<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/css" href="rsstyle.css"?><rss version="2.0">
<channel>
<title>中国公路学报-栏目: 交通工程</title>
<description>栏目: 交通工程</description>
<link>http://zgglxb.chd.edu.cn</link>
<language>zh-cn</language>
<docs>http://zgglxb.chd.edu.cn/CN/current.shtml</docs>
<generator>http://zgglxb.chd.edu.cn</generator>
<ttl>5</ttl>
<item>
<title><![CDATA[快速路汇入区瓶颈交通流早发性失效研究(第1部分)：建模仿真]]></title>
    <link>http://zgglxb.chd.edu.cn/CN/abstract/abstract4463.shtml</link>
<description><![CDATA[快速路汇入区是典型的常发性瓶颈，其交通流失效严重制约系统通行效率，影响交通安全。现有研究实证发现，大量汇入瓶颈存在早发性失效现象，这进一步加剧了瓶颈制约作用，而目前尚未有理论方法对这一独特现象进行建模仿真与致因分析。为探究瓶颈交通流早发性失效致因，系统分析了瓶颈驾驶行为新特征，并对其进行深度建模与仿真；进一步地，基于大量仿真试验，利用因果推断理论，探究早发性失效机理。作为系列研究的第一部分，重点探讨瓶颈交通流高精度建模仿真问题。基于上海延安高架虹许路汇入区轨迹数据，在对比分析现有汇入区建模仿真研究的基础上，突破传统驾驶行为建模单向交互、单次决策、单维博弈的确定性行为分析范畴，发现并定义了3类新的汇入行为：主动-回应汇入、并行式汇入、延迟汇入。根据对新行为决策过程的解耦，对汇入的动机生成、间隙选择、换道执行等各阶段均提出了全新的建模方法。进一步地，针对传统汇入仿真框架中各个阶段采用串行序贯决策的方式，忽略了驾驶人和环境状态的时变性，提出了多阶段时序决策的汇入仿真框架，并整合新汇入行为模型，形成了瓶颈交通流汇入仿真新框架。最后，基于该框架构建了汇入区瓶颈交通流仿真原型系统。该仿真原型系统能够高精度再现各类汇入行为特征，相比于传统汇入仿真框架和VISSIM都具有显著优势。仿真结果显示，在汇入间距/位置/速度等汇入区交通流关键参数分布上与实证数据无统计学显著差异，并能准确复现瓶颈早发性失效现象及速度时空演化特征。该高可信仿真系统的构建，为早发性失效的致因分析及管控优化提供了有力支撑。]]></description>
<category><![CDATA[]]></category>
<author><![CDATA[叶颖俊, 孙剑]]></author>
<pubDate><![CDATA[2023-09-10 00:00:00.0]]></pubDate>
</item>
<item>
<title><![CDATA[考虑高速公路主线收费通道引导信息面向对象的驾驶人换道行为研究]]></title>
    <link>http://zgglxb.chd.edu.cn/CN/abstract/abstract4464.shtml</link>
<description><![CDATA[交通运输部的电子收费(ETC)推广行动大大提升了高速公路ETC车辆比例，高速主线出口ETC收费通道数量也超过了人工收费通道(MTC)数量，ETC通道靠左设置的规则让MTC车辆需要提前换道进入收费广场才不会与ETC车辆产生冲突。为了验证以ETC车辆为引导对象和以MTC车辆为引导对象对驾驶人换道行为的影响，设计了3种高速公路主线收费通道引导信息方案：现状引导方案(OR)、部分MTC引导标志方案(PMS)和完整MTC引导标志方案(CMS)。试验分2个阶段，第1阶段验证在无交通流下，引导方案对于驾驶行为的影响，并评价得出效益最优的方案；第2阶段在选取现状和效益最优方案基础上，添加高流量及低流量的交通环境，验证优化后引导方案的可行性。2个阶段均利用广义估计方程分析不同引导方案下的换道行为特征，第1阶段构建熵权TOPSIS模型综合评价不同方案，并得出最优的引导方案用以第2阶段分析。结果表明：完整MTC引导方案(CMS)最符合ETC车辆高比例的现状，可以明显缩短MTC车辆换道响应时间，换道过程更加平稳、安全，从而避免MTC车辆在收费广场内与主线ETC车辆发生冲突，提高道路的通行能力。部分MTC引导方案的双重互斥信息给驾驶人造成了负面干扰，其对驾驶人提前换道的功效甚至不如现状引导方案。研究结果对高速公路设计者及相关部门优化当前引导系统，提高收费站的交通安全及效率具有一定意义。]]></description>
<category><![CDATA[]]></category>
<author><![CDATA[向往, 王超伦, 于安康, 龙科军, 郝威, 邢璐]]></author>
<pubDate><![CDATA[2023-09-09 00:00:00.0]]></pubDate>
</item>
<item>
<title><![CDATA[右转车道对非机动化交通参与者非法过街行为的影响]]></title>
    <link>http://zgglxb.chd.edu.cn/CN/abstract/abstract4465.shtml</link>
<description><![CDATA[右转车道作为重要的交通基础设施，对提高右转车流效率具有重要作用，但其空间布局会影响行人与骑行者的非法过街行为。以2种类型右转车道为研究对象，利用无人机和OSMO同时拍摄的方式获取了6个右转车道区域2 890名非机动化交通参与者的过街轨迹和个人特征数据，利用巢式Logit模型分析右转车道类型、交通环境及个体属性等因素对非机动化交通参与者过街行为的影响，并对内在影响机制进行分析。结果表明：相对于分车绿带左侧的右转车道，位于右侧的右转车道区域行人与骑行者的非法过街行为更少，当右转车道位于分车绿带左侧时，参与者倾向在划定的等待区外等待(非安全等待比例55.2%,安全等待比例44.8%)；当右转车道位于分车绿带右侧时，参与者更多集中在划定等待区等待(非安全等待比例30.6%,安全等待比例69.4%)；而且，分车绿带右侧的右转车道上过街群体的正常通行比例更高，闯红灯比例降低。主要原因是分车绿带右侧的右转车道车流距离过街群体更近，行人和骑行者感知到更多危险，阻止其做出非法过街行为。交通环境、人口统计特征和行为状态也会影响行人与骑行者的过街行为，结果佐证了前期相关研究结论。该研究为右转车道规划及优化、交通管理政策的制定提供了方向参考。]]></description>
<category><![CDATA[]]></category>
<author><![CDATA[陈文强, 勾小梅, 汪勇杰, 王涛, 王雪梅, 王娇龙]]></author>
<pubDate><![CDATA[2023-09-09 00:00:00.0]]></pubDate>
</item>
<item>
<title><![CDATA[基于多特征融合的隧道场景车辆再识别]]></title>
    <link>http://zgglxb.chd.edu.cn/CN/abstract/abstract4466.shtml</link>
<description><![CDATA[为解决隧道内交通监控视频的低分辨率以及光照不均匀导致的再识别准确率偏低的问题，提出了一种基于多特征融合的车辆再识别方法，通过充分利用车辆的各种有效特征信息提升车辆再识别精确度。首先，将卷积块注意力模块(Convolutional Block Attention Module, CBAM)嵌入到YOLOv5模型的骨干网络卷积层，同时采用CIoU损失和DIoU-NMS方案，提高车型检测准确率；其次，使用改进DeepSORT的表观特征提取网络和ResNet网络，分别获取深度卷积神经网络(Deep Convolution Neural Networks, DCNN)特征和车型ID特征；再次，将车型特征、DCNN特征及车辆ID特征使用加和表示层进行融合，形成可鉴别身份特征，以提高车辆再识别精度；最后，基于Softmax交叉熵损失和三元组损失设计指标函数并进行学习，对学习结果进行重排序以进一步提高模型的精度，并将算法在公开数据集VeRi776、VehicleID和自建数据集Tunnel_Veh4C进行训练验证。结果表明：与现有方法相比，提出的Rank-1、Rank-5和Rank-10识别准确率以及平均精度均值(Mean Average Precision, mAP)在上述数据集上都有了不同程度的提升，其中，mAP在Tunnel_Veh4C上提升了28.78%、20.68%、18.05%和11.99%，而Rank-1、Rank-5和Rank-10识别准确率达到了95.12%、98.48%和99.3%。此外，该方法在工程项目中进行了应用，同样取得了良好的效果。因此，该方法通过充分利用车辆各种的有效特征信息，能够有效提升车辆再识别精确度，对不同视角、光照的车辆表现出良好的再识别性能,并且在实际应用中具有较强的鲁棒性。]]></description>
<category><![CDATA[]]></category>
<author><![CDATA[梁华刚, 黄伟浩, 薄颖, 徐波帅, 王一帆]]></author>
<pubDate><![CDATA[2023-09-09 00:00:00.0]]></pubDate>
</item>
<item>
<title><![CDATA[基于强化学习的灾后公路网修复决策研究]]></title>
    <link>http://zgglxb.chd.edu.cn/CN/abstract/abstract4467.shtml</link>
<description><![CDATA[为了加快恢复受灾地区的路网畅通，保障人员疏散、应急队伍调配和救灾物资运输等灾后救援工作的尽早展开，针对应急恢复阶段的灾后公路网多维修队的修复调度和路由问题展开研究，并“允许安排多个维修队同时对一条受损路段进行修复”，以实现“柔性”修复调度，从而提升最优灾后公路网修复策略的实用性。采用灾后需求点的需求满足率表示路网连通度，并以路网连通度韧性作为灾后公路网修复策略的评价指标，使用Markov决策过程模拟灾后公路网多维修队的修复调度和路由的决策过程。然后，基于Q学习与Dijkstra算法设计出适合求解所提问题的改进强化学习算法，解决了灾后公路网多维修队的修复调度和路由问题，优化了灾后需求点和物资供应点之间的可达性；最后进行了案例分析。结果表明：所提出的方法能够实现维修队的修复调度和路由的整体性决策，可以得到全局韧性最优的灾后公路网修复策略，并验证了考虑“柔性”修复调度得到的最优修复策略具有更佳的修复效果，且更具有实用性。]]></description>
<category><![CDATA[]]></category>
<author><![CDATA[郝新军, 毛新华, 谭晓燕, 王建伟]]></author>
<pubDate><![CDATA[2023-09-09 00:00:00.0]]></pubDate>
</item>
</channel>
</rss>