基于收费数据的高速公路交通拥挤自动判别方法

针对高速公路交通拥挤日益严重的现象,通过对收费数据的深层挖掘和高效利用,提出了基于滚动时间序列的行程时间数据合成方法,以此为基础构建了交通拥挤指数,并基于交通拥挤指数的变化特征对拥挤持续时间进行了在线估计;结合收费站布局的时空特征,设计了基本路段和复合路段融合的高速公路交通拥挤自动判别方法.实证分析表明,该方法在判别率提高到96.52%,误判率降低到0.43%的同时,判别时间减少了74%,而且收费数据的获取成本为零.

基于因子定理的路网交通运行可靠性在线分析

为了进一步提高路网交通运行可靠性的在线分析效率,以减少信息存储空间、提高算法运行速度为切入点,借鉴图论中邻接矩阵的思想,提出了路网可靠度矩阵的概念。在此基础上,通过应用因子定理设计了路网交通运行可靠性在线分析的新方法。最后使用仿真数据对其进行了验证和对比分析。研究结果表明:本文方法在保证路网交通运行可靠性在线分析效果的同时,显著提高了运行效率,运行时间平均节省了92.72%。

地铁司机应急处置绩效影响因素研究

为研究地铁司机应急处置绩效影响因素,文章从应急处置作业执行过程分析出发,围绕处置效果、效率2个维度进行绩效分类,从驾驶经验、规章服从性、理论知识、职业适应性4个方面构建应急处置绩效影响因素体系,在应用相关性和特征重要性对绩效重要影响因素进行筛选后,分别构建基于支持向量机和随机森林的应急处置绩效分类模型,并对全影响因素输入与重要影响因素输入的分类效果进行对比分析。结果表明:基于影响因素分析可有效预测应急处置绩效分类结果,并且基于重要因素的预测结果优于全影响因素,研究结果可为应急处置绩效管理提供理论依据,可通过挖掘应急处置绩效重要影响因素对地铁司机进行重点培训与考核,确保运营安全。

高速公路交通流运行稳定性分析

为了提升高速公路限速值设置的可信度,确保速度控制方法选择的合理性,从高速公路交通流运行的时间特性和空间特性角度出发,对单截面和双截面采集的交通流参数数据进行分析,分别构建了以速度差为基础的稳定性分析模型,并进行优化组合,提出了高速公路交通流稳定性识别方法。采用山东某高速公路微波实测数据和VISSIM微观仿真软件对其进行实证分析,结果表明:高速公路交通流稳定性识别方法能够高效地识别出道路交通流的离散度,并能够定量地、较好地描述交通流运行的稳定性,从而为高速公路的动态限速管理及限速值的确定提供可靠的决策依据。

基于因子分析与聚类分析的交通事件自动检测算法融合

针对目前通常只利用一种交通事件自动检测算法进行事件检测导致的效果不佳问题,在对单个交通事件自动检测算法产生漏警和误警的原因进行分析的基础上,设计了一套与之相对应的交通条件在线评价指标,并以因子分析与聚类分析为手段提出了一种基于多个交通事件自动检测基本算法的决策级融合方法。运用某特大城市快速路感应线圈实测数据进行验证的结果表明,在交通事件自动检测基本算法的误警率为0.5%左右、检测率为63.5%～66.1%的条件下,所提出方法的检测率和误警率分别达到了90.6%和0.0981%,明显优于对比方法的检测效果。

基于VTS测评的地铁司机职业能力影响研究

为了使地铁司机的综合能力与岗位需求能力更好地匹配,制定培训选拔机制。考虑应急处置工作绩效的异质性将地铁司机按照不同人格进行分类;结合司机应急处置作业任务分析,构建职业能力指标体系,并利用维也纳心理测试系统对某地铁公司51名地铁司机进行测评;应用统计学方法,确定职业能力的群体基准值和欠缺指标项,探究不同人格地铁司机职业能力的分布规律和特征;利用系统动力学对应急处置作业绩效进行灵敏度分析。对地铁司机能力评估、在岗选拔具有一定的参考价值。

地铁驾驶员认知能力与工作负荷结构关系研究

目的:分析认知能力与工作负荷因素间存在的因果关系、结构层级、影响路径及影响程度等内部结构关系。方法:提出地铁驾驶员的认知能力的四类评价指标,量化工作负荷因素,应用集成灰色关联度分析法(Grey Relational Analysis, GRA),决策试行与评价实验室法(Decision-making Trial and Evaluation Laboratory, DEMATEL)和解释结构模型(Interpretative Structural Modeling Method, ISM)方法构建GRA-DEMATEL-ISM模型探究认知能力与工作负荷的因素结构关系。结果:34个指标中有两个认知能力指标和工作负荷指标会对其它指标造成长远深刻的影响,其它31个指标则造成较小影响。结论:分析结果可帮助轨道交通企业针对性开展认知能力提升培训,提高运营安全。

基于前景理论的轨道交通乘客路径选择模型

研究有限理性条件下城市轨道交通乘客的路径选择问题。从出行费用角度出发,通过对不同类型乘客的出行时间、换乘时间、换乘次数和列车拥挤度4个因素的权重分析,建立乘客广义出行费用模型;并基于前景理论,建立以出行费用为参考点的路径选择模型,从而准确分析出乘客的选择偏好。实例结果表明,该模型对乘客出行路径的分析具有更高的可靠性。

基于改进社会力模型的地铁车站应急疏散模型

应急情况下的客流疏散对地铁车站运营安全至关重要。综合考虑行人心理状态和社会属性的影响,对行人感知范围进行了重新定义,并对应急疏散情况下的行人绕行效应进行了分析验证。应用Anylogic软件对上海地铁9号线松江大学城站的实际客流情况进行建模并进行对比分析。模型修正后,总体疏散时间减少了7.5%,出口2处滞留的行人密度降低了1.14人/m^2,行人行走距离增加了5.0%。经验证得出,改进后的社会力模型符合实际疏散情况。

地铁车站大客流预警系统分析

通过对大客流的预警设计,得出不同的客流量对车站和人群的影响程度,按照不同的影响程度进行不同的预警等级划分,从而提前发布相关预告,使各级相关部门提前做好预防措施,进而有效的化解突发大客流的风险或者降低事故发生带来的损失。

基于CREAM追溯分析法的地铁司机人因失误研究

深入探讨地铁司机人因失误事故发生的根原因,对提高地铁司机人因可靠性以及地铁运行安全有着重要意义。首先依据人的行为与意向的关系,将人因失误模式划分为疏忽、遗忘、错误、违规;结合历史地铁人因事故统计、原因分析及专家意见,构建了涵盖与人有关的、与技术有关的、与组织有关的和与环境有关的4个维度的地铁人因失误事故前因分类表;并应用后果—前因之间的归因追溯关系,确定了失误模式—前因表和后果—前因追溯表,提出了一种基于CREAM追溯分析法的地铁司机人因失误分析法。最后进行了实证分析,分析结果与事故调查报告一致。

基于任务分层的地铁驾驶员应急处置作业工作负荷评价

目的从任务的不同层次探究地铁驾驶员应急处置作业的工作负荷。方法首先从应急处置作业的结构分析出发,将其分解为行为单元层和多任务层。行为单元层采用主观评价法标定其工作负荷量化的视觉-听觉-认知-执行(VACP)量表;多任务层综合考虑执行任务的时间消耗、行为单元工作负荷及时间压力等因素,构建了基于时间占用率的工作负荷评价模型;最后以12项应急处置作业为例进行实证分析。结果本文标定的行为单元层VACP量表具有较好的信度(Cronbach'sα=0.71)和效度(KMO=0.75),并结合美国航空航天局任务负荷指数(NASA-TLX)量表验证了本文提出的地铁驾驶员应急处置作业工作负荷评价方法的准确性(r=0.7938,P<0.05)。结论本文构建的基于时间占用率的多任务层工作负荷评价模型与NASA量表吻合较好,验证了模型的有效性,对于评估地铁驾驶员工作负荷,降低运营风险有较大的现实意义。

基于乘客分类的出行阻抗计算方法

随着城市轨道交通网络化运营的形成,不同乘客对行程总时间、换乘次数、步行距离、拥挤程度在路径阻抗计算中的权重大小赋值不同,本论文基于乘客不同性别、职业、年龄等分析不同乘客的出行阻抗计算方法。通过调查问卷和专家打分法得到影响因素之间的重要度,然后使用层次分析法计算其权重,从而对每一类乘客的出行阻抗进行计算。

基于Petri网的地铁驾驶员应急任务分析方法研究

文中为确定地铁驾驶员应急多任务中的关键作业和环节,进一步开展针对性、深层次的培训考核,提出一种基于Petri网的地铁驾驶员应急任务分析方法。文中首先,探讨地铁驾驶员应急任务的重要特征,并提出结合VACP量表的任务评价指标,对任务作结构化分解;其次,研究应用Petri网理论解决应急任务评价建模的可行性,并以上海市轨道交通驾驶员站台退行对位标准作业为例,阐述建立Petri网模型对应急任务进行评价的详细过程;最后,以2019年度上海市轨道交通驾驶员安全风险检查项目为参照进行模型的实证分析,并对验证情况作进一步讨论。结果表明,该方法切实可行,能够得出应急任务中的关键环节与其所消耗的主要资源种类,且应对这些资源消耗量大的环节需要驾驶员更强的生理与心理胜任能力。

基于K-means的地铁驾驶员工作负荷状态判别

为研究地铁驾驶员在应急作业下的工作负荷状态,通过采集驾驶员应急作业状态下的心电信号并分析心电信号与工作负荷之间的关系。首先对心电信号进行去噪处理和对R波波峰提取,计算得到SDNN、RMSSD、pNN50、NN50和MEAN共5个心率变异性时域指标,作为工作负荷状态判别的输入变量。以各指标构成的数据集为样本,应用K-means聚类分析法,对地铁驾驶员应急作业下的工作负荷状态进行划分和判别。结果表明:分类数为2时的Silhouette指标值最佳;基于Silhouette指标将地铁驾驶员工作负荷状态划分为低负荷和高负荷;基于K-means聚类分析法得到两组判别工作负荷状态的心率变异性指标的聚类中心。最后,以驾驶员的低负荷状态样本和高负荷状态样本验证了本文方法的有效性,为监测地铁驾驶员的工作负荷状态提供依据。

基于眼动仪的地铁调度员工作负荷评价方法

眼动特征是认知行为在视觉系统的外在表现。为了通过对眼动特征的精确分析来推断调度员认知工作负荷的大小,文章使用眼动仪采集了地铁调度员工作状态下的平均眨眼率、平均凝视时间、平均凝视次数、平均扫视时间、双眼平均扫视角度、双眼平均扫视次数等9个指标;以工作难度为单因素,应用方差分析法筛选出5个显著性指标:实验持续时间、平均眨眼率、平均凝视时间、平均凝视次数、平均扫视次数;以显著性指标作为工作负荷评价的自变量,并应用因子分析法进行综合因子的提取,以工作负荷作为因变量,对工作负荷回归模型进行参数标定,建立地铁调度员工作负荷评价模型。最后进行了实证分析,验证了方法的有效性。

基于结构方程模型的地铁驾驶员工作绩效评价研究

为合理评价地铁驾驶员工作绩效,促进人岗匹配,文章从驾驶员职业适应性、组织关系适应性、工作负荷、工作满意度、个性特征5个维度20个指标出发,基于结构方程模型(SEM)建立地铁驾驶员工作绩效评价模型,并应用SEM—拉开档次法确定指标体系综合权重系数,为科学合理地评估驾驶员工作绩效奠定理论基础。

基于后悔理论的城市轨道交通乘客路径选择

考虑到出行者,尤其是自由出行的群体在面对多重因素的不同选择时,极其容易被其中某一个优势因素所引导,却没有从整体性考虑,从而作出仓促的决定。文章旨在引入后悔理论,具体应用到轨道交通自由出行者路径选择的过程中,在分析以往效用最大化原则存在的不足后,以后悔最小化理论(RRM)为基本模型,建立模拟路网,分析每条路径的决定性因素,并对不同因素进行重要程度确定,以预判出行者的期望后悔值。