快速路激进驾驶行为影响因素分析

以导航系统所采集的交通运行状态数据、驾驶行为数据为基础,结合网络资源和实际调研获取道路条件、天气情况和以指路标志为代表的交通设备数据,构建激进驾驶行为致因分析数据库,并应用结构方程模型深入挖掘快速路上驾驶人激进驾驶行为致因.结果表明,道路拥堵情况、天气条件、道路合流数、分流数、车道数、出口间距、预告次数、桥型标复杂度均能对激进驾驶行为发生频率造成显著影响,其中道路拥堵情况的影响程度最大,其次是指路标志和道路条件,天气条件的影响最小.为改善快速路激进驾驶频发的问题,首先需要鼓励错峰出行,缓解拥堵;道路设计过程中,根据实际情况考虑减少分流数、合流数、车道数,并适当扩大出口间距,避免在短距离内形成多个交织区;交通控制设施设计时,可尽量降低桥型标复杂度并减少预告标志,有助于驾驶人更好的理解信息;最后可充分利用导航系统的提示功能,根据不同天气条件针对性设计提示内容.研究基于导航数据分析激进驾驶行为影响因素的挖掘,进而实现了快速路的道路安全风险辨识,为改善交通安全、优化道路设计奠定了基础.

激进驾驶状态识别算法研究

为识别和量化激进驾驶这一极易导致交通事故的驾驶状态,建立了激进驾驶状态识别算法。首先根据驾驶的操作特点提出驾驶状态-驾驶行为-驾驶模式3层结构并建立其数学描述。然后基于Stevens幂定律提出驾驶模式激进程度的量化指标——激进指数,并在此基础上建立了激进驾驶状态识别算法以区分不同驾驶状态的激进程度。最后通过不同驾驶状态的实车实验样本完成算法参数确定和算法验证,结果显示该算法能有效识别激进驾驶状态。

基于权重的欠采样提升算法识别激进驾驶员

文中提出一种碰撞风险的度量方法,即平均碰撞风险(average crash risk,ACR).该方法基于驾驶员在车辆跟随过程中的响应数据来计算车辆的平均碰撞风险,并基于平均碰撞风险,对每一位驾驶员的激进驾驶行为进行判断并且赋予标签.最后,将车间距数据进行离散傅里叶变换作为输入变量进行激进驾驶员识别算法的训练.使用高精度NGSIM数据集进行激进驾驶员识别,研究对象包括在美国I-80高速公路HOV车道上无换道干扰的299对跟驰车辆.此外,提出一种新的基于权重的欠采样提升算法(weight-based under sampling boost,WUSBoost),并与其他不平衡类提升算法SMOTEBoost和RUSBoost,常规的提升算法AdaBoost和XGBoost,以及SMOTE+AdaBoost和RUS+AdaBoost等算法进行比较.在所有算法中,WUSBoost的性能最好,显示了其对于不平衡类数据有较好的识别能力.

驾驶模拟环境中激进驾驶行为的影响因素分析

为了分析驾驶人在驾驶模拟试验过程中出现的相对实际驾驶的激进驾驶行为的影响因素,采用计划行为理论构建心理认知模型。基于计划行为理论设计问卷调查私家车驾驶人对"在驾驶模拟过程中激进驾驶"行为的信念、态度、主观规范、行为感知控制、意向与行为。采用结构方程模型得到观察变量与基本构念以及基本构念内部的相关关系,并最终分析得到影响驾驶人激进驾驶行为的主要因素。通过先导性调查问卷以及正式调查问卷的投放,最终得到217个有效的样本。研究结果表明:心理认知模型具有良好的适配性,其卡方自由度比为1.802,RMSEA值为0.062;态度、行为感知控制是影响驾驶人行为的主要因素,主观规范对行为的影响相对较小;各信念与对应的态度、主观规范及行为感知控制之间存在显著关联,各信念的测量模型的适配性良好,卡方自由度比、RMSEA等指标基本满足要求。采用完整的计划行为理论结构同时从标准获取构念和自行获取构念的角度解释了驾驶人对"在驾驶模拟过程中激进驾驶"行为的心理认知,研究成果可用于驾驶模拟-自然驾驶行为数据差异性控制,驾驶模拟试验规范化方法构建。

基于元胞自动机的激进型驾驶行为换道模型

为研究实际高速路激进型驾驶行为对交通流的影响,对NGSIM中80号州际公路(I80)数据进行分析。通过对数据中车头间距、车辆换道等参数的分析,提出了针对激进型驾驶行为的换道模型。运用元胞自动机,在单车道VDR模型和双车道STCA模型基础之上采用动态换道概率并建立了ISTCA模型。通过对不同道路密度条件下换道行为进行模拟仿真,并与STCA模型进行对比分析。仿真分析表明,在一定密度范围内,ISTCA模型能有效提高道路的通行能力。

驾驶特性对进气道喷射汽油车RDE排放的影响

使用便携式车载排放设备(PEMs)对一辆装有进气道喷射的自然吸气发动机的轻型汽油车按照轻型车国Ⅵ标准进行了真实驾驶排放(RDE)测试,并通过行程动力学定义了温和驾驶和激进驾驶。结果表明:激进驾驶的NOx和PN排放跟温和驾驶相差不大。但在市区行程,激进驾驶的CO排放为温和驾驶CO排放的84倍。而对于总行程,激进驾驶的CO排放为温和驾驶CO排放的75倍。激进驾驶中频繁的加减速是CO排放大幅增加的主要原因。在市区行程,CO排放与加速度正相关;在高速行程,由于发动机运转在高速大负荷的工况点,而这些工况点在企业进行排放标定时往往被忽略,导致CO的排放很高。

基于实测数据的交通流模型比较研究

依据上海延安高架路段的交通流录像资料提取的26000余组实测数据,作出流量-密度图,发现随着路段整体平均密度的递增,Kerner指出的低密度自由流阶段的曲线特性越来越不明显;而在整体平均密度较低的情况下,又存在一定数量的高速度高密度数据.利用观测得到的大量数据,在按密度划分的不同区间内对已有的多个平衡函数进行最优筛选,得到分段平衡函数的表达式,使交通流模型更加贴近真实交通状况.最后提出了基于实测数据计算激进型驾驶者比例的方法,该方法的关键在于利用各种经过特征值变换后的平衡函数形式模拟已有数据的区域边界.

插电式混合动力汽车能耗及其影响因素分析

通过建立插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)的前向仿真模型,对其能耗进行仿真,并分析PHEV能耗的使用影响因素.基于Modelica物理建模语言,搭建PHEV整车动力传动及纵向动力学模型,并在标准测试工况下仿真整车各部分能耗变化.针对影响PHEV能耗的使用因素,重点仿真分析表征行驶工况的平均车速和驾驶激进性对电量消耗(charge deplete,CD)阶段电耗和电量保持(charge sustain,CS)阶段油耗的影响规律.通过分析不同车速与驾驶激进性下各部分能耗以及动力部件工作效率的影响,揭示了行驶工况对能耗影响规律的内在机理.