利他情境对驾驶个体跟驰行为的影响

地震灾害情景下的个体跟驰行为会受到利他情境的影响。基于驾驶模拟器,设置利他情境和中性情境两组驾驶任务,在相同的道路驾驶场景中,采集被试个体的跟驰行为数据。选择Gipps模型用于表示个体跟驰行为,采用遗传算法对不同个体的Gipps跟驰模型参数进行标定。对比不同驾驶任务组的标定结果表明：利他情境与中性情境驾驶任务组的组间差异显著;个体执行利他情境驾驶任务时,相比中性情境驾驶任务,驾驶的最大减速度上升、预估前车最大减速度上升、安全距离下降、最大加速度上升;利他情境下个体有意识紧跟前车以达到尽快完成驾驶任务的目的,同时在行驶过程中表现出个体对驾驶安全性有更高的期望。该研究表明：在应急交通疏散过程中,给予个体一定程度的利他情境,可能有助于提高交通疏散整体的安全性能与疏散效率。     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境,基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先,探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化,研究表明,混行环境中MV跟驰行为的机制没有发生变化,但是MV驾驶人的减速敏感程度更低。其次,从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到,混行环境中的MV跟驰行为的稳定性和环境效应得到了改善,但是安全性并没有发生变化。最后,通过对前车速度波动性进行讨论发现,AV前车主要是通过降低自身速度波动性,从而抑制MV后车的速度波动性,改善MV后车在稳定性及环境效应方面的表现。     

考虑预估驾驶行为的跟驰模型及其稳定性分析

在 OV 模型的基础上,进一步考虑预估驾驶行为对车流的影响,提出一个新的跟驰模型以获得预估驾驶行为与交通拥堵的关系。通过对新模型进行稳定性分析得到了系统的临界稳定条件。数值仿真结果表明：新模型能够模拟诸如时停时走、系统临界相变等实际交通现象,较 OV模型更贴近于实际。同时,预估驾驶行为增强了交通流稳定性能,提高了车流陷入交通阻塞状态的阈值。最后以车速的平滑度和波动幅度最小为评价指标得到了新模型中预估参数的最优取值范围。     

基于自然驾驶数据的信号交叉口车辆跟驰行为特征分析

为明确城市信号交叉口的车辆跟驰行为特性,基于自然驾驶试验数据,对车辆在减速、加速跟驰状态的车头间距、车头时距和相对速度进行了分布特征分析以及与跟驰速度的相关性分析。结果表明：减速跟驰状态的相对速度主要集中于[-3m/s,1m/s],加速跟驰状态主要集中于[-1m/s,3m/s];减速跟驰状态和加速跟驰状态的车头时距随后车跟驰速度变化趋势相同,确定了跟驰速度小于20km/h的车头时距阈值;去掉跟驰速度小于6km/h的数据后得到的减速跟驰、加速跟驰状态车头时距和车头间距均呈正偏态分布,车头间距集中于5-30m,车头时距集中于1.5s-3.5s;两种跟驰状态车头间距、车头时距的5th、50th、95th特征值与跟驰速度具有较强的相关性。     

基于跟驰行为谱的跟驰风险状态预测

跟驰风险状态反映车辆跟驰行驶过程中的危险程度。为了实时预测跟驰风险状态,基于跟驰行为谱,提取碰撞时间倒数、横向摆动系数、速度不稳定系数3种跟驰风险状态指标,并确定状态划分阈值。采用精确决策树、提升树、线性回归拟合、支持向量机、K-近邻、集成树6种机器学习预测模型进行跟驰风险状态预测,选取准确率、四级风险状态召回率、平均召回率对模型预测效果进行评价,对不同预测时长和不同特征指标序列时长下的预测效果进行对比。基于驾驶模拟器采集的不同道路类型和交通状态组合下6种典型跟驰场景驾驶行为数据进行分析,结果表明,精确决策树预测跟驰风险状态效果最佳;拥挤交通流下支路跟驰的预测效果显著好于其他场景,其他5种场景下的预测效果无显著差异;通过增加特征指标序列时长,可缓解预测效果因预测时长增大而变差的问题。可为车辆主动安全预警与防控提供技术支撑。     

快速路入口区域车辆跟驰行为研究

快速路入口区域车辆跟驰行为及安全间距会受到汇入车辆影响。为了探索快速路入口区域车辆的跟驰行为,利用无人机在200m高空对快速路入口区域进行高空悬停定点拍摄,并利用Tracker软件提取了车辆速度、车辆横纵坐标、加速度等参数。采用跟驰距离、相对跟驰速度绝对值及跟驰片段长度指标对快速路入口区域车辆的跟驰行为进行判断,确定了快速路入口区域跟驰行为判定准则。在此基础上,对交通流变化、车道分布、入口形式对跟驰行为的影响进行对比分析。研究发现：快速路入口区域车辆跟驰距离均值为26m,车辆跟驰距离集中分布在15~28m;相对跟驰速度绝对值均值为0.75m/s,且90%车辆相对速度绝对值小于1m/s;车辆跟驰距离和后车跟驰速度随交通流增加逐渐减小;快速路最内侧车道车辆跟驰距离和跟驰速度大于中间车道;直接式入口的主线车辆跟驰距离和跟驰速度大于平行式入口。本文研究成果可为快速路入口区域跟驰行为参数标定及管控提供参考依据。     

车辆跟驰模型的发展综述

对车辆跟驰理论进行概述,分析车辆在非自由状态行驶下的跟驰特性。跟驰模型在近70年的发展历程中,吸引了交通工程学、统计物理学、心理学等不同领域的专家参与研究,建模时考虑因素由单一到多元、由简单到复杂,随着模型的不断发展,逐渐贴合于实际交通状况;分析了刺激-反应类模型、安全距离Gipps模型、优化速度FVD模型、元胞自动机模型,重点剖析了四类模型的建模思路和改进过程,对经典跟驰模型进行总结对比;展望了跟驰模型未来发展的趋势,指出在无人驾驶和智能网联的大环境下,基于机器学习的安全跟驰状态辨识方法研究、基于机器学习的跟驰特性研究及基于多元信息融合的跟驰模型构建等将是未来的发展方向。     

跟驰行驶状态下的驾驶模拟有效性研究

为验证驾驶模拟技术在跟驰行为研究中的有效性,设计了实车实验与驾驶模拟实验。选取了跟驰距离、跟驰距离标准差、车头时距及驾驶员反应延迟时间作为分析指标,并采用Wilcox检验、生存分析方法分别验证了非时间数据、时间数据的有效性。结果表明跟驰距离、车头时距、驾驶员反应延迟时间具备绝对有效性,两种不同实验环境下跟驰距离标准差随跟驰速度变化趋势相同,具备相对有效性。实车实验中,前车加速度、前后车相对距离、前车加速度变化状态显著影响驾驶员反应延迟时间。有效性分析结果为基于驾驶模拟实验的跟驰行为研究提供前提条件,生存分析结果可用于驾驶员反应延迟时间建模及跟驰模型优化。     

基于自然驾驶数据的分心状态特征分析与跟驰行为建模

基于行为特征对分心跟驰行为进行分类和建模,根据模型标定的方法探究不同状态下跟驰模型的适应性。首先从持续开展3年有余的上海自然驾驶数据中提取了大量分心跟驰样本,基于驾驶行为刺激反应框架对分心状态特征进行了初步分类,得到了5类分心跟驰行为;其次分析了现有4类经典跟驰模型（GHR、GIPPS、IDM和Wiedemann）对分心跟驰行为的适应性,同时根据五折交叉验证适应性结果对分心跟驰行为分类进一步优化,最终得到3类分心跟驰行为（麻木反应、过激反应和延迟反应）;最后探讨了分心状态下的2种跟驰行为建模策略（AIDM和TDIDM）。结果表明,对IDM模型进行合理标定即可较准确地描述不同类型的分心跟驰行为。     

GPS数据驱动的车辆跟驰行为建模与分析

为研究道路交通流特性,基于车载高精度GPS跟驰试验数据进行车辆跟驰建模研究,结合深度学习理论和数据驱动方法,构建了基于粒子群优化(particle swarm optimization, PSO)的长短期记忆(long short term memory, LSTM)车辆跟驰模型。首先,清洗和平滑车辆轨迹数据,并对驾驶特征行为参数及相关关系进行研究,如加速度、车头时距以及速度与跟驰距离特性关系等。在此基础上,制定跟驰状态筛选规则;其次,构建考虑时间序列的PSO-LSTM模型,识别跟驰数据样本集,将当前时刻的前车速度、车头间距和上一时刻的车头时距作为模型输入,预测当前时刻的跟驰车速度;接着,选用25辆车跟驰试验的高精度GPS数据验证PSO-LSTM模型性能;最后,为验证该模型的优越性,选用传统机器学习SVR(support vector regression)模型以及深度学习LSTM模型作为对比。结果表明,基于粒子群优化的长短期记忆模型预测精度高达0.993,整体预测效果高于SVR模型和LSTM模型,其中预测误差指标MAPE(mean absolute percentage error)较SVR和LSTM分别降低了60.02%、1.52%。PSO算法进行超参数优化后的PSO-LSTM模型,能更好地模拟车辆的跟驰行为。     

基于动态安全车距的车辆跟驰模型及稳定性分析

为了更好地模拟车辆的跟驰特性,在全速度差(full velocity difference,FVD)模型的基础上考虑前车与跟随车的车头间距、速度差、速度和加速度等因素,建立了一种基于动态安全车距的改进FVD跟驰模型.构建了可变车头时距模型量化前车加速度对跟驰车头间距的影响程度;应用小振幅扰动分析和长波展开进行了模型线性稳定性分析,推导了改进FVD模型的临界稳定性条件;设计环形道路上微扰动数值仿真实验,分析了扰动后的车辆跟驰行为特性,解析加速度参数对模型抗扰能力的影响.研究结果表明:考虑前车加速度信息可以降低扰动演化时的波动振幅,有助于提高车流的稳定性.     

大气颗粒物PM2.5及其源解析

大气颗粒物的来源分为两类：一类是自然源;另一类是人为源。自然源主要包括：岩石土壤风化、森林大火、火山爆发、流星雨、沙尘暴、海盐粒子、植物花粉、真菌孢子、细菌体,以及各种有机物质的自燃过程等。人为源主要包括：汽车尾气排放、摩托车尾气排放、火车机车排放、飞机尾气排放、轮船排放、工业窑炉排放、民用炉灶排放、农用拖拉机排放、工业粉尘、交通道路扬尘、建筑工地扬尘、裸露地面扬尘、烹饪油烟、街头无序烧烤、垃圾焚烧、农田秸秆焚烧、燃放烟花爆竹、寺庙香火和烟民抽烟等。在大气颗粒物中,细颗粒物主要来自化石燃料和生物质的燃烧过程。专家们认为细颗粒物是导致北京地区雾霾灾害天气频繁出现的最主要因素。汽车尾气排放大量的空气污染物。有车族对北京市严重的大气污染和雾霾灾害的形成,负有首要责任。有车族,少开车,或者不开车,是解决目前北京严重的大气污染,阻止雾霾灾害天气频繁出现的根本出路。     

内燃机燃烧室流场PIV测试中示踪粒子跟随性分析

从紊流理论出发,对处于紊流流场中的示踪粒子进行受力分析,根据粒子图像测速(PIV)中的实际要求与BBO(Basset-Boussinesq-Oseen)方程的不同,建立了紊流流场中示踪粒子的模型;推导出适应内燃机燃烧室流场PIV测试的示踪粒子跟随性计算公式,得出在该买验条件下,示踪粒子直径小于19．2μm时,PIV测试会取得较好结果。     

异常突发事件下交通流特征分析与预测

针对在异常突发事件下交通流会呈现的不同特性进行研究,以期实现在突发事件下的城市道路短期交通流精准预测。引入基于跳转的ARIMA模型来对突发事件下的交通流变化规律进行描述,在路网正常情况下和路网堵塞情况下,仿真算例表明,预测模型可以较好地进行道路区域网络交流注预测。     

绝热条件下二能级系统相干控制动态分析

在量子力学的缀饰态表象中,运用布洛赫矢量及其球形图,研究了正弦相位调制的整形脉冲作用到二能级系统的跃迁过程,对其随时间演化过程进行形象化动态分析．结果表明,合适的正弦函数位相整形脉冲作用到二能级系统,无论整形脉冲选择何种位相,都可使粒子布居数反转,并使粒子维持在该态上．在绝热条件下,光场与系统作用过程中粒子的绝热状态随态和位相走势的不同而变化．     

小麦新品种"54368"生育的农业气象条件试验总结

用鲁麦1号小麦作对照,通过分期播种的方法,对小麦新品种"54368"进行了田间试验.结果显示,54368小麦需要的热量条件少于鲁麦1号,生育期比鲁麦1号短2天左右,抗蚜虫能力比鲁麦1号略差,抗锈病能力与鲁麦1号相当,丰产性能明显优于鲁麦1号.     

临汾地区冬小麦生育期的气候生态分析

冬小麦在临汾地区粮食生产中占有非常重要的地位,占粮食作物播种面积的83%,其产量丰欠波动主要受制于生育期间的温度、水分、光照时数等气象条件,本文通过对1985年～2008年冬小麦的观测数据和发育期内的气象资料对比分析,得出相关结论.     

交叉口非饱和条件下的双向绿波交通实现方法

为了缓解城市主干道的交通拥挤,本文提出一种可在交叉口非饱和条件下实施的信号协调控制方法。其中对相位差、绿波带宽度、公用周期长度三个重要参数进行了设计;并且对车速、交通量的测定方法以及控制系统的实现方法进行了描述。     

两全同二能级原子同时与真空腔场相互作用任意态的纠缠

应用负值量子条件熵,研究了在大失谐情况下,两全同二能级原子同时与一真空腔场相互作用任意态纠缠的时间演化.考察了统初态对两原子系之间量子纠缠的影响,并将结果与concurrence的时间演化作了比较.结果表明,负值条件熵能够作为该条件下两全同二能级原子同时与单模腔场相互作用任意态的,容易解析计算的纠缠度.图2,参12.