基于分层logit模型的车辆换道行为研究

研究分析复杂交通场景中车辆换道行为,揭示车辆运行特性及其规律。基于效用理论方法,以实现驾驶行为决策效用最大化为目标,建立车辆换道分层Logit模型。系统分析影响车辆行为变化的因素,建立各层次参数变量相关模型。仿真分析表明:较一般的车辆行为模型,车辆换道分层Logit模型更能准确地描述实际交通场景中车辆换道的行为决策过程,有效提高车辆运行效率。研究结果为智能车路协同与交互行为、车辆可变限速技术、自适应巡航控制技术等提供理论依据和技术支撑。     

基于形变长短期记忆网络的换道意图预测

混行交通下的自动驾驶车辆需具备换道意图预测能力来保障行驶安全。为尽早预测车辆换道意图,提出一种基于形变长短期记忆(mogrifier long short-term memory, M-LSTM)网络的换道意图预测模型。首先采用S-G (Savitzky-Golay)滤波器对自然驾驶数据集NGSIM(next generation simulation)进行降噪筛选,按向左换道、向右换道、直线行驶对不同时间长度的轨迹序列标注,选取车辆运动信息与环境信息输入模型,最后采用softmax函数进行意图分类。试验结果表明,在不同预判时间下,模型准确率均高于支持向量机(support vector machine, SVM)、LSTM模型,且越接近换道点预测准确率越高,在1.0、2.5 s时预测准确率分别为93.83%与81.30%。提出的模型具有良好的准确性与预判性,能为自动驾驶车辆尽早识别换道意图提供技术支持。     

神经网络与贝叶斯滤波器在换道预测中的应用

为提高车辆在换道过程中的行车安全性。提出一种基于BP神经网络与贝叶斯滤波器的换道意图预测方法,通过车道线传感器、方向盘转角传感器和车身CAN总线采集相关表征参数,将其作为BP神经网络输入数据,对驾驶人换道意图进行初步预测,BP神经网络输出结果作为贝叶斯滤波器输入数据,对BP神经网络预测结果作进一步修正。对模型利用真实换道数据进行训练和检测,结果表明此模型的预测准确率达到91.38%,相较于单一的BP神经网络模型,预测准确率提高了6%,并且具有更强的通用性。     

基于驾驶员类型的车辆换道模型

由于传统最小安全距离的换道模型忽视驾驶员个体差异,使其缺乏安全性和灵活性.文中首先对与换道相关联的车辆的运动状态进行了详细的分析,给出了车辆与关联车辆之间各种可能的碰撞形式.在此基础上,针对不同类型司机在不同换道环境下的驾驶特性,结合车辆运动学理论,建立基于不同行驶状态及不同司机类型的椭圆最小安全距离换道模型,能够较好地解决传统换道模型存在的缺陷.最后通过Matlab仿真对比发现,文中提出的模型由于考虑驾驶员因素,仿真结果与实际交通更为相符.     

基于双曲正切函数的小客车换道轨迹模型

通过Simi-Motion软件提取高速公路出口路段无人机航拍视频的左换道(LLC)和右换道(RLC)车辆轨迹数据,基于双曲正切函数建立了新的车辆换道轨迹模型,将新模型与传统的样条曲线函数、五次多项式、正弦函数轨迹模型进行对比分析.通过对模型参数的敏感性分析、拟合优度检验、CarSim仿真分析证明了新模型的特点和适用性.研究表明:相比于传统的换道轨迹模型,新模型具有较高的拟合精度,且模型中各参数均具有实际物理意义,模型中参数τ值表征驾驶员出口路段换道行为的紧急程度,该参数的存在使得新模型具有普适性和应用价值.利用这一特性,该模型可以生成特定驾驶环境的车辆换道轨迹,有助于与换道有关的道路几何指标研究和驾驶员辅助系统(ADAS)的开发和应用.     

基于Carsim和Simulink的超车换道仿真分析

超车是换道的主要动机,分析超车过程中驾驶员的操作特性以及车辆运动状态,能够为驾驶员模型的精确控制提供参考。在分析各种可能换道的基础上,构建动态超车换道可行域。以7次多项式规划换道边界轨迹,依据期望跟车距离确定可行域的上边界,根据安全碰撞条件确定可行域的下边界;并依据两车的运动关系确定超车换道条件。预设超车换道轨迹,在Simulink中构建驾驶员模型;并将Carsim中车辆模型导入,进行了超车换道模型仿真分析。对超车过程中车辆参数进行对比分析。结果表明:超车过程中驾驶员一般会提高车速,但加速强度不大;且低速时换道的随意性大,但与设定轨迹偏离程度较小。     

基于Markov转移矩阵预测机场道面使用状态

应用Logistic回归方程建立了连续变量(道面厚度、交通量、道面使用时间)和分类变量(道面养护等级、道面所处的自然区域以及道面结构类型)与Markov转移概率的回归关系.选取我国多个机场实测道面状况指数数据作为基础数据,进行了模型的参数估计及显著性检验,并举例分析模型预测效果.改进了Markov概率预测模型中的参数标定方法,提高了预测精度,并在一定程度上解决了因为机场道面观测数据少,传统预测模型无法获得稳定参数估计的问题,拓展了模型的适用范围.     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

基于效用理论的车辆换道交互行为及决策模型

研究分析道路交通环境下的车辆换道交互行为,客观反映车辆微观行为特性及宏观车流运行规律。通过分析车辆换道微观驾驶行为,构建Logit模型定量分析驾驶人换道行为决策过程,基于“效用理论”思想,实现驾驶人决策效用最大化。选取青岛市杭鞍快速路实际交通流为研究背景,标定模型相关参数;进一步仿真验证了分层Logit模型的准确性。研究成果可为智能网联交通环境下的车车交互、车路协同和自动驾驶系统提供理论支撑和方法依据。     

基于Logistic模型的驾驶人换道意图识别方法

 为有效降低车道变换行为诱发事故的风险性,提出一种基于Logistic 模型的驾驶人换道意图识别方法。利用faceLAB 视觉追踪系统,通过真实环境下的实车测试,结合换道前驾驶人对后视镜的注视特性确定换道意图时窗,分析车道保持与换道意图阶段的注视特性差异,提取扫视次数、扫视幅度、水平方向视觉搜索广度、头部水平转动角度标准差等驾驶人换道意图特征指标,构建了Logistic 模型,并经效度检验后应用于对驾驶人换道意图的识别。结果显示,基于Logistic 模型的驾驶人换道意图识别方法的识别成功率达到90.24%,与基于转向灯信号的驾驶人换道意图识别方法相比,具有明显的时序及成功率方面的优势。     

车与两轮车事故中驾驶员转向行为影响因素研究

为研究车与两轮车事故中驾驶员转向行为的影响因素,本文对172例车与两轮车真实案例进行统计分析,从中挑选出65例车辆具有驾驶转向行为的事故案例,并利用PC-CRASH对其进行事故再现仿真。运用Logistic回归模型对事故数据进行分析,得到驾驶员转向行为的显著性影响因素,最后利用拟合优度检验法和预测准确度检验法验证了模型的可靠性,置信度为95%时,模型的回判正确率为87.7%,具有良好的预测效果。结果表明：在车与两轮车事故中车流量、两者相对距离以及本车速度对驾驶员转向行为影响显著性较高,发生比依次为0.049、0.036、0.025,在车辆横向辅助驾驶系统开发及转向策略确定时应作为重点考虑因素,本研究可为汽车自动驾驶、紧急转向系统等汽车主动安全技术的研发提供参考价值。     

犯罪与网络行为特征的映射研究

选取美国芝加哥2012—2017年的盗窃、抢劫、毒品案件进行研究.提出一种基于时空影响域的犯罪网络构造方法,并针对犯罪表现的行为特征与网络行为特征进行映射分析.实验结果表明,所提方法构造的犯罪网络在不同犯罪类型、不同网络规模下均表现出无标度性、小世界特征;局部呈现高聚集性,并体现不同的聚集特点;犯罪网络社团化的程度明显.因此,可以利用复杂网络手段,对犯罪网络建模与拓扑特征分析方面作进一步深入探讨,对不同犯罪模式的动力学研究以及预防和资源配置提供新思路.     

基于驾驶行为的隧道交通标志影响特征及作用机理

合理设置隧道交通标志能够在一定程度上缓解隧道特殊环境引发的“时空隧道效应”。文中研究了高速公路隧道内部交通标志（限速标志、出口预告标志）对驾驶行为的影响特性,首先选取特长隧道作为实验路段,通过驾驶模拟实验测试获取驾驶人细粒度微观行为数据,然后再考虑随机效应影响的条件下构建线性混合效应模型,揭示了隧道内部交通标志对驾驶行为的影响特征及作用机理。结果表明：不同影响区段内交通标志对驾驶行为的作用存在差异;在隧道内部设置限速标志能够一定程度上降低事故风险的发生概率,限速标志的重复设置一定程度上能提高驾驶人的操控能力;在隧道内部设置限速标志及出口距离预告标志有助于改善驾驶人空间控制能力、提高驾驶舒适度,其中,在距离隧道出口约小于1 km的影响区段内设置隧道出口距离预告标志有助于提高驾驶人的行车舒适性,在距离隧道出口2 km和1.5 km的影响区段内设置预告标志能在提高车辆控制能力的同时使驾驶人具有更高的行驶车速;此外,隧道交通标志作用下的驾驶行为受驾驶人性别、年龄、驾驶经验等特征属性影响,男性驾驶人的驾驶风险更低。     

基于Prophet-LSTM-PSO组合模型的医院住院量预测研究

针对医院住院量预测问题,首先利用先知模型（Prophet）与长短期记忆循环神经网络（LSTM）预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析,然后利用粒子群算法（PSO）求出两种模型对应的组合系数,从而得到最终的Prophet-LSTM-PSO组合模型,并通过RMSE和MA...     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

音乐环境对驾驶行为危险度影响的预测模型

考虑到车载音乐环境下驾驶行为变化规律在道路交通系统中具有理论和现实意义,以国内外车载音乐对驾驶员心理负荷和驾驶行为影响的研究成果为基础,界定出驾驶行为危险度的定义.同时引入主成分分析法并结合驾驶行为的三个指标,实现对车载音乐环境下驾驶行为危险度的评价.以驾驶员的心率变异性作为输入变量,驾驶行为危险度作为输出变量,构建基于心理负荷的驾驶行为危险度预测模型,并提出不同类型驾驶员收听音乐的建议方案.研究成果可为减少道路交通事故和保障汽车安全运行发挥作用.     

基于ARIMA的居民消费价格指数建模与预测

根据我国2007～2010年的实际居民消费价格指数,建立了基于ARIMA的物价指数预测模型。实验结果表明,该模型的绝对误差以及百分比绝对误差都控制在了一定范围之内,因此该模型拟合效果较好,预测值接近实际值。最后,应用该模型对我国2011年1月至5月的居民消费价格指数进行了预测。     

遗传算法在建筑物沉降预测中的应用

结合遗传进化算法的全局优化思想和时间序列分析的基本理论,提出了一种新的基于遗传算法的建筑物沉降非线性动力学行为预测模型进化识别算法。设计了模型结构和参数分别进化,共同识别方案,实现对非线性时间序列分析模型结构和参数进行全局最优搜索。实例分析结果表明：该方法具有较好的预测精度和推广预测能力,为高大建筑物沉降预测提供了一个有效的分析工具。     

基于驾驶员眼动特征的蓄能荧光标线诱导特性及设置方法

为了研究公路主动发光的荧光标线视认性,利用UC-win /Road 软件对公路荧光标线进行仿真模拟,采集了20名驾驶员的眼动数据,定量分析了不同标线宽度和布设方式下,荧光标线视认性对驾驶员注视点占比和瞳孔面积变化率影响的规律。最后,通过室外实车实验的方式对仿真结果进行验证。结果表明：直线路段标线宽度为100%的方案是最佳方案,当辉度值为3坎德拉每平方米(cd/m_²)时,为最经济方案;曲线路段标线施划在车道边缘线外侧且间距为9m效果最佳。     

基于时域特征检测用户用电不确定性行为

针对用户用电不确定性程度难以量化,如何选取合适用户参与电网新业务的问题,提出一种基于时域特征分量提取的用户用电不确定性行为检测方法,首先依次提取用电数据的周期分量、趋势分量和随机分量,并从随机分量中检测用户的不确定行为点,其次分别从短期和长期两个维度提出用户局部和整体不确定性指标,并对用户不确定性进行排序.结果 表明,所提方法可以准确检测用户的不确定行为点,量化用户的不确定性程度,在检测精度,效率和速率等方面均比其他方法具有优势,为电网公司在不同时段选取用户参与调控提供依据.