摘要：海底隧道平纵线形组合方式复杂多样,容易导致驾驶人产生分心、疲劳等不良反应。为此,采集了30名驾驶人的实车数据,量化分析了海底隧道平纵线形对驾驶人视觉特征及车速的影响。运用Facelab眼动仪、GPS X10车载坡度计、行车记录仪等设备采集眨眼频率、单位时间内人眼闭合时间所占比例(percentage of eye closure over the pupil per unit time,PERCLOS)、隧道坡度、车速等数据。利用偏相关性分析得出海底隧道坡度、曲率与驾驶人眨眼频率、PERCLOS、车速的相关性及显著性,采用Ploy 2D非线性曲面拟合方法,分别建立眨眼频率、PERCLOS、车速与坡度-曲率的数学模型,量化分析眨眼频率、PERCLOS及车速与海底隧道平纵线形之间的关系,进而反映出海底隧道不同平纵线形组合对驾驶人的精神状态及行车状态的影响。结果表明:坡度1.3%和圆曲线半径4348 m的海底隧道平纵线形组合方式下,驾驶人的眨眼频率最大,精神最放松,适当增加上坡坡度值、减小圆曲线半径可以提高驾驶人的紧张感;坡度3.05%和圆曲线半径3521 m的海底隧道平纵线形组合方式下,驾驶人的PERCLOS最大,疲劳程度最高,适当增加下坡坡度值、减小圆曲线半径可以缓解驾驶人的疲劳;坡度1.78%和圆曲线半径2433 m的海底隧道平纵线形组合方式下,车速最快,适当增加上坡坡度值和圆曲线半径,可以降低车速。本文构建的视觉特征及车速模型,可以反映驾驶人的精神及行车状态随平纵线形的变化,为海底隧道平纵线形安全设计与运营管理提供理论支撑。

摘要：为了进一步提高交通事件检测的精度与效率,在多角度构建事件检测初始交通变量的基础上,设计了1种基于因子分析和最小最大概率机的交通事件检测算法。通过分析交通事件上下游交通流参数的变化规律,构建了11种初始交通事件检测变量,利用因子分析方法对初始交通变量进行特征提取,实现初始交通变量的有效降维,并分别采用核函数最小最大概率机算法和线性最小最大概率机算法进行交通事件检测。最后,采用美国I-880数据库的实测数据进行实验验证和对比分析,实验结果表明,FA-MPM算法较MPM算法事件检测率提高3.5%,误报率降低0.17%,平均检测事件减少了27.5s,且最小最大概率机算法的交通事件检测效果明显优于支持向量机算法和BP神经网络算法。

摘要：为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法。利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测。采用某特大城市快速路5min采样间隔的交通流量数据进行实验验证和对比分析。实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度。