面向工程教育的道路安全设计类课程案例教学设计与实践

工程教育专业认证强调以学生为中心,坚持产出式教育。道路安全设计类课程是道路与桥梁工程专业的重要课程,也是相关专业硕士研究生的选修课程。在工程教育理念下,项目组根据安全工程专业实践性强的特点,对不同的教学对象进行精心设计,重新组织课堂教学内容,处理好教学内容与相关标准规范的关系。在理论教学的基础上,项目组通过采用案例教学实践模式,对道路安全工程配套案例进行分析和讨论,加深学生对理论知识的理解,培养学生学习兴趣和自主自学能力,开展道路安全风险分析仿真实验。同时,项目组结合线下和线上先进的教学方法,进行教学设计和实践改革措施研究,并及时根据应用效果调整策略,以提高教学质量。

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求,通过对广州市中心区交叉路口交通流长期观察和数据采集,分析了各种时间尺度的交通流特性,提出以路口信号周期作为时间尺度,绿灯流率作为变量的ARIMA(p,d,q)短时交通预测模型。以1个和3个信号周期的时间尺度为例,对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA(p,d,q)预测模型结构稳定,算法简单,时间尺度为3个信号周期的预测模型可以很好地保持交通流特征,均方根误差为0.015 9,预测精度较高。

自动扶梯载客输送能力的实证分析

近年来,自动扶梯在公共建筑、大型交通枢纽站场中的使用率越来越高;其载客输送能力直接影响人群的疏散,是自动扶梯设计中的一个重要因素;但相应的动力学特性难以描述.对于动力学特性难以描述的交通设施来说,实证分析法是一个非常有效且具有可操作性和一定精度的分析方法.因此,通过对广州地铁站上行自动扶梯人流高峰时段的拍摄及相关数据处理,建立了梯级宽度为1m的扶梯入口段与扶梯段的行人交通基本特性图.对其分析得知,自动扶梯实际载客能力为8 655人/h,为理论载客能力的90%.

高速公路收费系统选型评价

在分析收费系统运行模式的基础上，提出收费系统选型评价指标，以此对各种收费系统进行比较，并指导收费系统的选型和设计。

地铁消防安全性能化评估

结合地铁内行人紧急疏散的交通特性,针对地铁火灾的危险性及其特点,利用性能化评估方法对地铁消防安全进行分析,再利用Legion软件模拟火灾情况下人员疏散,用安全疏散容量和人员疏散时间两个指标对地铁消防安全进行性能化评估。以某双层地铁站为例,设定火灾发生在列车上的场景,计算可知闸机容量最小,为地铁站的安全疏散容量。闸机应为地铁站消防安全设计的重点部位。

基于交通流颗粒化结构的交通控制模型

城市交通系统是一个复杂的、非线性、非结构化、强相关的随机系统,在选择适当时空尺度的交通流颗粒结构且消除或减弱了颗粒间关联的基础上,多尺度分析是交通系统一个简单而又有足够精度的问题求解方法。基于交通流颗粒化结构建立了多智能体交通控制模型,采用基于案例推理的动态参数匹配和协调冲突检验,以寻求交叉口信号控制的优化方案。最后,以广州中心区交叉口为例说明颗粒化结构分布式求解方案的可行性。

基于时间占有率的短时交通预测模型

针对现有的交通预测模型大多以交通量为变量,而交通量作为二值函数,无法有效地判断道路交通是否处于交通顺畅或拥挤状态,采用时间占有率这一单值变量,建立了基于ARIMA(p,d,q)时间序列结构的短时交通预测模型。在建模过程中,以非参数检验法判定序列平稳性,AIC准则确定模型结构,最小二乘算法(LS)估计参数。以城市中心商务区交叉口为实例,对一个信号控制周期的占有率实测值进行预测分析。结果表明,时间占有率比仅仅用交通量更能描述交叉口的实际情况,且算法简单,精度高,适合于交通控制和信息诱导系统的实时在线预测。

地铁内通道交通性能实例分析

为定量描述地铁站内行人交通特性,进而解决行人交通局部拥堵问题。借鉴机动车交通流性质,分析典型性行人通道的交通流特性。对广州地铁站特定行人通道及下行自动扶梯人流高峰时段进行拍摄,处理相关数据,分析通道与扶梯连接处的流线,建立二者的行人交通基本特性图,并分析其各自最大通行能力。结果表明:人行通道的通行能力小于与其相连接的自动扶梯的通行能力,高峰时瓶颈将会产生在通道处。

公共建筑行人交通仿真性能分析

公共建筑内的行人交通是一个群聚密度不确定、个体之间相互作用的非线性随机动态问题.计算机动态仿真是目前研究公共建筑物内行人交通流动力学特性的有效方法之一.文中针对主流仿真软件在模拟相同场景下行人疏散结果时存在差异的问题,分析仿真软件在模型性能上的差异,解释离散空间引致仿真误差的原因,同时引入保真度来评价仿真模型的精确程度.通过对比地铁站通道的实验数据和仿真结果,得出行人交通仿真性能与建筑物内环境密切相关的结论,验证保真度对仿真模型的重要性.案例结果表明,连续矢量空间多智能体仿真模型对再现公共建筑内行人交通的保真度高达87%.

基于朴素贝叶斯轨道交通网络客流分配模型

在充分分析轨道交通行程时间组成要素及分布特性的基础上,利用已知AFC数据对行程时间参数进行估计,提出一种基于朴素贝叶斯分类器的轨道交通网络客流分配模型。利用AFC数据估算行程时间组成要素参数,得到OD间每条路径行程时间的均值及方差;将每名乘客的AFC数据作为一个样本,行程时间作为一个特征属性,利用朴素贝叶斯分类器进行概率分类,将每名乘客划分到后验概率最高的某条路径;得到轨道交通OD间每条有效路径的客流。根据广州地铁算例验证及仿真实验结果表明,该方法能较好预测每条有效路径客流分配比例。

基于GBDT算法的地铁IC卡通勤人群识别

随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GBDT)机器学习算法为基础的通勤人群识别方法。首先以周工作日的首末次平均刷卡时间、首末次平均刷卡时长、首末次刷卡时长波动程度、刷卡次数总和等5个特征来制定调查问卷的数据格式。然后利用处理过的带标签(通勤/非通勤)的调查问卷数据去训练GBDT分类器模型,测试样本的通勤识别的准确率高达94.16%。最后利用该模型对广州地铁IC卡数据通勤人群进行识别,结果显示广州地铁刷卡数据中通勤人群数量为131万左右,占总地铁刷卡出行人数32%左右。

基于家庭集群模式的高层住宅紧急疏散模型优化

为建立适用于我国高层民用住宅特点的紧急疏散模型,为评价高层住宅建筑安全性、指导人员逃生提供科学依据。通过问卷调查和实际观测,分析家庭疏散对象的心理特征,对传统紧急疏散模型进行优化,提出以家庭为单位的集群紧急疏散模型,并进行仿真。仿真模型以社会力模型为基础,通过分析和计算家庭内部成员与外部人员2种不同的"社会心理力",进而体现集群疏散的宏观特征。仿真结果分析了家庭集群疏散与传统紧急疏散,这2种情况下主要交通参数的差别,论证了家庭集群疏散模型的科学性和合理性。

基于LSTM引入客车占比特征的短时交通流预测

近年来,交通数据呈爆炸式增长,准确、及时的交通流预测信息对于智能交通系统至关重要。基于LSTM神经网络提出了一种考虑客车占比特征的短时交通流预测方法;提取车流数据中的客车占比特征并利用快速傅里叶算法(FFT)绘制其功率频谱图,验证了高速公路客车占比特征的周期性特点;针对该特点,提出了基于LSTM引入客车占比特征的短时交通流预测模型,并以广州北环高速某收费站为例进行分析。结果表明:引入客车占比特征的LSTM预测模型,有效降低了短时交通流预测的误差,提高了预测的正确率。

预防城市公交网络拥堵效应的阻抗增加策略

为有效预防和减弱城市路网发生大规模拥堵时路网拥堵效应的传播,制定及时有效的交通疏导方案。基于道路交通网络级联失效,提出一种增加路段阻抗预防和减弱路网拥堵效应的策略,通过增加某些经常性堵塞路段的阻抗,降低这些路段的交通出行量,防止路段发生级联失效,保证路网的畅通。并通过试验分析路段阻抗增加对拥堵效应作用的不定性影响,建立阻抗增加路段和阻抗增加最优值的确定模型,从而使得交通疏导策略更具科学性和合理性。以某城市路网为例,通过改变不同路段阻抗增加系数ε,观察网络阻塞程度指标J的变化。实验表明,对比不同饱和度大小的路段阻抗增加策略,通过增加饱和度最大的失效路段阻抗能够有效降低路网的阻塞程度。该方法可以有效地预防和减弱城市道路网络拥堵效应,为制定及时有效的交通疏导方案提供参考。

基于多层复杂网络的高速公路节点重要性研究

随着我国高速公路体系不断完善和地区高速公路网络的成型,系统网络化分析逐渐成为高速公路运营管理的重要研究内容。复杂网络作为现实系统的抽象模型是研究网络的重要工具,本文根据高速公路系统运行特点,结合道路基础设施网络和出行者出行网络,建立高速公路多层复杂网络模型。在多层复杂网络的基础上,对PageRank算法和TOPSIS算法进行改进,构建PageRank-TOPSIS融合算法,并对高速公路节点重要性进行分析评估。结果表明,各收费站节点在不同性质的属性值下重要性差异较大,PageRank-TOPSIS融合算法能够根据不同的加权回归系数综合反映收费站节点在高速公路复杂网络的重要性。基于多层复杂网络的高速公路节点重要性分析给予高速公路节点研究新的视角,为高速公路网络分析和运营管理部门提供可靠的理论支持。

基于大数据挖掘的城市公交站点生活服务评价方法研究

针对目前城市管理中无法准确了解公交站点对居民生活服务真实水平的弊端,在智慧城市与大数据背景下,基于云计算架构,研发一套全自动采集城市地理兴趣点与公交线网结构数据并进行可视化分析的应用平台,提出公交站点生活圈搜索算法以及基于地理兴趣点数据的公交站点生活服务水平评价指标。经验证,该方法可量化评价公交站点的生活服务指数,并准确识别城市各辖区的经济活动中心和衡量生活资源的聚集程度。该方法与应用平台为城市公交站点生活服务水平评价与城市规划提供重要的决策依据。

基于RFMS的高速公路客户商业价值挖掘

随着我国高速公路道路拥堵和车流时空分布不均等现象的发生,面对多元化的高速公路使用者,以高速公路差异化收费为主要方式的高速公路供给侧改革是缓解目前高速公路道路拥堵等现象的重要措施。基于客户细分理论提出RFMS模型将高速公路使用者划分为异质性客户群,并分析其商业价值。考虑高速公路收费数据的结构特点,对传统k-means算法在初始类簇中心选取和大数据聚类下出现的小聚类现象进行改进,构建Adaboost与k-means++相结合的混合算法,并对聚类效果进行对比分析。研究结果表明:Adaboost-k-means++混合算法有利于提升聚类效果;基于RFMS的高速公路客户商业价值挖掘方法能有效划分异质性客户群并评估客户价值,可为高速公路差异化收费和高速公路运营管理部门提供可靠的理论支持。

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。

基于时间短时尺度的城市快速路路段元胞自动机交通流速度变化概率分析

元胞自动机交通流运动是利用交通流基本参数来研究加速规则、减速规则、换道规则和车辆移动的变化规律,最重要的是利用车辆速度v来确定不同时间不同交通流条件下的车辆速度变化特性。结合国、内外有关元胞自动机交通流研究的经验和方法,通过分析在同一地点、时间尺度为1min的交通流在t与t+1时刻的平均速度变化关系来确定基于时间短时尺度的元胞自动机城市快速路路段交通流的速度变化概率,并总结出不同条件下的加、减、匀速概率P,为研究基于时间尺度的元胞自动机城市快速路路段交通流模型提供重要的数据分析基础。

基于BP神经网络的轨道交通客流分布模型

轨道交通费率清分的实质是在不同线路下网络客流分布的问题。在充分考虑乘客出行路径选择多要素的基础上,提出一种基于神经网络的轨道交通客流清分模型。将影响乘客出行路径选择的多要素分为确定性要素和不确定性要素,通过样本训练神经元的抑制系数和激励系数,结合转换函数将结果传导给输出层输出。与传统模型相比,该模型更符合乘客出行选择的多要素心理。最后通过对比客流调查结果和Logit模型表明,在排除其他要素的干扰下,该方法能够较好的实现客流在不同线路的清分。