校车停靠过程中周边车辆运行安全诱导措施及效果评估

校车作为学生上下学接驳的重要交通工具,其运输安全至关重要,但因为校车周围车辆驾驶员忽视“校车特权”,非法超越校车而引发的校车事故经常发生。为了保障校车停靠安全,设计了校车停靠驾驶模拟实验场景及4组交通诱导措施方案:设置校车停靠站点标牌、设置校车停靠站点预告标识和站点双标牌、发布网联预警信息以及“预警+站点标牌”组合措施。利用二元Logistic回归模型、混合线性模型分析驾驶员驾驶行为参数,比较不同诱导措施在不同驾驶环境及不同性别驾驶员间的效果差异。研究结果表明:“预警+站点标牌”组合措施的安全效果优于其他诱导措施,且对女性驾驶员影响更为显著。有背景交通流时,各种诱导措施效果减弱。建议在交通流量较小的道路上设置校车停靠站点标牌,在交通流量较大的道路上采用组合诱导措施。研究结果能够为交通管理者提出校车安全改善措施,提高校车停靠及停靠过程中周边车辆的运行安全水平提供参考依据。

基于多图时空图卷积神经网络的网约车需求预测

随着时代发展,网约车已经逐渐成为当今社会的重要出行方式.这项新的出行方式大大降低了出行成本,使人们的生活更加便捷.网约车需求预测是人工智能交通系统的重要组成部分,有着良好的应用价值,但传统的研究在建模时,忽略了目的地和不同地区的社会属性相似性的影响,使得模型的特征不全面,算法预测准确率较低.针对上述问题,本文提出了一种多图时空图卷积网络(Multi-Graph Spatial-Temporal Graph Convolution Neural network,MGSTGCN),以解决网约车需求预测问题.该网络由空间与时间两个组件构成,空间问题的网络采用图卷积来对地理信息、移动信息与社会属性相似性进行建模,时间问题则使用注意力机制与LSTM网络结合进行处理.实验中,我们与四种主流网络模型进行对比分析,结果表明该模型可以更有效地捕获网约车需求数据的时间与空间的特征,提高预测的准确度.

基于时空大数据的轨交站域用地功能紧凑度分析

在智慧国土空间规划背景下,城市轨道站点周边区域空间资源的进一步集约化利用成为趋势,然而现有研究中少有针对轨交站域用地功能紧凑程度的分析评价方法。通过对城市轨交站域土地利用特点及空间资源集约利用需求的解析,考虑站域土地承载城市功能的密度和多样性,建立轨交站域用地功能紧凑度指数。以北京市为实证区域,基于POI数据对全市轨交站域用地功能紧凑度进行评价,继而从日均客流量和客流模式两个维度对轨道站点进行分类,分析不同客流特征站点的站域用地功能紧凑度特性。研究发现日均客流量与站域用地功能紧凑度呈正相关,不同客流模式站点的站域用地功能紧凑度存在显著差异。研究成果可为轨交站域用地功能的规划调整和精细化管理提供理论支撑。