城市综合体对社区居民出行行为影响研究

城市综合体作为一种高度复合的新型开发模式，通过改变社区建成环境，对居民日常活动产生了潜移默化的影响.本文从交通规划者视角，对城市综合体产生的社区居民出行行为影响进行了研究.基于问卷调查数据，通过倾向得分匹配预处理，弱化个人信息对于出行特征分析的干扰，以有城市综合体的社区居民自陈述的出行变化作拟纵向分析，初步把握城市综合体对社区居民出行特征产生的影响趋势.而后对有无城市综合体两类社区居民的出行数据进行对比分析.结果显示，城市综合体开发模式可有效促进居民产生更多的短距离慢行出行替代机动化长距离出行以满足弹性需求.本研究可为城市综合体区别于传统单一用地开发模式的交通系统配置提供方向指导.     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

驾驶心理对交通安全的影响

分析驾驶心理对交通安全造成的影响,并总结其中的主要因素.通过文献调研,综述了驾驶心理的主要过程和关键特征对交通安全的不同影响,并分析了驾驶心理对交通安全的影响方式.驾驶心理已经成为引发交通事故的重要因素之一,驾驶心理通过影响驾驶员的行为,间接地对交通安全产生影响,其中知觉、注意、态度、驾驶疲劳等是影响交通安全的主要因素.了解驾驶人行为的心理机制,有助于找到改善交通安全的方法,研究发现通过改变驾驶人态度是1种有效的途径.     

操控状态下的驾驶员坐姿参数评价方法研究

通过对比不同百分位驾驶员人体模型的操控舒适性,基于模糊综合评价原理,建立了驾驶员操控舒适性二级模糊综合评价模型;实现了对车辆内部布置舒适性的评价,并以跨坐式单轨车辆为例验证了其适用性.     

HX_D2X型交流传动电力机车集成平台

HXD2X型交流传动电力机车是中国北车集团大同电力机车有限公司(简称:同车公司)通过技术引进、消化吸收后形成的先进、成熟、可靠的交流传动电力机车技术平台。该平台上创造了一种统一的机车总体设计方案,使同车公司的交流传动电力机车的产品从设计到制造都形成了特有的一致性。主要介绍HXD2X型系列机车平台上8轴机车和6轴机车的技术参数和总体布置,并重点介绍了机车总体、牵引电传动系统、辅助系统、制动系统、车体、司机室、控制系统等结构,对HXD2X型系列机车平台的结构进行了详细的说明。同车公司利用平台开发技术,降低了设计和制造成本,提高了其在铁路运输市场上的竞争力。     

“中华之星”号高速列车司机室内饰设计

为了与全流线型车体外形风格保持一致,“中华之星”号高速列车司机室内饰采用三维自由曲面板材。文章介绍了司机室内饰曲面的造型,零部件的分割,材料的选择,结构设计和数据输出等。     

广州地铁4号线、5号线司机室前挡风玻璃设计

阐述了广州地铁前挡风玻璃设计所面临的主要技术难点,从结构和材料上进行了分析,并提出了解决方案。     

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.     

需求不确定下的网约车司机最优工资水平研究

在网约车出行系统中,乘客出行需求的不确定性会影响网约车平台制定合理的工资水平, 进而影响平台利润。本文研究出行需求不确定下的网约车司机工资水平。根据问题的数学描述,假设实际出行需求服从随机分布,司机数量供给服从劳动力供给理论,采用网约车研究领域广泛采纳的精准乘客-司机匹配函数描述乘客与司机间的匹配关系。在此基础上,建立求解网约车平台利润最大化的模型框架。案例研究发现：存在最优的工资水平,使得网约车平台利润最大化;最优工资水平、司机人数与乘客最大需求正相关,最优工资水平与平台影响力负相关;本模型给出期望利润最大化下的最优解,比平均值模型具有一定的鲁棒性,有效保障网约车平台利润。 结果表明,本文建立的最优工资水平模型可以有效研究需求不确定性下的网约车出行系统。     

基于灰色模糊综合评判的最优路径选择

驾驶员在车辆的行驶过程中起主导作用,不同的驾驶员有不同的偏好,同时,对道路也有不同的要求。根据驾驶员的偏好和路径选择要求,从6个方面进行考虑,运用灰色模糊综合评判方法为驾驶员进行最优路径选择。并通过实例证明该方法的有效性和适用性。