大数据环境下营运车辆驾驶行为特征分析

通过大规模采集营运车辆驾驶行为信息,并对其驾驶行为特征进行定性、定量分析是有效遏制交通事故的前提。对采集的营运车辆驾驶行为数据进行预处理,包括清洗、筛选、分段等,提高了数据的质量。利用经纬度坐标转换后计算出的车辆行驶速度与车载速度加权的车速进行分析;并运用DBSCAN聚类和Spearman秩相关方法对不同车辆、不同时间段及不同天气状况下速度和加速度进行聚类和讨论相关系数,提取驾驶行为特征。结果表明,驾驶员夜晚比白天行车速度波动大,需加强夜晚行车的安全监控,且聚类方法可用于判定车辆驾驶的稳定性程度,有助于道路交通中心对车辆安全状态的判断和避免交通事故发生;对于经验丰富的营运车辆驾驶员,天气对驾驶的影响相对较弱。

改进的基于安全距离的车辆跟驰模型

由于经典的基于安全距离的车辆跟驰模型Gipps模型要求车辆行驶时恰好与前车保持安全距离,这是一个对车辆跟驰行为过分严格的约束,不符合实际情况,根据实际情况提出车辆跟驰距离是有关安全距离和前后车相对速度的函数,并据此建立了改进的基于安全距离的车辆跟驰模型.NGSIM数据经过处理后被用来标定Gipps模型和改进后的模型,在标定结果的基础上对模型进行了统计意义上和仿真预测能力上的模型评价.结果显示:改进后的基于安全距离的车辆跟驰模型比Gipps模型有更高的仿真精确,可以再现出宏观交通中的稳定交通流和冲击波等常见的交通现象,并且改进模型在一定程度上使交通流变得更加稳定.

美国城市交通规划发展与经验借鉴

美国城市交通规划经过近百年的发展,已形成较为完善的城市交通规划理论与技术体系。本文以社会经济发展为研究背景,以发展阶段为时间主线,从相关政策、政府组织结构和规划技术研究等角度对美国城市交通规划发展历程进行回顾,并总结对我国城市交通规划发展的经验启示。

基于危险态势识别的智能车驾驶模式选择

人机共驾是智能车发展中必须经历的一个重要阶段,而人机切换时机选择是人机共驾需要解决的一个关键问题。为此,文中以实车实验采集的数据为依据,根据驾驶人经验及经K-均值聚类得出的危险态势等级对驾驶模式选择方式(安全驾驶、进行警示和自动切换)进行了标定。通过引入车速均值、加速度标准差、车头时距、前轮转角标准差、车道偏离量以及驾驶人经验等6项指标作为特征向量,提出了基于径向基核函数序列最小优化算法(SMO)的智能车驾驶模式选择模型。并以决策树、径向基神经网络、支持向量机(SVM)作为对照。研究结果表明,文中提出的基于SMO方法的驾驶模式识别模型的准确率达到91.7%,相较于其他3种识别方法具有较大的优越性.

基于马尔科夫毯和隐朴素贝叶斯的驾驶行为险态辨识

为了实现对驾驶行为险态的有效辨识,以实时采集的多源信息为依据,通过融合驾驶人心率变化率及违法行为将驾驶行为险态分为4级。采用马尔科夫毯特征抽取算法提取出速度、纵向加速度、前轮转角变化率、车道偏离量以及车辆位置作为构建驾驶行为险态辨识的特征集,基于隐朴素贝叶斯(HNB)构建驾驶行为险态辨识模型。十折交叉验证结果表明,该模型的辨识精度(90.6%)比朴素贝叶斯(NB)、贝叶斯网络(BN)及径向基函数(RBF)神经网络分别提高14.1%、13.9%和13%。此外,ROC曲线验证结果表明该模型对不同险态等级都具有良好的预测效果。

交通管控措施对市域新冠疫情传播的阻断效果分析

面对局部暴发的新冠肺炎(COVID-19)疫情,进行城市交通管控是阻断疫情传播、控制疫情发展的重要途径。为了揭示不同交通管控措施对COVID-19传播的阻断效果,以不同阶段暴发疫情的荆州、孝感、荆门和石家庄4个行政市为研究区域,统计分析了市内道路封闭、客运交通停运和小区人口流动控制等3种典型交通管控措施实施前后的市域疫情传播趋势。基于经典的传染病动力学理论,考虑潜伏者传染性、人口迁徙、市内小区人口流动建立了市域COVID-19疫情传播SEIR优化模型,对比分析了4个行政市有/无交通管控措施以及不同交通管控措施对于疫情发展的阻断效果。研究结果表明:4个行政市的日发病率均与14 d前的迁入指数紧密相关;3种交通管控措施对阻断疫情传播效果明显,使荆州、孝感、荆门、石家庄无交通管控措施时的感染者峰值人数分别下降61.29%、53.71%、66.16%、66.33%;3种管控措施的阻断效果表现出一定的差异性,市内道路封闭措施的阻断效果最为明显,其不同实施节点可使市域潜伏者人数和感染者人数分别下降40.54%~70.88%和49.11%~64.34%。通过及时、全面地实施3种交通管控措施可以有效阻断疫情传播、控制市域疫情发展。考虑潜伏期特性的改进SEIR模型能够准确预测疫情发展趋势,可为疫情流行期间城市交通管控方案的制定提供技术参考。