【摘 要】
：
为降低驾驶人抵近交叉口过程因分心导致的交通事故,本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型.依托驾驶模拟实验,采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据,通过方差分析研究分心任务对驾驶行为的影响.结果表明,分心驾驶人需要更长的制动反应时间,制动操作时间缩短,踩压制动踏板的力度下降,同时操纵方向盘的稳定性变差.然后,筛选有显著性影响的6个特征行为指标作为模型的输入,结果表明:BILSTM模型分心状态识别的精确率最高,达到92.6％,F1值为88.7％;准确率、精确率、召回率、F
【机 构】
：
长安大学,运输工程学院,西安710021;北京交通大学,综合交通运输大数据应用技术交通运输行业重点实验室,北京100044;昆士兰科技大学,交通事故与道路安全研究中心,昆士兰4059,澳大利亚
论文部分内容阅读
为降低驾驶人抵近交叉口过程因分心导致的交通事故,本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型.依托驾驶模拟实验,采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据,通过方差分析研究分心任务对驾驶行为的影响.结果表明,分心驾驶人需要更长的制动反应时间,制动操作时间缩短,踩压制动踏板的力度下降,同时操纵方向盘的稳定性变差.然后,筛选有显著性影响的6个特征行为指标作为模型的输入,结果表明:BILSTM模型分心状态识别的精确率最高,达到92.6％,F1值为88.7％;准确率、精确率、召回率、F1、AUC和ROC曲线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型.研究结果说明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态,可为交叉口驾驶人分心预警系统的优化设计提供依据和指导.
其他文献
针对船舶自动识别系统(Automatic Identification System,AIS)在实际应用中存在错误数据频发、数据丢包等问题,本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法,利用去噪实现轨迹重构,同时,实现对轨迹的去噪和缺失补全.该方法通过线性插值实现经度对齐,将轨迹数据转化为轨迹矩阵,从而补全轨迹中的缺失值.由于补全结果存在非常大的误差,因此,引入PLR(Patch-Based Low-Rank Minimization)算法去噪,消除误差.同时,为进一步提升补全效果,通过2D-VMD
针对铁路集装箱中心站轨道吊协同装卸调度(RMGCS)问题,考虑多轨道吊间的作业干涉和安全距离约束,建立目标函数为最小化集装箱完工时间的混合整数规划数学模型.结合RMGCS问题特性,提出一种考虑多轨道吊柔性协同作业的改进麻雀搜索算法(ISSA),首先,提出能够解决多轨道吊间作业冲突的任务分配策略和干涉判断方法;其次,设计自适应非线性动态安全值,平衡全局和局部搜索;再次,改进加入者更新移动方式,使其在全维度上靠近最优解;最后,引入LOV(largest-order-value)规则,将个体从实数向量映射到集装
针对滚装甩挂运输新船型可“直进直出”条件下的“边装边卸”作业模式,与传统船型“船艉进出”条件下的“先卸后装”作业模式对比,建立滚装甩挂码头牵引车调度的混合整数规划模型,并设计遗传算法求解模型.通过对比不同规模算例下CPLEX与所设计遗传算法的实验结果,验证模型的正确性和算法的有效性.结果表明:相较于传统船型“先卸后装”作业模式,新船型“边装边卸”作业模式在运营成本方面可降低约15％;当装卸任务分布密集时,卸船任务靠近船艏运营成本越高,装卸任务分布稀疏时,卸船任务远离船艏运营成本越高;总体而言,“边装边卸”
高峰时段的大客流需求易造成城市轨道站台乘客大量聚集,从而给城市轨道交通系统带来安全隐患,降低乘客乘车的舒适度;同时,客流空间分布的不均衡性导致供需能力不匹配,降低了列车资源的利用率.针对该现象,本文结合大小交路开行方案与客流控制策略研究城市轨道交通列车时刻表协同优化问题.考虑到城市轨道交通客流的不确定性,将乘客到达率设置为不确定变量,而后基于客流演化与列车运行的动态关系,建立以最小化滞留乘客数、客流控制人数、列车运行时间,以及最大化列车资源利用率衡量值为目标的优化模型,并设计一种基于机会约束的随机场景优化
为研究改进后的动态罚金策略对违章停车现象的抑制作用及策略最优解,本文以驾驶员和执法者两类群体作为博弈主体,在改进的复制动态方程基础上,以社会总成本最小为目标建立动态罚金最优控制模型.讨论了该模型的均衡点及其稳定性,并通过庞特里亚金极小值原理求解该模型的最优解.并对改进前、后动态罚金策略的违章抑制作用和策略成本进行数据仿真检验,仿真结果显示:改进后的动态罚金模型能够找到违章停车问题的合理演化方向,在不断降低违章概率的同时还能减少执法力度;在临界状态下,即动态罚金系数趋于稳定值、执法者保持短时间的持续执法状态
通勤者的出行行为对早高峰期间拥挤政策的制定有着至关重要的作用.本文基于瓶颈模型构建并列瓶颈路网下个人与家庭混合出行的均衡出行模型,分析两类通勤者的出行需求情况、两个瓶颈处的通行能力以及学校-工作开始时间差这3个因素对用户均衡、用户出行成本和系统性能的影响.结果表明:在并列瓶颈路网下,混合出行的用户均衡状态并不唯一;无论两个瓶颈的通行能力大小如何变化,增加学校-工作开始时间差对个人通勤者都是有利的;受瓶颈通行能力的影响,增加学校-工作开始时间差对家庭通勤者的影响是否有利是不确定的;并不是在任何情况下调节学校
为解决多居住区共享停车场同时存在临时共享停车需求和提前预约共享停车需求的动态泊位分配问题,本文提出将未来几个时段的共享停车供需同时考虑到当前时段泊位分配中的单时段泊位分配方法,并将本时段泊位匹配结果延伸到后续时段,从而提出共享泊位动态分配流程.对临时停车需求,以用户成本最小为目标确立优先泊位匹配的原则;对预约停车需求,以系统收益最大为目标确立在当前时段结束时统一分配泊位的原则.定义4个指标评价模型效果.选择来源于成都市某共享停车APP的3个居住小区一天的数据,对模型进行实证研究以及灵敏度分析.研究结果表明
为研究在政府鼓励措施下出行者和车位拥有者参与共享停车时的策略对共享停车匹配结果的影响,建立出行者和车位拥有者演化博弈模型并进行演化稳定状态分析,结合仿真说明不同收益和成本及策略选择对共享停车的影响.研究结果表明:在政府鼓励措施下双方演化博弈中出行者和车位拥有者均能通过不断学习最终演化至稳定均衡状态,但演化速率和演化波动性受双方收益制约;通过分析发现,想要演化至(使用,共享)状态则需要较高初始比例,可以通过提高收益和减少成本等措施诱导出行者和车位拥有者使用共享停车,同时在初始比例较高时收益分配比例对演化过程
为构建老年行人交通事故严重程度风险关联因素识别方法体系,本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori,XGB-Apriori)识别城市道路老年行人交通事故风险因子.运用机器学习优化关联规则算法结构,通过机器学习库scikit-learn中XGBoost(Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择.进而,对Apriori算法设置有序定向约束,得到适用于交通事故致因分析
现有关于行人群体运动行为的研究和规范绝大部分是以成年人群为主体的研究,关于儿童群体的理论及实验研究非常匮乏,在进行儿童群集运动管理及幼儿相关步行设施设计时往往需要参考以成年人群为主体所获得的理论及经验数据.本文组织了不同情境下(正常情况及应急疏散)幼儿群体的运动实验,通过实验数据对幼儿群体单向流运动的流密速关系、速度离散性、个体超越行为等基本特性进行了定量研究,并和成年人群的相关特性进行比较分析.实验结果表明,幼儿群体单向流的流(速)密关系呈现一种弥散性的分布,其速度的变异系数接近成年人的4～6倍;此外,