社会力模型在行人运动建模中的应用综述

为研究社会力模型在行人运动建模中的应用状况与存在的问题,系统分析了相关文献,跟踪研究了模型的基本原理、表达式的改进、参数的取值、可行性和模拟结果的真实性。研究显示,社会力行人交通流模型能较好地反映行人流在正常和逃生情况下的状态,模拟结果与实测的行人现象符合,具有很好的适应性和真实性,可为交通设施设计和行人流管理提供参考。最后,总结了该模型的不足与改进方法。

SuperMap GIS公交换乘算法设计与实现

公交换乘分析是地图服务的一项重要内容,在对城市公交数据特点进行分析的基础上,提出了一种高效实用的公交换乘算法。该算法通过引入归并站点概念和记录归并站点间步行邻接关系,完善了公交线路和站点之间的关系存储,并有效减少了换乘方案搜索的网络规模。同时,该算法还支持多样化的用户需求:涉及换乘次数、费用、距离、步行距离等方面。最后,本文使用北京市公交换乘数据进行了算法验证和搜索结果分析。

轨道交通行人流运动建模及仿真

轨道交通内部行人流运动规律及其基本特征与轨道交通建设与运营组织密切相关,随着我国轨道交通建设和运营规模的不断扩大,轨道交通内大规模、高密度行人流运动对轨道交通安全与组织是一个值得关注的重要课题.本文以现有的社会力模型为基础,对模型参数中的驱动力、吸引力和方向影响进行改进,在模型计算时引入矩形作用范围,提出避免过度重叠的行为规则模型,使该模型能更真实地体现人的行为,并通过轨道交通行人流运动中出现的自动渠化现象和在出口处形成的拱形为例说明模型的有效性.最后使用Visual C++6.0作为编程工具建立的SubPeds行人流实验仿真分析平台,通过设置虚拟轨道交通单向行人流场景对模型进行仿真,并对仿真数据进行了分析.分析结果表明,本文提出的模型改进方法,更能反映轨道交通中实际行人流的特征.

基于OpenMP的并行化水文分析算法研究与实现

水文模拟计算具有数据量较大、过程连续性较强的特点。随着数据采集技术的不断发展,大范围、高分辨率的地形数据使得传统串行算法难以满足性能要求,而并行化水文分析算法研究受到越来越多的关注。本文在对GIS空间分析算法并行化进行分析的基础上,对主要并行计算框架进行了对比,并选用OpenMP框架对水文分析若干过程进行了并行化算法的研究和实践。实验结果表明,基于OpenMP框架的并行化水文分析算法是在多核平台下进行性能优化的有效手段。

多源检测器的交通数据融合研究

为缓解城市交通拥堵、实时反映城市的交通状况,需要通过获取路网交通流参数来获取交通状态.随着对交通流速度数据需求的全面性、有效性、准确性要求的提高,由某一种检测器获取的速度数据已经满足不了实际需求.利用信息融合技术将多源检测器采集到的交通流数据进行处理,应用数据神经网络法、回归分析法对数据进行融合,得到更加丰富且质量更高的交通信息,从而在交通运营管理中为决策者提供有效的数据支持.通过对本文提出的交通流参数获取技术及数据融合方法进行验证,本文的方法可行,结果可信.

模拟驾驶环境下驾驶人分心状态判别

为了探寻驾驶人分心判别方法,构建了驾驶人分心状态判别模型。首先设计分心模拟驾驶试验,采集正常驾驶和发送语音信息过程中的驾驶绩效特征和驾驶人眼动特征数据,建立驾驶人分心状态判别指标备选集;其次,采用基因选择算法对备选指标进行筛选,得到29个备选指标的重要度排序;然后,依次选取重要度较高的部分指标作为BP神经网络的输入指标,利用遗传算法(GA)全局搜索的性能优化BP神经网络的初始权值和阈值,将优化后的GA-BP神经网络作为弱分类器,再将多个弱分类器组合成Adaboost强分类器,建立基于Adaboost-GA-BP组合算法的驾驶人分心状态判别模型;最后,利用模拟驾驶器试验平台采集的数据计算不同判别指标数量下模型的性能,从而确定最优判别指标,并对模型进行验证和评价。结果表明:模型最优判别指标为重要度排序中前14个指标;模型能够准确识别驾驶人分心状态,判别精度为95.09%;与BP神经网络算法、GABP神经网络算法和Adaboost-BP神经网络算法相比,Adaboost-GA-BP组合算法在准确率、精准率、召回率、F1值和ROC曲线等模型性能方面均最优。建立的模型能够有效判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。