下载文档原格式
摘 要居民生活水平飞速上升，随之机动车保有量的逐年增长，城市交叉口拥堵问题越来越严重，降低了城市居民的生活质量，缓解城市交叉口交通拥堵问题是交通从业者一直困扰的难题。
本文拟从交通流理论出发，搭建考虑驾驶员性格的近交叉口元胞自动机模型并仿真模拟，模拟仿真不同性格的驾驶员在城市近交叉口交通行为，从驾驶员性格因素分析有的城市近交叉口交通流，剖析城市交叉口交通流机理，分析有倒计时信号灯的交叉口交通流现象，缓解的交叉口交通拥堵。
本文主要基于元胞自动理论，考虑不同性格类型（激进型驾驶员、稳重型驾驶员、谨慎型驾驶员）的驾驶员搭建近交叉口单车道和三车道元胞自动机模型，由于不同性格驾驶员换道概率的不同，为了更好地体现不同驾驶员不同换道需求对交叉口交通流影响，在单车道交叉口模型的基础上搭建更具代表性的三车道交叉口模型，更好的模拟交叉口车辆的跟驰行为，模型运用gipps跟驰理论模拟车辆在近交叉口的跟车现象，gipps跟驰模型从运动学角度出发，计算出车辆之间的安全距离，对比分析车辆与前车的间距，得到车辆行驶的安全速度，以安全为目的，最大的限度模拟有倒计时信号灯控制下交叉口交通流的跟驰现象。
论文最初在给定参数下模拟仿真交叉口交通流并分析不同特性比例组合的驾驶员性格对近交叉口车辆平均速度、平均密度、平均流量、平均延误影响，然后调整交叉口车流量，分析近交叉口三相流状态下驾驶员性格对近交叉口车辆的平均速度、平均密度、平均流量、平均延误影响的影响，得到以下结论：自由流状态下的近交叉口，路段的平均速度、平均密度、平均延误、平均车流量受驾驶员性格影响较小；同步流状态下的近交叉口，当近交叉口激进型、稳重型驾驶员占总比较高时，近交叉口车辆绿灯期间的平均速度会更高，持续时间更长，平均密度会更小、平均车流量会小、平均延误会更小；拥堵流状态下的近交叉口，稳重型驾驶员占比较高优于激进型驾驶员，当近交叉口稳重型驾驶员占总比较高时，近交叉口车辆绿灯期间的平均速度会更高，持续时间更长，平均密度会更小、平均车流量会小、平均延误会更小。
城市道路交通拥堵状态出行者感知差异性研究韩春阳;黄合来;唐进君;张可可【摘要】为研究出行者在感知城市道路拥堵状态时的个体差异性,首先,选取长沙市5条典型路段,采用视频观测法,设计拥堵状态主观感知实验,收集出行个体对城市道路拥堵状态的真实感知数据;其次,基于多层有序Logit贝叶斯模型,获取出行者个体感知参数,深入分析道路及交通流因素对出行者拥堵感知影响的差异程度,并进一步探究造成感知差异的个体属性因素.结果表明:所选道路和交通流特征因素,对出行者的拥堵感知结果有显著影响;在其他变量不变的情况下,道路特征因素对不同出行者拥堵感知结果的影响差异性大于交通流特征因素,其中平均车速的影响差异性最小;个人属性的不同,是造成感知差异的主要原因.【期刊名称】《交通运输系统工程与信息》【年(卷),期】2019(019)003【总页数】6页(P202-207)【关键词】交通工程;交通拥堵感知;个体感知差异;多层有序Logit贝叶斯模型【作者】韩春阳;黄合来;唐进君;张可可【作者单位】中南大学交通运输工程学院,长沙 410075;中南大学智慧交通湖南省重点实验室,长沙 410075;中南大学交通运输工程学院,长沙 410075;中南大学智慧交通湖南省重点实验室,长沙 410075;中南大学交通运输工程学院,长沙 410075;中南大学智慧交通湖南省重点实验室,长沙 410075;湖南省交通规划勘察设计院,长沙410008【正文语种】中文【中图分类】U4910 引言当前，城市交通拥堵已经成为城市发展的共性问题，严重制约城市居民的出行质量.随着先进信息技术和智能交通系统的发展，交通流动态诱导逐渐成为缓解城市交通拥堵问题的重要手段.合理评价城市道路交通的拥堵状态，是保障交通诱导效果的基本前提.诱导系统的作用对象是出行者.作为交通系统中唯一具有综合感知能力的有机个体，出行者是交通信息的处理者和决策者[1].交通拥堵状态的评价不仅需要考虑客观交通流的运行状态，更重要的是，评价结果需符合出行者的拥堵感受，否则将严重影响诱导系统的实施效果[2].然而，认知心理学认为：人们对事件情形的感知与客观事件本身之间存在一定偏差，偏差程度在个体间变化[3]，即不同出行者对交通状态的感知存在差异.因此，识别出行者在交通拥堵状态感知方面的差异性，是进行交通拥堵状态评价的基本前提，也是进一步有效保障交通诱导效果的关键环节.现有研究多以客观因素量化道路交通拥堵状态，包括以单一交通流因素为基础的参数—指数评价方法，和以微观交通元素为数据采集和分析单元的参数—模型评价方法[4-5].这些方法忽视了出行者对交通状态感知的差异性.少数学者运用机器学习等方法，初步构建了考虑出行者群体感知差异的交通拥堵评价模型[2,6].然而，这些研究仅从状态评价的方法层面探究了如何考虑出行者的感知差异，尚未对这种差异性进行系统识别和机理解析.心理学研究发现，个体间感知差异的出现是由于不同个体对表征同一事物的多个特征存在不同程度的感知水平而造成；此外，个体的内在因素是造成差异的主要原因[7].基于此，本文通过设计主观评价实验，运用多层有序Logit 贝叶斯模型，从客观交通因素(道路和交通流特征)和出行者个体属性因素两个方面，探究不同出行者对多个交通特征的感知差异程度，揭示感知差异的内在机理，为构建更高效的动态交通诱导系统提供理论支撑.1 实验设计与数据收集1.1 实验设计首先，为保证实验样本的人群覆盖性，确保模型中层-2样本量的充足性(＞30)[8]，实验参考长沙市驾驶员人口属性资料[9]配备实验对象比例，选取了不同性别、年龄、驾龄的200 位实验对象.同时，为确保实验对象具有良好的感知与判断能力，实验对象均具备高中以上教育背景.其基本信息如表1所示.表1 实验参与者人口统计信息Table1 Information of participants类别人口属性比例/%性别男女73 00..00＜25岁17.6年龄[25,40)岁38.0≥40岁44.4＜5年28.5驾龄[5,15)年40.0≥15年31.5实验采用视频观测法获取主观评价数据，视频资料及数据均通过长沙市智能交通管理平台获取(后简称“平台”).本文选取长沙市5 条典型路段(基本属性如表2所示)，收集2013年12月9日全天(24 h)的路段视频及对应交通状态信息；选取路段交通流量，平均车速和平均行程时间3 个参数，运用模糊C—均值聚类算法(FCM)，依据长沙市城市道路交通拥堵评价标准，将全天的交通状态分为5个等级；截取各等级下每条路段的交通状态视频2段，共50段，每段2 min，并将视频按照拥堵等级从小到大编号，参数及数据信息如表3所示.通过观看视频，每位实验者根据主观评价的标准量表(表4)，对视频中路段的拥堵程度打分.为了与客观评价等级保持一致，主观评价量度同样采用5级指标.表2 路段属性表Table2 Road information路段名称路段编号车道数长路度段/m红时灯间持/s续韶山路10401028560116万家丽路11605026655131劳动路31616036960145营盘路40205036450136人民路107050344701001.2 数据收集首先，需筛选出对交通状态具有不良感知的实验人员：随机抽取10段视频，实验对象按一定次序依次观看并打分；间隔10 min后，打乱原有视频次序，再次观看并打分；若同一个视频2 次评价结果的差值超过1.0，说明该对象2 次判定的等级不同，对交通运行状态缺乏良好的感知能力，则剔除其实验结果.然后，其余人员(剩余178 人)对50 段视频中的交通状态按照事先安排的顺序进行3 次评价，每次评价间隔10 min.统计评价结果，计算平均值，获得实验对象对交通状态的主观感知结果.表3 交通流数据采集情况Table3 Detail information of traffic data collection参数单位指标描述收集方式采间集隔时/m间in路通段流交量pcu/(5min·lane-1)单某位断时面间的内实通际过车路辆段数SCATS系统5 平均车速km/h通辆过的路平段均所车有速车G采P集S动系态统2 行程时间s车实辆际通行过程路时段间的G采P集S动系态统2表4 主观评价的标准量表Table4 Criterion scale of perception等级分值范围等级描述主观描述1 (4.0,5.0]非常通畅其流他量车少辆，影流响密，度可小自，由车选辆择不期受望或速基度本和不车受道2 (3.0,4.0]通畅流交量通、车流辆中密开度始有受所其增他加车，辆车影辆响在3 (2.0,3.0]轻度拥堵流辆量在接行近驶道中路车容速量和，变车道头能时力距受缩到短限，车制密度较上一阶段进一步增大，交通系统4 (1.0,2.0]中度拥堵内运部行若问存题在，小甚的至扰直动接就导将致产交生通严中重断的5[0.0,1.0]严重拥堵车辆经车常速排前队进，或跟已着无前法车前以进缓慢的2 理论模型及变量赋值本文采用多层贝叶斯模型，量化出行者在交通状态感知方面的个体差异.多层贝叶斯模型基于贝叶斯理论，通过构造多层先验分布，将数据中隐含的复杂关系层级化，通过重复抽样估计出客观因素(道路及交通流)对每位出行者拥堵感知的效应参数，利用这些参数信息，能够分析客观因素对拥堵感知的作用在出行者之间的差异程度. Sij表示出行者个体j(j=1,2,…,J)对交通状态i(i=1,2,…,I)的感知结果，层-1模型为式中：xhij为影响出行者交通状态感知的客观因素，h=1,2,…,H，如平均车速，车道数等；βhj为层-1 系数，表示客观因素(道路及交通流)与出行者j感知之间的联系方向和强度；εi为误差项，反映其他客观因素残余效应；连接函数f(·)用于量化客观因素与出行者交通状态感知的关系，需符合数据格式要求，比如，输出结果为离散等级时适合采用有序Logit模型作为连接函数.层-2模型通过将传统模型中的固定系数视为某总体分布中的随机抽样，并引入出行者个体相关属性参数，实现对出行者间感知差异的量化.式中：πrj为出行者j的相关因素，r=1,2,…,R，包括人口属性，出行特征等；ahr 是层-2系数，表示个人特性与层-1 系数效应之间的联系方向和强度；νhj是层-2 误差项.在贝叶斯估计中，设定a0r、ahr、εi、ν0j和νhj均服从无信息先验分布：式中：τi为精度参数，通常采用式(9)的先验分布形式.本研究层-1模型采用有序Logit多元回归模型作连接函数，因变量为出行者对交通拥堵的感知水平(5个等级)；变量选取方面，由于“平台”所提供的全交通流信息参数之间可能存在相关性，影响模型估计，因此需对参数进行相关性检验.通过检验，平均行程时间与交通流量(PCCs=-0.727)和平均车速(PCCs=0.602)间存在强相关性，其余参数均未存在强相关性(|PCCS|①PCCs=皮尔逊相关系数＞0.6)，最终选取交通流量，平均车速(交通流特征)和车道数，路段长度(道路特性)为层-1解释变量；年龄、性别和驾龄为层-2解释变量.根据实验收集数据对变量赋值，如表5所示.0表5 模型变量赋值Table5 Variable definition变量符号赋值拥堵等级评分Y非常通畅：1，通畅：2，轻度拥堵：3，中度拥堵：4，严重拥堵：5车道数x1双向4车道：0，双向6车道：1，双向8车道：2路段长度x2短(＜500 m)：0，中([500,900)m)：1，长(≥900 m)：2性别π1男性(70%)：0，女性(30%)：1年龄π2＜25岁(17.6%)：0，[25,40)岁(38%)：1，≥40岁(44.4%)：2驾龄π3＜5年(28.5%)：0，[5,15)年(40%)：1，≥15年(31.5%)：2变量符号最大值最小值(pcu交/(m通i流n·l量an/e-1))x376.24.2平平均均车行速程（/时km间/h/s）xx45 4202.73 75.23 模型结果分析3.1 感知差异分析模型采用开放软件WinBUGS 实现编码与参数估计，模型进行220 000次迭代获得参数估计值.层-1 参数的估计结果如表6所示.总体来看，所选变量均对出行者的交通拥堵感知有显著影响.道路特征方面，车道数和路段长度对交通拥堵感知具有负效应.若控制其他变量不变，在相对狭窄路段上行驶，出行者的拥堵感会强于在宽阔路段上行驶；同样，路段越长可能造成的拥堵车队越长，出行者的拥堵感也会更加强烈.交通流方面，出行者的拥堵感与交通流量呈正相关，与平均车速呈负相关，表明流量越大或行驶速度越慢，出行者的拥堵感受越强.进一步从参数估计结果的波动情况来看(表6中参数估计的最大值、最小值和中值)，各因素对交通状态感知结果的影响在出行者中间均存在不同程度的差异.例如：在其他变量保持不变的情况下，8车道路段对交通状态感知结果的影响系数与4车道路段的比值，在被调查出行者中的变化范围为0.066 到0.725.值得注意的是，路段长度的系数在部分出行者中间出现正值，说明路段的长度对出行者拥堵感知结果的影响作用方向存在差异，甚至有少数实验对象对路段长度的变化不敏感(参数系数接近零值).因此，虽然从样本总体的参数估计值判断，路段长度对出行者的交通状态感知结果有显著影响，但其效应的作用方向并不一致，不宜作为量化出行者拥堵感知结果的客观因素.另外，与道路特征相比，交通流对交通状态感知结果的影响效应在出行者之间的变化范围较小，说明交通流因素对不同出行者拥堵感受的影响程度较为一致.其中，平均车速影响效应的差异性最小，表明出行者在速度感知方面具有较高的一致性.因此，以平均车速表征交通状态，更容易被出行者接纳. 表6 层-1 系数估计结果Table6 Parameter estimation of level-1 model注：OR变异系数=(OR最大值-OR最小值)/OR最大值.参数估计值最95大%值BCIOR估计值9中5%值BCIOR估计值最95小%值BCIOR估计值层-1 9固5%定B效C应IOR OR系变数异车数道2-2.467(--22..081714),0.085-1.432(--11..713697),0.239-0.522(--00..375004),0.593-1.396(--11..261291),0.2480.851道路车数道3-2.723(--22..685784),0.066-1.549(--11..648411),0.212-0.329(--00..242921),0.720-1.561(--11..373410),0.2100.912特征长路度段2-1.372(--11..141428),0.254-0.370(--00..247258),0.6860.708(0 0..853498),2.030-0.348(--00..249164),0.706—长路度段3-1.549(--11..373049),0.212-0.522(--00..471116),0.5930.441(00..633210),1.554-0.587(--00..562727),0.556—交通流特征流平车均速量-00.1.4 21 4 4(-(-0000..1.1.3461148103),),10..16 36 2 1-00.5.2 14 2 0(-(-0000..6.4.2300008439),),10..67 68 9 7-00.8.1 60 8 1((--000.0.97..0 71 8718029),),20..39 80 2 4-00.4.2 82 4 2((--0000..54..13428 11 834),),10..68 20 31 00..52 26 593.2 个体属性效应分析表7为模型的层-2参数估计值，表示出行者人口特征变量与客观变量(道路和交通流特征)效应之间的联系方向与强度(已剔除不明确的道路长度效应).其中，4 个客观参数的变化对出行者拥堵感受的影响在不同性别间存在显著差异.女性对于道路特征和交通流变化的反应均比男性敏感.年龄方面，除车道数以外，其余参数与第2年龄段([25,40)岁)之间存在显著地负相关性.表明，客观参数对年龄在[25,40)岁之间出行者拥堵感知的影响小于年龄在25 岁以下的出行者.驾龄方面，除车道数外，其余参数与驾龄之间存在显著正相关性.表明，客观参数对驾龄高于15年的出行者拥堵感知的影响大于驾龄小于5年的出行者.因此，个体属性的不同是引起出行者对城市道路拥堵状态感知差异的主要原因.表7 层-2 系数估计结果Table7 Parameter estimation of level-2 model注：加粗数字表示效应不显著参数估计值车道9数5%BCI估计值交通流95量%BCI估计值平均车95速%BCI性别（男）0.3830.2240.5330.5630.4440.6790.8310.7111.012年龄2([25,40)岁)-0.051-0.0680.008-0.061-0.089-0.013-0.020-0.024-0.006驾龄3(≥15年)0.033-0.0170.0480.1730.0990.2340.1680.0920.2034 结论本文采用多层有序Logit 贝叶斯模型，探究出行者对城市道路交通拥堵状态的个体感知差异.研究结果表明：(1)所选客观因素(道路和交通流特征)均对出行者的拥堵感知结果有显著影响，其中交通流量对出行者拥堵感知结果有正效应，车道数、平均车速有负效应.(2)在其他变量不变的情况下，出行者对道路特征的感知差异大于对交通流特征的感知差异，其中对平均车速的感知差异最小.(3)个人属性不同是造成感知差异的原因之一，其中，不同性别的出行者在感知客观因素时均表现出显著地差异性.25 岁以下的出行者与[25,40)岁的出行者在感知交通流特征时有显著差异.5年以下驾龄的出行者与15年以上驾龄的出行者，在感知交通流特征时有显著差异.本研究成果对车联网环境下的驾驶员感知研究提供了技术与理论支撑，为构建考虑个体感知差异的城市道路拥堵状态评价模型提供理论支持.受实验条件的限制，本文仅考虑了人口特征因素对客观效应的影响，后续研究应进一步考虑出行状态等因素，探究差异性的产生机理，更加精确的量化出行者对交通状态的感知.【相关文献】[1] 高坤,涂辉招,李浩,等.出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性[J].中国公路学报,2017,30(7): 126-133.[GAO K,TU H Z,LI H,et al.Travelers' perception differences in travel time reliability and crowding of mode-choice in multimodal networks[J].China Journal of Highway and Transport,2017,30(7):126-133.][2] POSAWANG P,PHOSAARD S,POLNIGONGIT W,et al.Perception-based road traffic congestion classification using neural networks[J].Lecture Notes in Engineering ＆Computer Science,2009,60(1): 237-248.[3] STERZER P,KLEINSCHMIDT A,REES A G.The neural bases of multistableperception[J].Trends in Cognitive Sciences,2009,13(13):310-318.[4] KONG X,XU Z,SHEN G,et al.Urban traffic congestion estimation and prediction based on floating car trajectory data[J].Future Generation Computer Systems,2016(61):97-107. [5] RAO A M,RAO K R.Measuring urban traffic congestion: A review[J].International Journal for Traffic＆Transport Engineering,2012,2(4):286-305.[6] YANG Y,CUI Z,WU J,et al.Fuzzy C-means clustering and opposition-based reinforcement learning for traffic congestion identification[J].Journal of Information ＆Computational Science,2012,9(9):2441-2450.[7] KANAI R,BAHRAMI B,REES G.Human parietal cortex structure predicts individual differences in perceptual rivalry[J].Current Biology Cb,2011,20(18):1626-1630.[8] 苏晶晶.关于分层模型的样本量研究[J].统计与决策,2014,33(8): 7-11.[SU J J.The study of sample size in multilevel model[J].Statistics ＆Decision,2014,33(8):7-11.][9] 长沙市统计局.长沙统计年鉴·2014[M].北京:中国统计出版社,2014.[Changsha MunicipalBureau of Statistics.Changsha statistical yearbook 2014[M].Beijing:China Statistics Press,2014.]。
第4卷第1期2004年2月交通运输系统工程与信息Jour na l o f T ra nspo rtation Systems Engineering and Info rma tion Technolog y V o l.4No.1Febr ua ry 2004文章编号:1009-6744(2004)01-0104-05考虑驾驶员的多信息处理和多通道判断能力时车辆跟驰模型的改进张 伟,王武宏,沈中杰,李德慧(北京理工大学,北京100081)摘要: 交通流中车辆跟驰建模的研究在交通工程和智能交通系统领域内显得十分重要,其核心就是对驾驶员认知问题的测度.本文在总结以往跟驰模型的基础上具体讨论了AP (a ctio n point )模型,并对其不足之处做了改进,重点研究了后车跟随加速度的算法.此外,本文提出了驾驶员多信息处理机制和多通道判断决策概念,企图从控制论角度来对驾驶行为进行客观地定性分析和定量描述,以期正确地揭示交通流的本质特征.关键词: 车辆跟驰;A P 模型;多信息处理;智能控制中图分类号: U 29Improv ement of Car Following M odel with Driv er 's Multi -typed Information System and M ulti -ruled Decisio n -Making M echanismZHAN G Wei,W AN G Wu-hong ,SHEN Zhong -jie,LI De-hui(Beijing Institute o f Techno log y,Beij ing 100081,China )Abstract : Ca r -fo llo wing mo deling in tr affic f lo w theor y has been becoming o f incr easing impo rtance in t raffic e ngineering and intelligent transpor tatio n system ,the point o f concentration in research is about measurement o f driv er cog nitiv e .After reviewing historical mo dels o n car -fo llo wing ,this pa pe r has a naly zed in mo re detail the A P (actio n point )model ,and amelio rated AP model by eliminating its deficiency ,the emphasis of which is th e deductio n of the accele ratio n equatio ns by which the fo llo wing ca r is subjected .Furthe rmo re ,fr om the cyber netics perspectiv e ,this paper make an effo rt to acco mplish qualita tiv e analy sis and quantita tiv e descriptio n o f driv ing behav io ur with driv er 's multi -typed infor matio n system and multi -r uled decisio n -making mecha nism so as tocor rectly revea l the essence o f tra ffic flo w char acteristics .Keywords : ca r fo llow ing ;A P mo del ;multi -ty ped info rmation system ;intellig ent contr olCLC number: U 29收稿日期:2003-10-04资助项目:霍英东青年教师基金(81069);教育部优秀青年教师资助计划(1961).张伟:硕士研究生,从事交通信息工程及控制的研究.1 引 言车辆跟驰行驶是车队行驶过程中一种很重要的现象,对其研究有助于理解交通流的特性.随着机动车数量的迅猛增长以及高速公路里程的快速增加,研究车辆跟驰现象的重要性也大大增加.车辆跟驰模型分为宏观模型和微观模型,研究较多的是微观模型,即两车跟驰情况下的建模与仿真,其研究重点和难点是对后车驾驶员行为的定性分析与定量描述.在过去50年中,各国学者从多个角度针对跟驰现象建立了相关的跟驰模型,其研究结果虽然达到了一定的预期效果,但是模型适用性还显得不足.究其原因主要是各个模型的假设过于简单,脱离了驾驶行为和驾驶员本身的实际情况,导致这些模型只能在很苛刻的条件下成立,无法得到普遍的适用性.而目前建立的跟驰模型主要从工程角度或DOI:10.16097/ k i .1009-6744.2004.01.023交通心理学的角度去认识跟驰中的驾驶行为,存在一定的片面性.单从任何一个角度都无法准确地描述驾驶过程,因为驾驶员的感知、判断决策与动作执行过程是高度复杂的智能过程,具有很强的适应性.Bracksto ne和M cDo nald曾经在其研究报告中总结了过去50年内跟驰模型的发展历程,得出这样一个结论:在认识驾驶行为的过程中必须综合工程学和心理学的知识,全面考虑驾驶员的认知行为,才能建立更符合实际情况的跟驰模型[1].目前,车辆跟驰已经成为工程师和心理学家共同关心的问题,代表了一个独立的研究领域.工程师和心理学家已经意识到要解决跟驰模型问题,必须从工程角度和心理角度同时认识跟驰过程,而且迫切需要一个综合考虑二者因素的合理的跟驰行为假设,如何结合这两方面的因素已经成为制约跟驰模型发展的难点.本文在总结以往跟驰模型的基础上具体讨论了AP(actio n point)模型,并对其不足之处进行了理论上的改进,重点研究了后车跟随加速度的算法.此外,本文提出了驾驶员多信息处理机制和多通道判断决策概念,从控制角度提出了如何对驾驶行为做出定性分析和定量描述,以期正确地揭示驾驶行为的本质问题.2 驾驶员的多信息处理和多通道判断能力作为道路交通系统的信息处理者、决策者、调节者和控制者,驾驶员是人-车-路系统中最核心、最复杂的组成部分.在行车过程中,驾驶员需要连续不断地从道路环境和车辆运行状况中获取道路交通信息和车辆运行信息,并对其进行加工处理,然后做出决策.据美国的一项调查显示,驾驶员每行驶1km,会遇到300多种信息,需要做出75次决策[2].但是,驾驶员除了获取、处理已显示的或微弱的道路交通信息外,还有随时准备获取潜伏的、突显的道路交通信息.驾驶过程是一个高度复杂的智能控制过程,驾驶员在保证车辆安全的基础上根据所感知到的多种信息完成行车任务.例如在跟驰过程中,已往建立的模型认为驾驶员是以相对速度Δv和车辆间距D p作为控制信号以达到安全跟驰的.但是实际驾驶过程中,驾驶员所使用的控制信号可能不仅仅是这两个变量.例如,两车在接近或远离过程中,变化的信息有很多,可以直接被驾驶员感知到的有D p的变化,视角θ的变化,前车在后车驾驶员视野中的相对位置的变化(以挡风窗为取景框),D p对车头与前车后保险杠的相对高度变化,根据路边其他参照物感知到前车相对后车的位置变化,等等.驾驶员在具体操作中选择哪种信息作为输入信号不仅与个人驾驶习惯有关,与当时驾驶员意识状态和注意力分配状态有关,而且还受到具体跟驰状态(跟驰速度和间距)的影响,例如在远距离跟驰时,驾驶员根据前车视角变化判断跟驰间距的变化,从而决定采取何种措施;而在近距离跟驰时,驾驶员根据D p对应路面在视野中所形成的视角变化来判断跟驰间距的变化,从而决定下一步的加速度大小.高速跟驰情况下,驾驶员将更多精力用于观察前车尾灯,一旦制动灯亮起,驾驶员立刻减速;而低速跟驰过程中,驾驶员则更着意于前车视角变化.由于驾驶员是具有高度自适应能力的智能控制体,既受到理性原则的约束,又受到感性思想的影响,因此具有高度复杂的控制逻辑.例如从控制理论的观点看,跟驰行为不同于古典控制过程.它是一个多输入单输出控制过程,驾驶员可能并不是根据一种信号输入就做出判断的,往往是根据多通道信息输入,并对各个通道信息加权后,综合各种信息做出判断决策.各个通道的权值分配不但因人而异,而且受到驾驶员自身状态的制约,而驾驶员状态又受到出行目的、道路几何形状、相对速度、交通流速度、跟驰自愿性、跟驰时间等因素的影响.最关键的是这些权值还受到跟驰状态与该通道信息内容的影响,例如某个通道的信息内容紧迫,那么它的权值就会增加.换句话说,驾驶员潜意识里对紧急信息内容十分敏感,当此类信息进入大脑之后首先被预处理,结果由于其紧急性马上被赋予高优先级,立刻得到处理.这就是驾驶员对紧急情况的适应性.鉴于驾驶行为的复杂性,要建立普遍适用的驾驶行为模型是不切合实际的.相反,针对具体交通条件建立特定状况下的驾驶行为模型则更有实际效果[3].3 以驾驶员认知机理为基础的AP模型及其改进在以往的跟驰模型中,研究较为成功的一个是AP模型,它最早由Michaels在1963年提出的. Michael认为驾驶员在跟驰过程中并不能感知到相对速度的微小变化,除非相对速度的变化达到一个固定的感知阈值.这个阈值并不是用相对速度来衡量的,因为驾驶员无法直接感知相对速度,而是1期考虑驾驶员的多信息处理和多通道判断能力时车通过视野中物体视角的变化来判断的.因此,驾驶员通过观察前车的视角变化来感知相对速度,当视角变化率dθ/d t(≈Δv/Δx2)大于6×10-4时,驾驶员即感知到后车与前车的相对速度发生了变化,从而采取相应的措施(加速或减速)跟随.驾驶员保持这个加速度不变,直到不能再感知到前后车之间的相对速度,即视角变化率已经低于感知阈值,此时驾驶员将保持当前速度行驶.如果前后车之间存在相对速度,但是视角变化率低于感知阈值,那么驾驶员将保持该车速行驶.而前后车跟驰距离Δx则在不断变化,当Δx的变化量达到一个明显的数值时,驾驶员才能感知到.此时驾驶员将会改变车速以消除Δx的变化.那么Δx的变化量应该达到多少才算明显,即被驾驶员感知到呢?同样,跟驰距离的变化也是通过驾驶员观察前车视角的变化得到的.根据W ebers Law的研究,两车接近时,当前车观察视角增大10%的时候,驾驶员会感知到距离发生了明显变化;两车远离时,当前车观察视角缩小12%的时候,驾驶员才会感知到距离发生了变化[1].这种对距离感知的不对称性,可以解释为驾驶员出于对自身安全的考虑,潜意识中对两车接近的情况更敏感一些.3.1 安全时距模型首先,驾驶员在跟驰过程中总是保持一定的车辆时距作为跟驰安全余量,驾驶员在控制车辆间距(沿车道中心线从后车车头到前车车尾的空间距离)的目的就是为了满足安全车辆时距.车辆时距大小不受车速的影响,而与每个驾驶员的个性,受教育程度,年龄等个人因素相关,因此对每个驾驶员来说相对稳定.根据V an Winsum的研究,车辆间距可以用以下公式描述[4]:D p=t p v i(1)其中 D p——前后车辆间距,m;t p——前后车辆时距,s;v i——跟驰车队行驶速度,m/s.对于一个给定驾驶员,在一定的情况下t p值不随车速变化而变化,因此当车速增加或减小时,车辆间距会随之增大或减小,这与实际观察到的情况是一致的.但是不同驾驶员t p的值有很大的差异,例如技术不熟练的驾驶员跟驰时会选择较大的t p,以求安全;而熟练的驾驶员则相反.此外女性驾驶员选择的t p较男性驾驶员为大,高龄驾驶员选择的t p较年轻驾驶员为大.3.2 减速时的跟驰算法大量实验证实,驾驶员采取的减速操作与当时的TTC(Tim e-to-Collision)有关,TTC的定义为驾驶员感知到前车减速并决定减速时前后车辆间距除以相对速度得到的商.W ebers Law认为跟驰距离明显变化时,驾驶员将以某个不变的加速度加速或减速,直到视角变化率再次突破感知阈值,此后驾驶员会选择与刚才相反的加速度操作[1].以两车跟驰为例,当车辆间距小于D p时,后车驾驶员会选择减速以增大车辆间距,其加速度大小主要与TTC有关,同时还受到个人因素的影响.Wim va n Winsum认为驾驶员采取的加速度大小是对T TC 估计值的函数[4]:a i=c TTC est+d+X(2)其中 c,d——常数,c>0,d<0;X——随机误差;T TC est——驾驶员对实际T TC的估计值.此公式成立的条件是TTC不大于某一阈值,即驾驶员必须明显感到相对速度的存在.否则当TTC大于该阈值时,加速度为零.此外,驾驶员的操作过程不可能非常准确,必然存在人为的随机误差,而这个误差的大小又与驾驶员的驾驶技巧和精神状态有关.实验发现驾驶员减速操作的速度以及a i大小都与当时T TC紧密相关.T TC越小,操作速度越快,a i的绝对值越大.那么TTC和TTC est是否存在一定的关系呢?研究发现,驾驶员对T TC的估计值与实际数值的关系可以用Stev ens的心理-行为公式描述[4]:T TC est=e T TC f(3)其中,e= 1.04,f=0.72.现在的问题是TTC如何得到,即驾驶员感知到前车减速时的车辆间距D d与Δv如何求取.一般认为D d=D p-JND,其中JN D(Just Noticeable Distance)表示从前车减速到后车驾驶员感知到相对速度的过程中车辆间距的变化量.3.2.1 相对速度较大时的JN D算法相对速度较大时,视角累积变化量未达到感知阈值g,但是视角变化率已经超过了其感知阈值k.假设前车减速时保持稳定的加速度a j=a,跟驰车队初始速度v i.从前车开始减速计时,设经过t1时间后,后车驾驶员感知到前车的速度变化.则Δv=-at1(4)一般情况下t1很小,所以JN D D p,可以认为dθ/d t≈Δv/D2p=k(5)106交通运输系统工程与信息2004年2月 将Δv代入上式得到t1=-k·D2p/a,即Δv=k D2p(6)JND=(-at21)/2=-k2D4p/(2a)(7)D d=D p-JND=D p+k2D2p/(2a)(8)T TC=D d/Δv=D d/(k D2p)(9) 代入加速度公式(2)得a i=c TTC est+d+X=c e T TC f+d+X=c e[D d/(k D2p)]f+d+X(10) 3.2.2 相对速度较小时的JND算法相对速度较小时,前车视角变化率未达到感知阈值,但是视角累积变化量已经超过了感知阈值g.g的具体大小因人而异,其平均值为10%.驾驶员观察前车时,主要选择宽度方向上的视角变化作为控制输入信号,该视角θ的大小与前车宽度W 以及车辆间距相关,且满足如下关系式:θ=2arctan(W/(2D p))(11)(1+g)θ=2arctan(W/(2D d))(12)解上面两式得到D d=W/[2tan((1+g)a rcta n(W/(2D p)))](13)一般取W= 1.8m.设前车减速时,加速度恒定不变,即a j=a,经过t1时间后车驾驶员感知到距离变化,则JND=D p-D d=a t21/2(14)t1=2(D p-D d)/a(15) T TC=D d/Δv=D d/(at1)=D d/2a(D p-D d)(16)a i=c e TTC f+d+X=c e[D d/2a(D p-D d)]f+d+X(17) 3.3 加速时的跟驰算法当车辆间距大于D p时,驾驶员会选择加速以消除车辆间距与D p的差值,经我们的实车观察和研究发现,该加速度不仅与驾驶员决定加速时的跟驰间距D d以及前后车相对速度有关,而且与驾驶动机、个人性格、习惯等因素有关,公式如下:a i=T(D d/D p)+UΔv+λ+X(18)其中T,U为系数,且T>0,U>0,λ是随具体驾驶员而定的参数,与驾驶员个性、驾驶习惯、驾驶任务紧急度,以及驾驶员年龄、性别有关.任务紧急度高,则λ较大,男性驾驶员比女性驾驶员的λ较大,年轻驾驶员比老龄驾驶员的λ较大.技术熟练驾驶员比新手的λ较大.X是驾驶员操作时的随机误差.此公式成立的条件是前车视角变化率超过驾驶员的感知阈值k.当相对速度较小,驾驶员未感知到视角变化率,而视角累积变化量首先突破感知阈值g时,驾驶员的加速度操作则几乎与相对速度无关,公式变为如下形式:a i=T(D d/D p)+λ+X(19)3.3.1 相对速度较大时的JN D算法当相对速度较大时,后车驾驶员首先感知到视角变化率突破阈值k,随后以某一不变加速度加速追赶前车.设前车加速度为a,经过t1时间后车驾驶员获得前车加速信息,下面求取后车加速度a i:Δv=at1(20)dθ/d t≈Δv/D2p=k解得t1=k D2p/aJN D=D d-D p=a t21/2=k2D4p/(2a)(21)将Δv和JND代入加速度公式(9),得到a i=T(D d/D p)+UΔv+λ+X=T(1+JND/D p)+UΔv+λ+X(22) 3.3.2 相对速度较小时的JN D算法当相对速度较小时,前车视角变化率未达到感知阈值k,但是经过时间t1后,前车视角累积变化量达到感知阈值g(平均12%),此时后车开始加速.这种情况下,加速度受D p变化量影响较大,而与Δv关系不大,如公式(10)所示,此时只需求取D d.于是有D d=W/[2tan((1-g)a rcta n(W/(2D p)))](23)W= 1.8mJN D=D d-D p=W2tan(1-g)arcta nW2D p-D p(24)a i=T(D d/D p)+λ+X=T(1+JND/D p)+λ+X(25) 另外还应注意的是,驾驶员在加速时所选择的加速度大小往往变化不大,a i的值受习惯影响较大,即系数T,U相对λ很小.107第1期考虑驾驶员的多信息处理和多通道判断能力时车辆跟驰模型的改进4 结束语研究驾驶行为重点在于研究驾驶员感知和判断决策的方式与过程,尤其是对驾驶员认知行为的研究成为问题关键.在两车跟驰行为的研究中,以后车驾驶员观察视角作为认知线索,在综合考虑驾驶员心理因素对跟驰行为影响的基础上,进一步推导出后车加速度的算法.显然,减速和加速情况下的加速度算法完全不同,前者是TTC的函数,而后者与决策时跟驰间距D d以及相对速度相关,而且受习惯行为影响较大.本文所提出的AP模型的改进算法是在理论研究的过程中建立的,仍需要实验数据的支持、以及标定各个参数.驾驶行为是一个高度复杂的智能控制过程,具有多信息处理和多通道判断特性.驾驶员观察视角作为一种主要输入信号,对其研究获得了一定的成功,但是并不排除其它输入信号的影响作用.各种输入信号影响性,即输入通道的权值随诸多因素而变化,大脑在处理各通道信息时,其控制规则也随具体信息内容而变化,因此驾驶行为具有较强的适应性,而这正是目前驾驶行为研究的重点与难点.如果能够确定各种驾驶信号输入与相关的控制规则,那么跟驰模型必然能更客观地描述交通流中车队行驶过程并进一步揭示其特征.参考文献[1] M ark Brackstone,M ike Donald.Ca r-fo llo wing:ahistorical review[J].T ra nspor tation Research F,1999,2:181-196.[2] 王武宏,等.道路交通系统中驾驶行为理论与方法[M].北京:科学出版社,2001:62.[3] T homas A Ranney.Psycho log ical facto rs thatinfluence car-fo llow ing and car-fo llowing modeldevelo pment[J].T ranspo rta tio n Research Par t F,1999,2:213-219.[4] W im va n Winsum.T he human element in ca rfo llo wing mo dels[J].T ranspo rta tio n Resear ch Pa rtF,1999,2:207-211.[5] M ar k Brackstone,Beshr Sulta n,Mike M cDonald.M o tor way driv er behav io ur:studies on ca r fo llow ing[J].Tr anspo rta tion Research Pa rt F,2002,5:329-344.[6] H o ngbin Yin,S. C.Wo ng,J ia nmin X u, C.K.W o ng.U rban traffic flo w predictio n using a fuzzy-neur al a ppr oach[J].T ranspo r ta tio n Research F,2002,10:85-98.[7] Ka rl A.Hutto n,Chris G.Sibley,Dav id N.H a rper,M ar ee Hunt.M odifying driv er behaviourwith passeng er feedback[J].T ranspo r tatio n Research Pa rt F,2002,4:257-269.[8] H a shim Al-M adani,Abdul-Rahman Al-Janahi.Assessment o f driv er s'comprehensio n of tra ffic sig ns ba sed o n their traffic,personal and so cial cha racteristics[J].Tr anspo rta tion Resea rch Pa rt F,2002,5:361-374.[9] Andra s Kemeny,Francesco Pa ner ai.Ev aluatingpe rception in driv ing simulatio n ex periments[J].T REN D S in Co gnitiv e Sciences,2003,1:31-37. [10] Hussein Dia.An ag ent-based approa ch to mo delingdriv er ro ute choice behavio ur under the influence o fr eal-time info rma tio n[J].T ra nspor tation Resea rchPa rt C,2002,10:331-349.[11] K.M.Lum,Y. D.W ong.A befo r e-and-afterstudy o f driv er sto pping pro pensity a t red ligh tcamer a inter sec tions[J].Accident analy sis&prev entio n.2003,35:111-120.[12] Baojin W ang,David A.Henshe r&Tu To n.Safetyin the ro ad enviro nment:a driv er behaviourr espo nse perspec tiv e[J].T ranspo r tatio n.2002,29:253-270.[13] Luis Alv are z,Ro berto H o ro wit z,Charmaine V.T oy.M ulti-destinatio n traffic flow co ntr ol inauto mated hig hwa y systems.T ranspo r tatio nResea rch Par t C2003,11:1-28.[14] 王殿海.交通流理论[M].北京:人民交通出版社,2002.108交通运输系统工程与信息。
基于聚类分析的驾驶行为安全评估模型
郑美容
【期刊名称】《黄河科技学院学报》
【年(卷),期】2023(25)2
【摘要】分析与评估驾驶行为,建立行车安全评估模型,为智能交通系统建设提供参考。
基于车联网数据预处理后,提取驾驶人行为的特征指标,采用主成分分析法对驾驶行为评价指标进行降维分析,形成综合信息特征变量;使用多聚类算法建立基于驾驶行为的行车安全评估模型,经过对比分析,确定合适的驾驶行为安全评价模型,实现对驾驶行为进行归类评价;通过建立反射模型,验证驾驶行为安全评价模型的有效性,为相关部门判断运输车辆驾驶行为是否符合安全规范提供量化分析工具。
【总页数】8页(P80-87)
【作者】郑美容
【作者单位】福建船政交通职业学院
【正文语种】中文
【中图分类】U471.3
【相关文献】
1.基于 FANP的私用飞行驾驶员安全驾驶行为评价模型
2.基于驾驶模拟实验的层级式驾驶行为安全模型研究综述
3.基于SVM的驾驶行为健康度评估模型
4.提升公交车驾驶人安全文明驾驶行为的举措——基于计划行为理论扩展模型的考量
5.基于XGBoost算法的危险场景驾驶行为模式分析及安全评估
因版权原因，仅展示原文概要，查看原文内容请购买。
公交驾驶员A型人格、驾驶行为及事故的关系研究的开题报告一、研究背景与意义公共交通是现代城市生活中不可或缺的重要组成部分，而公交车驾驶员扮演着保障公共交通运行安全、提升城市服务品质的关键角色。
然而，随着城市交通的快速发展和人口流动性的增强，公交车交通事故的发生率也日益上升，直接影响着城市的交通秩序和居民的出行安全。
因此，对公交驾驶员的驾驶行为和人格特征进行系统研究，以寻求解决或减少这一问题的方法和途径，已成为当前城市交通安全领域中研究的热点和难点。
据了解，驾驶员的人格特征是其交通行为的重要决定因素之一，而在目前的研究中，A型人格被认为是一种更易出现精神紧张和冲动行为的人格类型。
同时，公交驾驶员的驾驶行为除了自身的人格因素外，还受到一系列外部因素的影响，例如道路环境、车速、客运情况等。
因此，通过对公交驾驶员的驾驶行为和人格类型进行深入研究，以探讨二者之间的关系和影响，具有一定的理论和实践意义。
二、研究内容和方法本文拟对公交驾驶员的A型人格特征、驾驶行为和事故发生的关系展开研究，具体内容包括以下几个方面：1. 通过文献综述和问卷调查等方法，获取相关数据，分析公交驾驶员A型人格的比例和特点。
2. 基于实地调研和模拟驾驶等方法，结合驾驶行为评价指标，全面了解公交驾驶员的驾驶行为，包括安全行驶等方面。
3. 基于以上调查和评价结果，运用相关统计学方法，探究公交驾驶员的A型人格特征和驾驶行为之间的关系，并分析其对事故发生可能的影响。
4. 结合实际案例，对公交驾驶员A型人格和驾驶行为对事故的影响进行具体案例分析和讨论。
三、预期结果及意义本研究预计能够深入探讨公交驾驶员的驾驶行为和A型人格特征的关系、了解公交驾驶员的驾驶行为规律和习惯，并分析其与交通事故发生的关系。
结果如下：1. 分析结果可为实际工作提供数据支撑，指导公交驾驶员A型人格特征和驾驶行为的管理和规范。
2. 为公共交通领域的安全生产提供参考，更好地保障城市居民的交通出行安全和便利。
城市交通微循环体系的研究城市交通微循环体系的研究t学术研究城市交通微循环体系的研究●李德慧,刘小明北京工业大学北京市交通工程重点实验室,北京100022摘要:通过城市小区围墙与交通之间的关系,着重讨论了微循环理论,影响微循环的主要因素和微循环理论的指标评价体系,并根据国内外微循环在交通中的应用对比,给出了一个解决城市道路拥堵问题的思路.关键宇:北京;交通拥堵;围墙;微循环1围墙的影响在中国,几乎所有的单位都有围墙——政府机关,学校,住宅小区……对于围墙的作用.我们可以从2个方面来考虑,积极的方面第一,围墙最基本的作用是可以保护处于其中的人员和物品的安全.中国自古代起就有建造围墙的习惯,比如四合院,家家都有院墙,安全是一个很重要的目的.第二,围墙给人心理上的安全感.虽然围墙有保护的作用,但是有时围墙并没有起到相应的作用,比如入室盗窃这种案件自古代起就不少见.所以这时候围墙更多的时候是给人一种心理上的安全感,这种安全感比它的第一层意思更为重要.凡事都有两面性,在现代社会它的负面影响主要表现为对城市交通的影响,具体说就是围墙减少和破坏了城市道路的微循环.2微循环理论在医学中,微循环通常是指由微动脉经毛细血管到微静脉这一段血管中的血液循环Ⅲ.医学中的血液微循环和城市交通中的微循环在组成结构,功能,运动形式,容量和对整体机能方面有很多相似之处.从组成结构上讲,人体中有主血管,次血管,支血管,毛细血管等组成的循环系统;如果把城市交通系统比作人体的话,那么城市的快速路,主干路,次干路,支路就相当于城市的主干血管,次要血管,支血管和毛细血管.从功能上讲,人体的血管是为了运送人体所需的氧气和养料等物质城市的道路也是为了实现城市中物质及人的移动.从运动形式上讲,人体中的主血管的主要作用是将血液迅速从心脏运送到全身的大区域,然后再通过次血管,支血管等一级一级地从大区域运送到各个部位,尤其是末端,只能靠很多其他的支路血管和毛细血管将血液运送到人体的每个细枝末节.收稿日期.2005710作者简介李德慧(1977一)男,山东德州人博士生,主要研究方向为交通运输规划与管理道路交通与安全?第5卷第4期2005年如果把城市比作人体的话,运送物资也是先从支路运送到主要道路再到次干路再到支路的过程.以北京市为例,二环,三环四环,长安街及其沿线等道路分别相当于主干血管,可以使车辆迅速到达城市的主要方向大望路,中关村东路等道路就相当于次干路;更小的一些路和社区的一些路可能就是毛细血路了.从容量上讲,虽然一个毛细血管微不足道,但是由于数量众多,所以起着容量血管的作用,是调节静脉回流量的重要因素那么城市中的大量的支路和毛细路就起着调节车辆的作用.从整体机能上来说,人体微循环机能一旦发生障碍,组织器官的血液灌注不足,新陈代谢不能正常进行,各器官的机能活动就会受到影响,甚至危及生命类似的,一旦城市道路微循环出现问题,就会导致城市拥堵,甚至是交通瘫痪.其对比如表1所示.表1医学微循环与城市交通微循环的比较项目医学微循环主血管,次血管,结构支血管,毛细血管功能运送氧气,养料等物资运动形式主一次一支一毛细血管容量较大…….一旦有障碍,影响新陈整体机能代;吾机磊…城市交通微循环快速路,主干路,次干路,支路人及物资的移动支一主一次一支一毛细道路较大一旦出问题,城市拥堵或交通瘫痪在与微循环效果的直接因素中,机动车的数量n,开放围墙的数量占整个城市总数量的百分含量P,开放围墙区域对完善路网形态,提高路网密度的贡献率t,以及开放围墙区域的经济活动和人口指标e有直接关系.如果用Y表示微循环的效果,那么微循环效果与各因素之间关系的函数关系可写为y=/(n,p,f,e)(1)图1道路微循环的主要影响因素×我们可以得出,微循环的实际效果会随着机动车数量n的增加而降低,随着开放围墙的百分含量对路网形态和密度贡献路的增大而增大,随着区域内经济活动的加剧而降低,如图1所示.3道路微循环的评价体系改善道路微循环效果的评价可以采用层次分析的方法进行.层次分析法是一种定性与定量分析结合的多目标决策分析方法,对于交通系统这种复杂大系统来说,也可以把对微循环效果的评价问题分解成3个层次,在此基础上通过两两比较的方式判断各层次中诸元素的重要性,最后利用判断矩阵,确定诸元素在决策中的权重.通过分析,我们把与道路微循环最相关的因素作为评价分层次的指标,如图2所示.改善道路微循环的效果支路及毛细道路利用率路网负荷均匀度非直线系数图2改善道路微循环效果的层次评价体系3.1支路及毛细道路利用率指标定义:建成区内车行道在3.5m以下的支路中能够通过汽车的道路面积占所有支路道路总面积的比值. 指标含义由于支路对城市道路交通可达性起着主导作用,在城市道路总长度中,支路及毛细路里程一般要求至少占50%.我国很多城市的老城区中,道路虽窄,但较密集每条道路分担的交通量并不大.交叉口也容易组织交通.而在新建地区,道路网较稀疏,干路缺少支路及毛细路,导致干路上各种车流和人流交通汇集过大,车辆平均绕行道路长,可达性差,公交线路难以深入居民区吸引更多乘客,城市主干路交通拥堵严重.3.2路网负荷均匀度指标定义:城市路网上负荷的均匀程度.指标含义:该指标用于衡量路网布局的合理性.理想的路网布局应该是,在交通需求大的地方交通供应也较大,路网上的交通负荷也大,主干路,支路及毛细路按一定的比例分别承担交通负荷.3.3非直线系数指标定义:城市中A,8两点的道路长度与空间直线距离的比值.指标含义:非直线系数越大,反映A,8两点的实际绕行距离越大,车辆越不易疏导.在城市中打断围墙增大微循环的代价相对于在城市中修建一条新的道路所需要付出的代价要小.如果毛细道路路网大的话,路网的容量和城市交通微循环体系的研究学术研究通行能力都将大大提高.非直线系数将会减小,公交路线路,新街口外大街及周边道路的交通压力.也可以深入居民聚集区.提供更大的方便.4道路微循环的影响分析道路微循环的积极意义是缓解交通拥堵.增加市民与各"封闭"小区的亲近感.道路微循环可以有效地解决目前普通道路过宽的问题.很多情况下.由于道路过宽而引起的行人过街不便以及由此引发的行人违章会在更大程度上对机动车的运行产生负面影响.同时.过宽的马路所带来的噪音污染已经越来越严重地影响到城市居民的生活. 通过道路微循环和"trafficcalming",有助于道路噪音污染的降低.道路微循环可能产生的负面影响是一定程度上降低人们的安全感:由于很多微循环道路路面质量较差,初期改造的成本较大.目前.对道路微循环的影响.还是正面大于负面.对于具体问题.可根据情况具体分析.制定出合适的对策.反对一刀切.比如对于涉及国家安全的部门,医院,小学等要区别对待.减少车辆带来的负面影响.以美国为例美国的各个建筑周围都是道路.比如纽约城市汽车保有量超过500万辆但是交通情况要比汽车保有量230万辆的北京好很多.而且在纽约很少有像北京三环,四环这样多很宽阔的马路.韩国高丽大学.拆除围墙后变成了开放性的大学,从交通的意义上讲可以起到缓解交通拥堵的问题,另一个方面,还使得该大学更加贴近群众.美国的大学也都是开放型大学.比如哈佛大学.校园中有城市道路穿过.北京是个比较缺乏道路微循环的城市.由于传统观念的影响.各个单位基本都有围墙对于各个单位和小区来说.都禁止其他车辆穿行.所以一方面是各条道路上的车辆车满为患.与此对比的则是各个小区内空旷的道路.但是北京也在这方面不断地进行尝试打通断头路,瓶颈路,开放大院,增大微循环,缓解道路过于拥挤的情况.是打通城市微循环的关键.2004年起,北京市加大了打通断头路的力度.如马家堡西路,首体南路等都有效地缓解了部分路段的交通压力新近改造的邮电东路道路,就是尝试增加蓟门桥周边微循环,改善拥挤状况的例子.从2(X)4年11月连接;11;--环路和学院南路的邮电东路道路正式通车后学院路和新街口外大街中间又多了1条纵向交通干道.邮电东路南起学院南路.北至:lb.--环路.全长1,04km.原来此处没有道路.邮电东路通车后,增加了周边道路路网密度.提高了道路利用率.使交通量更加均匀的分布.而且经学院南路至北太平庄方向不必再绕行j匕土城路非直线系数降低.因此将有效缓解北土城5结束语对于打通围墙,改善城市道路微循环的阻力主要来自人们根深蒂固的传统观念.因此首先要加强宣传.改变人们的传统观念.从大局出发.促使人们拆掉/J,区围墙,打通道路微循环,使机动车得以有效的分流.虽然打通围墙可能会使小区或单位有一定的安全问题.那么可以根据实际情况对涉及国家安全的部门,学校等进行区别对待. 从全局的角度来看还是利大于弊.政府可以通过在一个范围内进行试点的方式,使广大市民逐渐认识到这种微循环的好处,进而推广到全市.参考文献[1]何瑞荣.心血管生理学.北京:人民卫生出版社,1987 [2】陆化普.城市交通管理评价体系版祉2002[5]王一波.城北邮电东路今起通车26(6)北京:人民交通出京华时报,2004—1] Researchonurbantransportationmicro—circuIation//L DehuiAbstract:ByanalyzingtherelationshipbetweenthewalIs ofdistrictandtransportationthepaperdiscussesthetheory DTmicro-circulationthemaininfiuencingfactorsandthe evaluatingsystem,andbycomparingtheapplicationofmicro--circulationinChinaandabroad.suggestionsareput forwardtOsolvetheurbantrafficjamproblem Keywords:Beijing:trafficcongestion;walI:micr0～cir—CLJIation。
基于驾驶员差错事故的道路交通安全分析1. 引言道路交通事故严重影响人民群众的安全感、社会稳定和经济发展。
驾驶员的错误行为是导致事故的主要原因之一。
因此，对驾驶员的错误行为进行研究分析，对于提高道路交通安全水平具有重要意义。
2. 驾驶员错误行为分类根据国内外研究和实践经验，驾驶员错误行为可分为三大类：2.1 视觉类错误行为视觉类错误行为包括盲区未观察、疲劳驾驶、视线不集中等。
这些错误行为直接影响驾驶员的视觉判断能力和反应能力，容易导致事故的发生。
2.2 操作类错误行为操作类错误行为包括超速、违法变道、占道行驶等。
这些错误行为不能按照道路交通规则进行行驶，容易造成道路混乱，增加事故发生的概率。
2.3 决策类错误行为决策类错误行为包括紧急制动、转向不当等。
这些错误行为不符合道路交通流的行驶，容易造成车祸事故的发生。
由于决策类错误行为不是表现在偏离车道等可测量指标上，因此难以进行精确定量和有效分析。
3. 道路交通安全分析方法3.1 道路交通安全风险评估道路交通安全风险评估是指通过各种评估方法，对道路交通事故风险进行分析、评估、预测和控制的一种科学方法。
3.2 调查问卷调查调查问卷调查是通过向司机和事故受害者发放调查问卷，了解事故发生的原因，从而进行交通安全分析的一种方法。
通过问卷调查，研究人员可以较全面地了解驾驶员的错误行为，进而确定采取何种措施降低道路交通事故的发生率。
3.3 回归分析回归分析是通过分析驾驶员各种驾驶行为和事故个案之间的统计关系，采用统计学方法进行分析的一种方法。
4. 道路交通安全分析案例4.1 事故案例调查分析某交叉口路段的近两年发生了多起事故，调查发现驾驶员的视线未能完全覆盖盲区，疲劳驾驶现象普遍存在。
4.2 问卷调查分析某高速公路发生的事故中，研究人员向调查对象发放的问卷中发现，事故驾驶员普遍存在超速、疲劳驾驶等行为，有意或无意地违反了道路交通规定。
4.3 回归分析分析在某城市的事故分析中，研究人员发现超速、占道行驶等行为是导致事故发生的主要原因，为降低道路交通事故发生率需要加强对驾驶员超速、占道行驶等不规范行为的管制和处罚。
满 12分驾驶员的气质类型分布情况研究赵圆圆,刘期【摘要】摘要:采用陈会昌气质量表对北京市1 010名满12分驾驶员进行气质类型的调查。
研究结果表明,在满12分驾驶员群体中,多血质、多血-粘液质、胆汁 -多血 -粘液质、胆汁 -多血 -抑郁质、胆汁 -粘液 -抑郁质、多血 -粘液 -抑郁质、胆汁-多血-粘液-抑郁质气质类型的驾驶员比例比在普通人群中的比例高。
具有这些气质类型的驾驶员更易发交通违法行为。
此外,胆汁质、抑郁质、胆汁 -多血 -粘液 -抑郁三种类型的违法驾驶员的心理健康状况最差,需得到更多的心理辅导。
【期刊名称】道路交通与安全【年(卷),期】2010(000)005【总页数】1【关键词】关键词:交通安全;多次交通违法;驾驶员;气质类型0 引言心理学上的气质与日常生活中人们所说的“脾气”、“秉性”、“性情”含义相近。
俗话说,“江山易改、秉性难移”,这里的“秉性”就是指人的气质。
气质是个古老的概念,早在公元前五世纪,古希腊著名医生希波克拉特就提出了四种体液的气质学说,并把人的气质划分为四种类型:胆汁质、多血质、粘液质和抑郁质,这四种气质类型概念沿用至今,但含义已大相径庭了。
气质类型是指每一类人共同具有的各种气质特征有规律的结合。
四种基本气质类型在情绪和行为方式方面以及智力活动方面有不同的典型表现。
胆汁质的人性情开朗、热情、坦率,但脾气暴躁,好争论,情感易于冲动但不持久,精力旺盛、经常以极大的热情从事工作,但有时缺乏耐心,意志坚强、果断、勇敢,注意力稳定而集中但难于转移;多血质的人易于产生情感,但体验不深,善于结交朋友,容易适应新的环境,有明显的外倾性特点,机智灵敏,思维灵活,但常表现出对问题不求甚解,注意力与兴趣易于转移,不稳定,在意志力方面缺乏忍耐性,毅力不强;粘液质的人情绪不易发生,也不易外露,很少产生激情,遇到不愉快的事也不动声色,注意稳定、持久,但难于转移,在意志力方面具有耐性,对自己的行为有较大的自制力,态度持重,好沉默寡言,办事谨慎细致,从不鲁莽,但对新的工作较难适应,行为和情绪都表现出内倾性,可塑性差;抑郁质的人容易产生情感,而且体验相当深刻,隐晦而不外露,易多愁善感,往往富于想象,聪明且观察力敏锐,善于观察他人观察不到的细微事物,敏感性高,思维深刻,在意志方面常表现出胆小怕事、优柔寡断,受到挫折后常心神不安,但对力所能及的工作表现出坚韧的精神,不善交往,较为孤僻,具有明显的内倾性。
城市驾驶员分类指标研究
钱芳;李铁柱
【期刊名称】《交通运输工程与信息学报》
【年(卷),期】2014(000)001
【摘要】城市驾驶员是交通系统的重要组成部分，了解其分类有利于更好的进行驾驶行为的研究。
本文以南京市城市驾驶员为例，通过实际问卷调查，并运用数理统计方法对城市驾驶员的分类进行研究，提出了城市驾驶员的分类指标及各指标的权重比例。
在个人属性、驾驶技术和驾驶行为三个一级指标中，个人属性权重比例最大，即其在城市驾驶员的分类中极为重要，对城市驾驶员实际驾驶影响较大。
研究结果为城市驾驶员分类别的深入研究提供了理论依据和科学方法。
【总页数】5页(P92-96)
【作者】钱芳;李铁柱
【作者单位】东南大学，交通学院，南京210096;东南大学，交通学院，南京210096
【正文语种】中文
【中图分类】U491.2+54
【相关文献】
1.城市路侧禁令标志对公交车驾驶员驾驶行为影响研究 [J], 徐慧智; 武腾飞; 裴玉龙
2.基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究
[J], 宋栋栋;杨小宝;祖兴水;四兵锋
3.低速城市路况下驾驶员制动特性辨识研究 [J], 李刚;杨志
4.城市道路交通标志对驾驶员视觉的影响研究 [J], 解松芳;杨锋;李航天;赵婷
5.山地城市立交出入口驾驶员心理负荷研究 [J], 杨迪;徐进;吕能超;冯忠祥
因版权原因，仅展示原文概要，查看原文内容请购买。
