"大疫"面前他们逆行而上演绎公交"大义"

在这场特殊的“战疫”中,有一只特殊的队伍,是由宿迁市城市公共交通有限公司(以下简称:宿迁公交)部分党员和入党积极分子主动请缨组成的一支“党员先锋队”,在各行各业都驻足停止的时刻,他们挺身而出,逆行而上,用坚守演绎公交“大义”,用无私诠释公交“大爱”,与宿迁市民一起风雨同行,用坚持与“大疫”抗争到底。     

阿霉素逆行运输致三叉神经节变化的实验研究

将０．５％阿霉素注射到大白鼠一侧眶下神经干内，药物经轴浆逆行传递很快被运输到相应的三叉神经节细胞，术后于同侧三叉神经节观察到阿霉素自体荧光，组织病理学、超微结构及电生理检查发现同侧节细胞有明显的变性和坏死。故认为阿霉素患支神经干内注射治疗原发性三叉神经痛是一种简便、安全、疗效可靠的新治疗方法。     

环形线圈实现电子警察对逆行闯红灯车辆的抓拍

电子警察执法在道路交叉口的应用越来越普及.然而由于常规的电子警察不能抓拍逆行车道的车辆,在路口红灯的时候,部分驾驶员根据长期驾驶经验,从逆行车道通过道路交叉口,逃避电子警察的抓拍,对正常行驶的车辆和行人都造成很大的危害.为了更好地保证道路安全畅通,减少道路交通事故的发生,研究在交叉口逆行车道设置方向性车辆检测器,对逆行车辆进行检测、拍照并处罚.     

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^-1及加速度在0.3~1.0 m·s^-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。     

因乘客抗议“没能下车”韩国地铁转而逆行

据2011年12月12日韩国《中央日报》报道,首尔地铁7号线司机在接到乘客没能下车的抗议之后,竟然做出了列车逆行后让乘客下车的危险举动。虽然由于控制中心及时将后面驶来的列车叫停而未发生事故,但却发生了很多乘客被迫再次退回上一车站的荒唐事态。12月11日下午3点45分左右,司机丁某(39岁)驾驶的首尔地铁7号线列车从下溪站向中溪站行驶的     

我们又一次“逆行”

在汹汹袭来的新冠肺炎疫情面前.我们的白衣天使“不计报酬、不论生死”,逆行奔赴“战场”;在防风险、护安全、战疫情、保稳定中.我们的港航公安将士同样选择了又一次“逆行”,他们24小时排查监测.只为防止疫情扩散蔓延;他们全天候众志成城,只为守护人民群众生命安全。     

勇担当 敢冲锋 公交人“逆行”战疫情——包头公交集团抗击疫情工作纪实

包头市公交运输集团有限责任公司(以下简称:包头公交集团)从党员干部到普通群众,勇担当、敢冲锋,心往一处想,劲往一处使,用实际行动竭尽全力守护广大市民乘客出行安全、守护我们共同的家园。强化组织领导,打响疫情防控阻击战新冠肺炎疫情发生以来,包头公交集团党政领导高度重视,把疫情防控工作作为当前头大事进行对待,第一时间制定了《包头市公交运输集团有限责任公司防控新型冠状病毒感染的肺炎疫情应急预案》成立了疫情防控领导指挥部,统筹安排疫情防控工作,层层落实防控措施。     

疫情无情人亦有情公交勇士选择逆行——湖北省内多地公交企业抗击疫情保障服务实录

春节前夕,病毒肆虐,新冠肺炎疫情打破了欢乐祥和的佳节氛围。面对疫情,公交人不畏艰险,坚定信心,坚守岗位,坚决落实中央及省市疫情防控工作部署,积极响应,立即行动,共克时艰,启动疫情防控措施。当前疫情防控工作仍在继续,公交人依然在奋战,相信在全社会的共同努力下,一定会战胜疫情!     

公路分道线的由来

世界上最初的公路没有分道线，顺行与逆行的汽车经常发生交通事故。     

基于视频的单车道车辆逆行检测方法

针对城市单车道车辆逆行违章检测问题,研究了基于视频的单车道车辆逆行违章自动检测方法。使用背景差分法进行车辆检测;用 Harris角点特征补充Mean-shift算法的颜色特征,提高车辆跟踪精度,以此得出被跟踪车辆的运动轨迹;通过计算机对运动轨迹进行分析,自动地判断其是否为逆行。从逆行检测正确率和计算量两方面进行了对比实验,实验结果表明,该方法对车辆逆行检测效果良好。车辆平均逆行识别率达到约87.55%,与对比方法基本相当;在计算时间方面,文中方法平均每帧计算时间比对比方法少约1956ms,更具快速性。