北京工业大学城市交通学院交通工程北京市重点实验室
- 作品数：16 被引量：54H指数：4
- 发文基金：国家自然科学基金北京市交通行业科技项目国家重点基础研究发展计划更多>>
- 相关领域：交通运输工程自动化与计算机技术电子电信天文地球更多>>
- 基于模糊综合评判法的自行车骑行环境评价——以北京市为例被引量：3
- 2022年
- 机动车与自行车争夺有限的道路资源,恶化了自行车骑行环境,如何改善自行车骑行环境并提高自行车道改善工作的决策水平是保障自行车出行的关键。从道路设施和交通运营两个方面分析筛选出13项骑行环境评价指标;基于拉格朗日条件极值原理综合运用包含层次分析法-熵值法的组合赋权法确定各项指标的权重系数,进而构建了城市自行车骑行环境模糊综合评判模型。最后选取北京市朝阳区部分道路为实例,进一步验证了模型的可行性。结果表明:根据道路状况和交通运营的评分高低确定自行车骑行环境改造的优先次序,可为较差的骑行环境提供明确的改造指导,避免无方向的盲目改造,从而以耗费更少的社会资源取得更优的骑行环境改善成效。
- 张智勇邵越黄鑫灿黄天星
- 关键词：自行车组合赋权模糊综合评判模型
- 弯道建议速度标志的研究被引量：1
- 2017年
- 建议速度是用来提醒司机通过弯道或其他特殊道路条件时最大的推荐速度,可以引导司机在危险点处选择安全车速。目前在城市快速路匝道以及小半径弯道的入口限速标志通常采用单一的限速值,由于限速值过低,实际的运行速度远远高于限速值,导致安全事故的频发。利用高精度车载GPS对小客车在不同弯道半径下的运行速度进行采集,建立距离与运行速度的预测模型;以实际运行速度的85%作为建议速度值,并给出建议速度标志的设置间距。通过驾驶模拟舱设置相应场景进行仿真,仿真结果显示,当弯道上连续设置建议速度标志时,可以有效降低车辆的实际运行速度。
- 张智勇刘婷贾建林张丹丹
- 关键词：交通工程弯道运行速度
- 人-机-网融合的新型车联网体系架构与关键技术被引量：2
- 2020年
- 高可靠、低时延以及更好的通信性能不是未来车联网技术演进的唯一目标。为了增强驾驶人体验,最大化乘客舒适度,满足车联网用户更深层次的智能通信需求,需要实现人(驾驶人、乘客、用户)-机(智能车)-网(车联网)的无缝连接与融合。为此,提出一种人-机-网融合的新型车联网体系架构,通过人工智能技术,将人的行为与意识特征映射到网络中,实现人与机、人与网络的无缝连接与双向适配,进一步给出和分析人-机-网融合的新型车联网关键理论与技术。
- 陈艳艳苏子勋范博吴远须成忠
- 关键词：车联网
- 加权指数损失下长短时记忆网络换道意图识别模型被引量：3
- 2021年
- 针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型。首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型,提出基于时间信息加权的指数损失函数对模型权重进行优化;最后,利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其他模型进行对比,所提模型换道识别的准确率为91.33%,宏平均精确率为89.04%,宏平均召回率为92.84%,宏平均F1值为90.33%。结果表明,长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力,提出的损失函数对模型权重优化具有良好的效果。
- 王皓昕李振龙赵晓华
- 关键词：智能交通
- 基于时空大数据的轨交站域用地功能紧凑度分析
- 2021年
- 在智慧国土空间规划背景下,城市轨道站点周边区域空间资源的进一步集约化利用成为趋势,然而现有研究中少有针对轨交站域用地功能紧凑程度的分析评价方法。通过对城市轨交站域土地利用特点及空间资源集约利用需求的解析,考虑站域土地承载城市功能的密度和多样性,建立轨交站域用地功能紧凑度指数。以北京市为实证区域,基于POI数据对全市轨交站域用地功能紧凑度进行评价,继而从日均客流量和客流模式两个维度对轨道站点进行分类,分析不同客流特征站点的站域用地功能紧凑度特性。研究发现日均客流量与站域用地功能紧凑度呈正相关,不同客流模式站点的站域用地功能紧凑度存在显著差异。研究成果可为轨交站域用地功能的规划调整和精细化管理提供理论支撑。
- 曹秉新刘卓陈艳艳陈亮周云彤
- 时空大数据驱动的新型智慧城市交通规划决策支持框架被引量：14
- 2020年
- 时空大数据由于其人本、精细、海量等优点已经融入到我国城市交通规划的各个环节之中,然而仍然存在数据利用相对割裂、辅助决策逻辑不清等问题。针对这些问题,首先将我国新型智慧城市交通规划工作的需求归纳为重点关注城市居民出行需求、着重提升城市交通服务能力、全面构建城市交通复合网络3个方面,进而梳理了支撑交通规划的5种时空大数据的特征及应用方向,在此基础上提出面向3个需求的新型智慧城市交通规划决策支持框架,从交通需求精准预测、出行过程全面感知、综合网络系统分析3个层面阐述利用时空大数据支持新型智慧城市交通规划各环节的思路。决策支持框架总体上实用性较强,其中机动化出行方式相关数据的应用相较于慢行交通相关数据更成熟,而精确到居民个体层面的微观数据的采集技术与应用方法仍需进一步开发完善。
- 刘卓陈艳艳路尧孙浩冬何佳
- 关键词：交通规划决策支持
- 基于遗传算法的公路自动选线与安全评价方法
- 2023年
- 针对公路自动选线交点搜索区域有限、评价方法不足等问题,基于遗传算法,通过构建公路线形约束模型、公路自动选线优化模型及运行速度预测模型,实现了公路三维空间选线方案自动寻优与安全性评价。结果表明:基于遗传算法的公路自动选线与安全评价方法,可以在给定的设计区域、拟定的技术、经济和安全条件下,克服路线交点只能在给定断面寻优的不足,实现设计方案的自动收敛和优化。在考虑路线安全性条件下,可以保证路线交点在拟定的选线区域全局进行自动搜索,验证了基于遗传算法的公路自动选线方法的可行性,并提升了选线工作的效率。该方法可以实现以速度一致性为指标的道路线形安全性评价,提高了选线方案的安全性设计水平。研究结果可为完善公路自动选线的理论基础,继续开展公路选线自动寻优方法的研究提供借鉴。
- 朱雷鹏张贵阳张志清
- 关键词：公路工程公路选线遗传算法
- 考虑宏微观建成环境的共享单车骑行影响因素分析被引量：1
- 2023年
- 针对共享单车骑行影响因素分析中对微观建成环境因素探讨的不足,以北京市五环内及附近街道为研究对象,基于城市多源数据,从公共交通设施、土地利用、人口经济属性、空间设计及道路环境5方面提取宏微观建成环境因素,并构建全局回归模型(global regression,GR)、地理加权回归模型(geographically weighted regression,GWR)及多尺度地理加权回归模型(multi-scale geographically weighted regression,MGWR),对共享单车骑行密度进行分析。研究结果表明:MGWR模型有更好的回归效果,调整拟合优度R 2高达0.91;共享单车骑行密度空间上呈现“高-高”及“低-低”聚类两极分化现象;地铁站点密度为局部影响因素,公交线路密度及隔离护栏出现率为区域影响因素,其他建成环境变量为全局尺度;骑行密度显著影响因素的回归系数,在空间上较为平稳,单一变量的空间影响关系均为正向或负向影响;微观建成环境中,绿视率、交通信号出现率为正向影响,色彩丰富性及路灯出现率为负向影响。
- 韦娇敏刘卓陈艳艳曹秉新郭音伽
- 基于AHP法的驾驶员反应时间影响因素评价研究被引量：7
- 2018年
- 驾驶员反应时间是研究驾驶行为的1项重要参数,影响驾驶员反应时间的因素较多,各个因素之间存在差异性,正确判断各个影响因素的重要程度有助于完善辅助驾驶系统的预警距离模型。通过分析,选取了13个影响因素进行研究,这些影响因素主要通过驾驶员自身状况、道路状况以及环境状况3个方面影响驾驶员反应时间。通过问卷调查,利用AHP对影响因素的3个准则13个指标进行重要度排序。在准则层中,驾驶员自身状况的影响最大,其权重值为0.637;在指标层中,天气状况因素影响最大,其权重值为0.252;驾驶经验影响因素次之,其权重值为0.203。并通过驾驶模拟舱平台对影响因素重要度排序进行验证,结果与AHP法得出的结论相吻合。
- 张智勇贾建林张丹丹梁天闻
- 关键词：交通运输工程驾驶行为层次分析法
- 基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型
- 2023年
- 为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。
- 于鹏任贵超林强赵晓华党利冈
- 关键词：自动驾驶K-MEANS聚类
