关于车辆行驶速度影响因素的综述

综述了车辆速度的影响因素,针对每种因素分别阐述了其作用机理和量化影响.将车速的影响因素分为道路因素、交通设施因素、道路环境因素和交通管理因素四类.道路因素包括道路平面线形、纵断面和横断面.交通设施因素包括道路标志、道路标线和控速设施.道路环境因素包括视野和路侧景观两方面因素.交通管理因素涵盖了交通法规和交通管理措施两方面因素.研究结果表明,各因素主要是通过影响驾驶人的视觉特性、心理特性和驾驶舒适性等方式来实现的,并且各种影响效果具有可叠加性.     

道路交通控制的发展趋势研究

运用现有的交通信号控制系统以及信息技术，发展城市智能化交通控制技术，以解决交通问题，这也是21世纪城市交通管理与控制的发展方向。本文概述了道路交通控制的发展现状，并通过分析提出了道路交通控制的发展趋势。     

交通语言系统结构

用语言的规则性来比拟交通管制信息和出行相关信息系统的规则性。交通语言系统是交通管理者与出行者（设施使用者）之间进行信息交换的工具，是以文字、符号、颜色等为基础的符号体系和规则体系的集合，用于将交通管理者管理意图和出行信息等转化为直接面向出行者的交通信息，也能将这些信息反向的转化为人们可以理解的信息。文章首先给出了交通语言的定义，分析了交通语言的特点、功能和基本语素，进而建立了交通语言系统的框架结构体系，提出了系统的元素集和规则集，并将交通语言系统进行了初步的层次划分。     

浅谈城市电子交通监控系统

论述了城市交通监控系统的高科技、现代化方法,着重介绍了交通信号控制与交通电视监视子系统在实际工程中的应用。     

太空拖船拯救越轨航天器

在公路上,我们常常会发现因出现故障而抛锚的汽车,也有一些汽车因车祸而停止不前,这些汽车会堵塞交通要道,影响正常的交通秩序。此时,交通管理部门就会出动一些拖车,把那些出现故障的车拖走。现在,随着航天器的不断增多,太空中也会出现交通阻塞现象,也可能出现碰撞等交通事故。此时,也需要航天部门出动“太空拖船”,把那些废弃的航天器拖走,或者把那些脱离轨道的航天器拖到正常的轨道,甚至可以把撞向地球的小行星拖走。离子发动机为拖船提供动力近年来,欧洲出现了一家“轨道救援”公司,他们专门想办法对付那些脱轨的航天器。他们开发了一种…     

改善大连湾船舶交通定线系统的研究

根据ＩＭＯ及我国有关船舶交通定线规划的原则，通过海上船舶交通调查与实态观测，分析大连湾船舶交通存在的主要问题，提出了改善大连海湾船舶交通定线系统的方案。     

基于R/S分析研究交通流的长程相关性

人们观察结果表明，城市交通流的变化具有周期性，但是如何从理论方法分析得出其具有周期性的结论，如何确定其周期，是需要解决的问题，论文提出用R／S(rescaled range)分析交通流的长程相关性来研究这一问题，介绍了该方法的原理，给出了一组实际交通流时间序列的实证分析结果，从计算出的Hurst指数求出了该交通流时间序列的变化周期，讨论了有益的结论。     

山区高等级公路交通事故原因特殊性分析与改进措施

分析我国山区高等级公路交通事故的特点、产生原因及特殊性。提出提高山区高等级公路交通安全性的具体措施。     

城市道路网的可靠性仿真

首先就城市道路网可靠性的定义、影响因素和研究重点进行了措施，然后据此建立起了基于出行时长的路网可靠性模型，通过对该模型进行仿真计算，从而为城市交通的信息化管理提供了可靠依据。最后对需要更进一步进行研究的方向提出了建议。     

Multi-Dimensional Traffic Flow Time Series Analysis with Self-Organizing Maps

The two important features of self-organizing maps （SOM）, topological preservation and easy visualization, give it great potential for analyzing multi-dimensional time series, specifically traffic flow time series in an urban traffic network. This paper investigates the application of SOM in the representation and prediction of multi-dimensional traffic time series. Ffrst, SOMs are applied to cluster the time series and to project each multi-dimensional vector onto a two-dimensional SOM plane while preserving the topological relationships of the original data. Then, the easy visualization of the SOMs is utilized and several exploratory methods are used to investigate the physical meaning of the clusters as well as how the traffic flow vectors evolve with time. Finally, the k-nearest neighbor （kNN） algorithm is applied to the clustering result to perform short-term predictions of the traffic flow vectors. Analysis of real world traffic data shows the effec- tiveness of these methods for traffic flow predictions, for they can capture the nonlinear information of traffic flows data and predict traffic flows on multiple links simultaneously.