大型多环道涡轮环交车道级信号控制方法

针对大型多环道环形交叉口车辆频繁换道和进出口处不同流向交通流冲突的问题，本文结合涡轮式环形交叉口在控制车辆换道方面的独特优势，提出车道级左转两步信号控制方法。首先，通过对第1和第2停车线的车辆到达-驶离曲线分析，建立以车辆平均延误最小为目标，信号周期、饱和度及绿灯时长等为约束的信号配时模型。其次，通过建模分析不同控制方法、不同车道数和中心岛半径对车辆平均延误的影响。结果表明：车道级左转两步信号控制方法相较于传统左转两步信号控制方法，延误水平更低，平均可降低6.13 s；随着车道数和交通量的增加，本文提出方法的车辆平均延误增长幅度和速度均较低；中心岛半径越大，车辆平均延误越大，但增加幅度较小。最后，以镇江市梦溪广场无控制大型多环道环形交叉口为例，VISSIM仿真表明：本文所提出的信号控制方法相较于传统左转两步信号控制方法，车辆平均延误降低8.91%，停车率降低6.85%。该信号控制方法结合涡轮式环形交叉口可有效改善大型多环道环形交叉口交通安全及通行效率。     

基于交通冲突理论的道路安全评价技术研究综述

基于交通冲突理论的道路安全评价技术, 是以交通冲突因素为指标的道路交通安全状态评价技术。在梳理交通冲突影响因素与安全评价基本概念的基础上, 列举了常见的道路安全评价技术应用场景; 从交叉口、高速公路、特定场景3个方面分析了交通冲突的影响因素; 从指标选取、方法选择、模型构建3个方面对道路安全评价技术进行了归纳总结。通过对现有文献的分析可以发现: 在应用场景构建时, 相比于考虑单一冲突因素, 综合考虑交通冲突影响因素, 将使得构建的交通冲突场景更接近实际情况; 在交通安全评价时, 科学选择复合指标、合理使用模糊综合评价和层次分析法构建安全评价方法, 将使构建的安全评价方法更加科学严谨。基于现有研究中存在的问题, 指出了道路安全评价技术未来的研究方向, 主要包括充分利用视频技术和互联网技术, 搭建实时、高效的安全评价模型; 验证现有道路安全评价方法在混合交通流下是否适用; 建立健全混合交通流环境下的道路交通安全评价技术标准和评价体系。      

驾驶分心综述

构建了文献质量评价指标体系,筛选出288篇相关文献,综合分析了文献数据获取方式、指标选取、识别方法和研究结论;以驾驶行为为主要研究对象,结合统计学方法,系统阐述了驾驶分心试验数据的获取方式,总结了其多样性和两极化的原因;梳理了驾驶分心识别指标的研究成果,总结了其使用效能和优缺点;对比了不同驾驶分心识别模型的准确率,分析...     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。