交通标志因素,以及游客对旅游景区的熟悉程度的影响,同时也受性别、族别等游客本身属性的影响。本研究成果可为观光旅游型道路交通标志的设置提供参考。