地下道路的地面出入口与交叉口最小间距研究

地下道路在地面的出入口位置影响着地下和地面车流的衔接,出入口与交叉口的最小间距是当前发展地下道路体系需要解决的重要问题。本文分析了出入口间相对位置的组合模式,以交织段换道延误次数为主要判断依据,建立交织段最小长度模型,通过算例,给出寻找连续换道的最大关键次数和关键车流的方法,针对交通流的混合特性,运用Matlab编程给出交织段最小长度的离散阈值,为地下道路在确定地面出入口与交叉口最小间距时提供依据。     

包装与平面设计的异同关系

主要阐述了包装设计与平面设计的异同关系,指出包装设计是整体的系统化设计,要求其实现包装的自然功能与社会动能的优化结合;而平面设计创意则是以视觉传达艺术设计为本的同一平面领域的设计.     

双向四车道高速公路防眩板设置高度研究

通过对绝大多数资料中防眩板设置高度计算公式的研究,分析了设置高度计算公式的推导过程;根据防眩板设置高度的计算图示,推导了在计算防眩板设置高度时的车道组合原则;根据车辆的前灯高度与驾驶员视线高度的建议值、一般情况下的中央分隔带宽度、车道宽度和防眩板的抗风载能力等因素,确定了在双向四车道高速公路上防眩板的合理设置高度应为1.60～1.70 m;最后,根据防眩板设置高度为1.60 m或1.70 m时,得出了双向四车道高速公路上中央分隔带宽度应大于等于3.75 m或2 m。     

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。     

城市公共交通专用道规划研究

随着国民经济的快速发展,城市交通需求迅速扩大,发展轨道交通是解决大城市交通问题的根本途径,但轨道交通建设耗资巨大,建设周期长,为缓解交通拥挤,在有限的道路条件下,尽可能提高公共汽车的运载能力和服务水平,规划公交专用道是一种行之有效的方法。文章以合肥市为例,对公交专用道规划进行探讨,说明公交专用道的优越性。     

智能汽车变道盲区影像对驾驶员认知负荷与安全性的影响

智能汽车变道盲区影像在为驾驶员提供更多环境信息的同时也可能增加驾驶员的认知负荷。针对这一问题,提出改进AttenD算法,建立认知负荷与驾驶员注视点分布的关系模型,对3种智能汽车品牌车辆开展实车路测实验,分析多种外部条件下驾驶员与不同变道盲区影像交互过程中注视特征、驾驶行为特征以及认知负荷的差异。结果表明,增大盲区影像面积、提高盲区影像面积占中控屏面积的比例、减少扫视路径冗余能降低变道过程中的认知负荷。     

极近距离煤层下分层回采巷道支护技术研究与实践

本文通过对同煤集团四老沟矿极近距离煤层下分层巷道支护技术研究,对层间距为0.8～2.0 m下分层巷道采用双重组合支护方式,成功地维护住了巷道顶板,达到了预期的支护效果.这对极近、近距离煤层下分层掘进工作面的支护具有重要的应用和参考价值.     

循环多特征信息融合法： 一种基于深度学习的车道线检测方法

车道线检测是辅助驾驶和自动驾驶的核心技术之一。为了进一步增强车道线特征的提取能力,提出一种基于深度学习的循环多特征信息融合车道线识别算法。针对模型计算效率问题,该算法将车道线检测问题视为基于行选择单元格的分类问题;针对图像中车道信息聚合问题,提出了一种新的循环多特征信息聚合(recurrent multi-feature information aggregator,RMFA)方法,并将该方法与残差神经网络(residual neural network,ResNet)相结合提出融合上下文及多通道信息的车道线识别网络ResNet-RMFA。将该网络模型在Tusimple和CULane公开数据集上进行了性能测试,实验结果表明该模型单帧图像的推理时间可达4.8 ms,在Tusimple数据集上的精确度为96.07%,在CULane数据集上的F1(IoU=0.5)评分为69.3%,达到了速度与精度的良好平衡。     

基于车道集计交通流数据的事故风险评估分析

事故风险评估分析提取事故及对应非事故状况下的交通运行数据作为自变量,以事故发生与否作为0或1因变量,采用数理统计模型分析事故发生与交通流状态的关联性.为探索上海市城市快速路的车道集计交通流数据用于事故风险评估分析的可行性,基于条件Logistic回归,使用该数据与事故数据构建事故风险评估模型,并检验模型预测精度.结果表明低运行速度、车道间流量的差异性会增加事故发生的概率;上海市城市快速路的车道集计交通流数据可用于事故风险评估研究.     

基于OpenCV的改进RANSAC车道线检测方法

车道线的检测技术是自动驾驶汽车中的重要技术。为了提高车道线的检测能力,提出了一种改进RANSAC的车道线识别方法。通过设置感兴趣区域提取路面图像并进行缩放;把彩色图像的RGB通道按5∶5∶0的权重转化成灰度图像;再用速度更快的积分图法对图像进行自适应二值化;接下来进行一系列的形态学处理来减小噪声;提取Harris角点作为拟合数据点;最后,运用改进了选择初始点和删除外点的RANSAC(random sample consensus)的方法,根据数据点估计车道线参数。实验结果表明,该算法适合多种道路环境下的车道线检测,具有较好的鲁棒性和实时性。