CN103383819B - 基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统 - Google Patents
基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统 Download PDFInfo
- Publication number
- CN103383819B CN103383819B CN201310306694.7A CN201310306694A CN103383819B CN 103383819 B CN103383819 B CN 103383819B CN 201310306694 A CN201310306694 A CN 201310306694A CN 103383819 B CN103383819 B CN 103383819B
- Authority
- CN
- China
- Prior art keywords
- road
- speed
- desert
- highway
- safety
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
<b>本发明提供了一种基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统,该系统包括依次相连的荒漠公路基本数据录入与存储子系统、荒漠公路驾驶人道路安全认知子系统,荒漠公路驾驶人车速控制子系统和荒漠公路预测车速输出子系统。本发明的系统反应快速、精确度高、操作方便,可有效的减小交通事故的发生,本发明可被道路交通管理部门、科研院所以及国外同行所采用,具有明显的行业共性和社会公益性。本发明的系统相对同样路段的实测车速与模拟预测计算车速的最大平均相对误差值为14.37%,最小平均相对误差值为2.83%,总平均相对误差值为7.62%,行车速度的预测结果与实际速度的实测结果的一致性高。</b>
Description
技术领域
本发明属于道路交通安全领域,涉及一种车速预测系统,具体涉及一种基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统。
背景技术
目前传统的公路车速预测模型具有一定的片面性,存在计算精确度低,模型太过复杂而不易实现等缺陷。加之传统的公路车速预测模型主要考虑公路线形要素的影响,很少涉及驾驶人对模型的影响,而影响车辆运行速度最直接的因素是驾驶人本身,驾驶人通过对公路线形要素进行感知评价,然后做出相应决策,从而操纵车辆进行速度调整。
荒漠公路交通条件与一般公路相比具有较大差别,目前对于荒漠公路车速预测计算的研究较少。针对荒漠公路典型路段开展运行车速分布特征研究,可使车辆运行速度科学规范化,从而确保荒漠公路在交通运输网中的作用得以充分发挥。因此,建立能够客观真实地反映驾驶人对荒漠道路结构要素认知的定量分析模型就成为荒漠公路车辆行驶车速预测计算领域的难点和前沿技术之一。
发明内容
针对现有技术中存在的不足,本发明的主要目的在于提供一种用于公安交通管理部门道路车速预测的荒漠公路车辆行驶速度预测计算系统,本系统能够利用荒漠公路道路结构和环境条件,计算预测荒漠公路各路段的车辆行驶速度,实现荒漠公路行驶车速检测过程动态配色示意图、运行速度预测计算表输出功能。
为了实现上述任务,本发明采用如下技术方案予以实现:
一种基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统,该系统包括依次相连的荒漠公路基本数据录入与存储子系统、荒漠公路驾驶人道路安全认知子系统,荒漠公路驾驶人车速控制子系统和荒漠公路预测车速输出子系统,其中:
所述的荒漠公路基本数据录入与存储子系统包括荒漠公路基本数据输入与预处理功能模块和元数据管理功能模块;
所述的荒漠公路驾驶人道路安全认知子系统包括道路安全认知综合因子及子因子提取模块、道路安全认知子因子函数建立模块和道路安全认知综合因子计算模块;
所述的荒漠公路驾驶人车速控制子系统包括驾驶人行车速度控制MF规则建立模块和车速控制模拟计算模块;
所述的荒漠公路预测车速输出子系统包括行驶车速检测过程动态配色示意图输出模块、运行速度预测计算表输出模块以及荒漠公路测试路段数据存储模块;
所述的荒漠公路基本数据录入与预处理功能模块用于快速完成荒漠公路基本信息和结构参数的录入、接合路段数据缓和接续处理;
所述的元数据管理功能模块用于对荒漠公路各路段路面、线形、交通环境数据的加载、显示与存储;
所述的道路安全认知综合因子及子因子提取模块用于根据荒漠公路线形结构和环境条件,确定各类型道路安全认知综合因子和子因子;
所述的道路安全认知子因子函数建立模块用于根据认知论域建立对应各认知子因子频率变化特性折线图,确定各等级道路下主因子折线结构,最终建立各等级荒漠公路各安全认知变量子因子函数;
所述的道路安全认知综合因子计算模块根据安全性认知子因子函数,计算各个输入变量样本对应的安全认知子因子函数值,并进一步计算荒漠公路安全认知综合因子值;
所述的驾驶人行车速度控制MF规则建立模块根据实验路段的道路环境、交通环境以及该路段的道路实测车速平均值,建立不同车型不同路段的车速控制MF规则集。
所述的车速控制模拟计算模块通过建立MF规则的整体关系和道路交通环境信息指标值与控制车速之间的逻辑推理关系,实现逻辑推理结果向对应控制车速转换,得到各等级公路上车辆驾驶人关于速度控制的逻辑推理数学描述过程,预测荒漠公路车辆行驶车速。
所述的行驶车速检测过程动态配色示意图输出模块,采用荒漠公路结构参数以及环境参数模拟计算结果,输出各检测路段的检测计算条件以及行驶车速检测过程动态配色示意图;
所述的运行速度预测计算表输出模块用以输出检测路段车辆运行速度预测计算数据表以及车辆运行速度预测曲线;
所述的测试路段数据存储模块采用Access数据库技术,利用VC++6.0开发平台建立了荒漠公路车速预测计算案例数据仓库,存储模拟计算生成的检测路段预测车速值。
本发明与现有技术相比,有益的技术效果是:
本发明的系统反应快速、精确度高、操作方便,可最大限度的减小交通事故的发生并降低事故的伤害程度,本发明可被道路交通管理部门、科研院所以及国外同行所采用,具有明显的行业共性和社会公益性。本发明的系统相对同样路段的实测车速与模拟预测计算车速的最大平均相对误差值为14.37%,最小平均相对误差值为2.83%,总平均相对误差值为7.62%,行车速度的预测结果与实际速度的实测结果的一致性高。
本发明的系统开创性的提出驾驶人对荒漠公路路段安全认知的评估模型,继而根据道路安全认知综合主因子这一评估值得到用于荒漠公路车辆运行车速测算的预测计算模型。本系统层次分明,操作简单,不要求使用人具备较高的专业技术水平,使用本发明能够提高道路车速预测的精度。
附图说明
图1为本发明的系统流程框图。
图2为本发明的荒漠公路基本数据录入与存储子系统逻辑流程图。
图3为本发明的荒漠公路驾驶人道路安全认知子系统逻辑流程图。
图4为本发明的荒漠公路驾驶人车速控制子系统逻辑流程图。
图5为本发明的荒漠公路预测车速输出子系统逻辑流程图。
图6为本发明的系统主界面。
图7为本发明的系统下拉菜单栏。
图8为实施例荒漠公路的总体信息录入对话窗口。
图9为实施例荒漠公路的路段数据录入对话窗口。
图10为实施例荒漠公路的路段状况列表输出窗口。
图11为实施例荒漠公路的路段平纵曲线绘制效果设置及计算曲线显示比例设置对话窗口。
图12为实施例中型车辆二级荒漠公路路段行驶车速检测过程动态配色示意图。
图13为实施例中型车辆二级荒漠公路路段车辆运行速度预测计算数据表。
图14为实施例小轿车二级荒漠公路路段行驶车速检测过程动态配色示意图。
图15为实施例小轿车二级荒漠公路路段车辆运行速度预测计算数据表。
具体实施方式
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
遵从上述技术方案,如图1所示,本发明包括四个子系统:(1)荒漠公路基本数据录入与存储子系统;(2)荒漠公路驾驶人道路安全认知子系统;(3)荒漠公路驾驶人车速控制子系统;(4)荒漠公路预测车速输出子系统。利用本发明的人机交互界面,可以计算预测荒漠公路各路段的车辆行驶速度,实现荒漠公路行驶车速检测过程动态配色示意图、运行速度预测计算表输出的功能。
本系统各个主要功能模块的实现设计方案:
(1)参见图2,基本数据录入与存储子系统,根据预处理的荒漠公路道路名称、道路类型、路段数量路段总长以及各路段路面类型、路段长度、路段线形参数等数据,实现荒漠公路基本信息和结构参数的录入、接合路段数据缓和接续处理、数据加载及显示与存储功能。接合路段数据缓和接续处理主要是针对相邻路段的道路线形参数发生改变,实现两相邻道路段按照道路设计规范和标准以缓和曲线进行连接。本子系统包括两个功能模块:荒漠公路基本数据输入与预处理功能模块和元数据管理功能模块。
1)荒漠公路基本数据输入与预处理模块针对荒漠公路道路名称、道路类型以及道路路面、线形、交通环境等道路基本数据,快速完成道路各参数的录入、接合路段数据缓和接续处理,实现两相邻道路段按照道路设计规范和标准以缓和过渡连接,为后续的道路车速预测提供数据支持。
2)元数据管理功能模块,用于存储预处理后的荒漠公路道路结构参数的数据。本模块采用Access数据库技术,利用VC++6.0开发平台建立了荒漠公路道路结构与环境数据资料库。该数据库的作用是将通过对话窗口录入的荒漠公路结构参数的数据存入基础数据资料库,建立荒漠路段结构参数数据库。
(2)参见图3,荒漠公路驾驶人道路安全认知子系统,根据车辆驾驶人分别在一、二、三级荒漠公路路段现场进行荒漠道路结构和交通环境安全性评价试验,建立车辆驾驶人对荒漠公路交通环境状况的道路安全认知综合因子值及子因子函数。初步实现了对车辆驾驶人员关于道路结构和交通环境的安全性认知过程的定量描述。子系统实现方案和具体操作过程如下:
①根据实测而得的各荒漠公路典型路段的结构数据资料,进行各结构安全性认知的集合描述,提取道路安全认知综合因子及子因子;
②组织具有不同驾驶经历及有较高理解能力和表述能力的试验人员对荒漠公路典型路段的认知综合因子和子因子进行统计试验,根据荒漠公路典型路段的认知综合因子实测数据和对应认知子因子结果进行统计分析,实现对各荒漠公路道路结构安全性认知子因子论域的截割;
③根据荒漠公路典型路段各结构要素的实测值和对应认知子因子的非零集和确定集,设定各认知子因子的形式,进而确定出荒漠公路各道路结构安全性认知子因子的函数表达式。
④根据排列组合原理,将各等级公路的各安全性认知综合因子的一个子集构成一个条件部,计算各个输入变量样本对应的安全性认知子因子函数值,然后对于每组输入样本进行计算,计算道路安全认知综合因子值。
上述技术过程具体通过三个模块予以实现:
1)道路安全认知综合因子及子因子提取模块,本模块主要根据荒漠公路的平曲线半径、纵坡度、行车视距、路面宽度、边坡高度、路面状况、横向干扰状况的结构参数的实测数据,得出每一单元(条)道路,路面宽度基本相同,边坡高度的变化比较集中,在正常情况下一、二级路路面状况和一级路行车视距条件良好。因此,提取各等级荒漠公路的安全性认知综合因子和子因子如下:
a)一级荒漠公路
提取一级公路的安全性认知综合因子为:{平曲线半径、纵坡坡度、横向干扰状态}。根据道路线形设计标准,以道路最小曲线半径为基准,将道路平曲线半径划分为{很缓弯,缓弯,较急弯,急弯}四个子因子;以道路最大设计坡度为基准,将道路纵坡坡度划分为{很平缓,缓坡,较陡坡,陡坡}四个子因子;以道路干扰因子为基准,将横向干扰状态划分为五档子因子。
b)二级荒漠公路
提取二级公路的安全性认知综合因子为:{平曲线半径、纵坡坡度、行车视距、横向干扰状态}。其中平曲线半径、纵坡坡度和横向干扰状态的子因子的提取与一级公路相同,以道路停车视距作为行车视距基准,将其划分为{很长,较长,短,很短}四个子因子。
c)三级荒漠公路
提取三级公路的安全性认知综合因子为:{平曲线半径、纵坡坡度、行车视距、横向干扰状态、路面状况}。其中平曲线半径、纵坡坡度、行车视距和横向干扰状态的子因子的提取与二级公路相同,路面状况以路面设计标准平整度为基准,提取{较好,有点破损,较大破损,严重破损}四个子因子。
2)道路安全认知子因子函数建立模块
根据道路安全认知综合因子及子因子,进行道路交通环境认知变量安全性评价试验。以4614组(一级路673组、二级路1785组、三级路2156组)有效认知数据,计算道路安全认知子因子函数。本研究采取“广义专家”截割法确定驾驶人员认知论域的截集,进而确定各安全认知变量子因子函数。对于一、三级公路,取80分位人次专家的有感评价(0.2截集)为各认知子因子的非零集,取0.8置信水平(0.8截集)或相对最大覆盖频率区间为各认知子因子的确定集。对于二级公路,取80分位人次专家的有感评价(0.2截集)为各认知子因子的非零集,取0.7置信水平(0.7截集)或相对最大覆盖频率区间为各认知子因子的确定集。建立对应的各认知子因子频率变化特性折线图,确定各等级道路下主因子函数折线结构,最终建立各等级荒漠公路各安全认知变量子因子函数。
3)道路安全认知综合因子计算模块
根据排列组合原理,将各等级公路的各安全性认知综合因子的一个子集构成一个条件部。根据上节所得的安全性认知子因子提取模块,计算各个输入变量样本对应的安全性认知子因子函数值,然后对于每组输入样本进行计算,计算道路安全认知综合因子值:
其中,N代表测试路段数目,n代表各综合主因子,代表综合主因子值,代表各子因子对应值,代表测试路段道路环境条件与结构参数。
若,则该组合的条件部不存在对应规则。
(4)参见图4,荒漠公路驾驶人车速控制子系统,根据驾驶人对道路和交通环境条件的安全性认知MF评价模型和在588处一级、二级、三级公路典型路段上使用雷达测速仪实测行驶车速值并建立典型路段实际运行车速数据库的基础上,以实测平均车速值和道路结构数据为样本,应用统计试验、逻辑推理等分析方法,建立能够定量描述车辆驾驶人在既定道路条件下行车时基于安全性考量的行车速度控制规则和逻辑推理模拟计算模型,实现车辆驾驶人在一定安全认知环境中的车速控制决策、推理过程的定量研究。该子系统包括驾驶人行车速度控制MF规则建立模块和车速控制模拟计算模块。
1)驾驶人行车速度控制MF规则建立模块
依据荒漠公路现场测量所记录的每个实验路段的道路和交通环境参数以及在自由流交通状况下(车流量<300辆/小时),用雷达测速仪测定3类主要车型{小轿车、中型车(包括大客车)、重型车}在该路段的平均行驶车速,以实验路段的道路环境和交通环境参数作为输入变量样本,以该路段的道路实测车速平均值为输出样本,建立车速控制MF规则。
根据排列组合原理,将各等级公路的各安全性认知综合因子的一个子因子构成一个条件部。根据上节所计算道路安全认知综合因子值,若道路安全认知综合因子值等于零,则该组合的条件部不存在对应规则,若道路安全认知综合因子值不等于零,则可进一步计算使该组合条件部成立的全部样板组的输出平均值,进而计算该条件部对应的结论部输出值,得到该条所对应的的MF规则。重复上述步骤,完成各等级公路的各安全性认知综合因子的中各子因子的全部组合形式,即建成在各级公路上驾驶人关于速度的MF控制模型。经编程计算而得的小轿车、中型车和重型车驾驶人在各级公路上进行速度控制的MF规则集。
2)车速控制模拟计算模块
驾驶人在荒漠公路路段上驾车行驶时,将首先对该路段的道路结构和交通环境进行安全性判定(安全性认知子因子函数计算模型),然后(车速控制的MF规则)进行逻辑推理,从而控制行车速度于安全域值。该计算模块根据各等级公路MF规则表中的所有MF规则,建立MF规则的整体关系和道路交通环境信息指标值与控制车速之间的逻辑推理关系,应用重心法实现逻辑推理的结果向对应控制车速转换,得到各等级公路上车辆驾驶人关于速度控制的逻辑推理数学描述过程。
(4)参见图5,荒漠公路预测车速输出子系统,根据前述的车速控制模式模拟计算模块,输出荒漠公路车速预测值和预测曲线,并实现所测荒漠公路路段数据存储。本子系统包括三个功能模块:行驶车速检测过程动态配色示意图输出模块、运行速度预测计算表输出模块以及测试路段数据存储模块。
1)行驶车速检测过程动态配色示意图输出模块,采用前述的荒漠公路结构参数以及环境参数及模拟计算结果,输出各检测路段的检测计算条件以及行驶车速检测过程动态配色示意图。
2)运行速度预测计算表输出模块,输出检测路段车辆运行速度预测计算数据表以及车辆运行速度预测曲线。
3)测试路段数据存储模块,用于存储模拟计算生成的检测路段预测车速值。采用Access数据库技术,利用VC++6.0开发平台建立了荒漠公路车速预测计算案例数据仓库。
使用本发明系统经过对荒漠公路车速进行预测,其结果将以行驶车速检测过程动态配色示意图、检测路段车辆运行速度预测计算数据表以及车辆运行速度预测曲线的形式表述出来,可为交通管理部门进行限速标准制定以及公路安全水平评价提供有力的技术支撑。
以下发明人给出某荒漠公路车速预测真实案例,通过利用本发明预测荒漠公路下不同车辆的运行速度。
实施例:
以新疆某二级荒漠公路为例:
①参见图8,运行软件,在【公路基本数据录入与列表显示】下拉菜单栏中执行【公路信息录入】命令,弹出【公路总体信息录入对话窗口】对话框。根据荒漠公路实际道路信息,在各文本框中依据字段要求输入或设定预测荒漠公路路段基本信息。
②参见图9,单击【路段信息录入】命令,弹出【路段数据录入】对话框。根据预测路段道路结构参数和环境条件,在各文本框中依据字段要求输入或设定该路段道路结构信息、路段类型和编号等信息。
③参见图10,单击【道路路段状况列表输出】命令,实现荒漠公路各路段线性参数、路段起始桩号的列表显示。
④如图11所示,单击【屏幕显示效果设置】命令,根据实际案例要求,设定各文本框中的信息,实现路段平纵曲线绘制效果设置及计算曲线显示比例的设置。
以下是本系统具体使用操作步骤:
①如图12所示,单击【行驶车速预测计算】命令,实现荒漠公路路段行驶车速检测过程动态配色动态示意图输出(额定载荷中型车辆某荒漠二级公路)。
②如图13所示,继续单击鼠标左键,实现荒漠公路路段运行速度预测计算数据表输出(额定载荷中型车辆某荒漠二级公路)。
③如图14所示,单击【行驶车速预测计算】命令,实现荒漠公路路段行驶车速检测过程动态配色动态示意图输出(小轿车某荒漠二级公路)。
④如图15所示,继续单击鼠标左键,实现荒漠公路路段运行速度预测计算数据表输出(小轿车某荒漠二级公路)。
Claims (1)
1.一种基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统,其特征在于,该系统包括依次相连的荒漠公路基本数据录入与存储子系统、荒漠公路驾驶人道路安全认知子系统,荒漠公路驾驶人车速控制子系统和荒漠公路预测车速输出子系统,其中:
所述的荒漠公路基本数据录入与存储子系统包括荒漠公路基本数据录入与预处理模块和元数据管理功能模块;
所述的荒漠公路驾驶人道路安全认知子系统包括道路安全认知综合因子及子因子提取模块、道路安全认知子因子函数建立模块和道路安全认知综合因子计算模块;
所述的荒漠公路驾驶人车速控制子系统包括驾驶人行车速度控制MF规则建立模块与车速控制模拟计算模块;
所述的荒漠公路预测车速输出子系统包括行驶车速检测过程动态配色示意图输出模块、运行速度预测计算表输出模块以及荒漠公路测试路段数据存储模块;
所述的荒漠公路基本数据录入与预处理功能模块用于实现荒漠公路道路名称、道路类型以及道路路面、线形、交通环境路基本数据的录入,快速完成接合路段数据缓和接续处理,实现两相邻道路段按照道路设计规范和标准以缓和过渡连接;
所述的元数据管理功能模块用于对荒漠公路各路段路面、线形、交通环境数据的数据加载、数据显示与数据存储;
所述的道路安全认知综合因子及子因子提取模块用于根据荒漠公路的线形参数以及道路环境条件信息,对荒漠公路路段现场进行道路结构和交通环境安全统计分析,提取各类型道路安全认知综合因子和子因子;
所述的道路安全认知子因子函数建立模块用于根据道路安全认知综合因子及子因子,进行道路交通环境认知变量安全性试验,建立各认知因子频率变化特性折线图,确定各等级道路下主因子函数折线结构,最终建立各等级荒漠公路各安全认知变量子因子函数;
所述的道路安全认知综合因子计算模块根据安全认知子因子提取模块,计算各输入变量样本对应的安全性认知子因子函数值,对每组安全认知子因子输入样本进行计算并累加,计算道路安全认知综合因子值;
所述的驾驶人行车速度控制MF规则建立模块根据荒漠公路现场测量所记录的每个实验路段的道路和交通环境参数以及自由流交通状况下的三类主要车型在该路段下的平均行驶车速,建立输入/输出样本集,经编程计算得到小轿车、中型车和重型车驾驶人在各级公路上进行速度控制的MF规则集;
所述的车速控制模拟计算模块根据各等级公路MF规则表中的所有MF规则,建立MF规则的整体关系和道路交通环境信息指标值与控制车速之间的逻辑推理关系,应用重心法实现逻辑推理结果向对应控制车速转换,得到各等级公路上车辆驾驶人关于速度控制的逻辑推理数学描述过程,预测计算荒漠公路车速值;
所述的行驶车速检测过程动态配色示意图输出模块,采用荒漠公路结构参数以及环境参数模拟计算结果,输出各检测路段的检测计算条件以及行驶车速检测过程动态配色示意图;
所述的运行速度预测计算表输出模块用以输出检测路段车辆运行速度预测计算数据表以及车辆运行速度预测曲线;
所述的测试路段数据存储模块采用Access数据库技术,利用VC++6.0开发平台建立了荒漠公路车速预测计算案例数据仓库,存储模拟计算生成的检测路段预测车速值;其中:
根据上述所得的安全性认知子因子提取模块,计算各个输入变量样本对应的安全性认知子因子函数值,然后对于每组输入样本进行计算,计算道路安全认知综合因子值:
其中,N代表测试路段数目,n代表各综合主因子,代表综合主因子值,代表各子因子对应值,代表测试路段道路环境条件与结构参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310306694.7A CN103383819B (zh) | 2013-07-19 | 2013-07-19 | 基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310306694.7A CN103383819B (zh) | 2013-07-19 | 2013-07-19 | 基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103383819A CN103383819A (zh) | 2013-11-06 |
CN103383819B true CN103383819B (zh) | 2015-11-18 |
Family
ID=49491597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310306694.7A Expired - Fee Related CN103383819B (zh) | 2013-07-19 | 2013-07-19 | 基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103383819B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107331161A (zh) * | 2016-04-28 | 2017-11-07 | 财团法人资讯工业策进会 | 车速预测方法 |
CN107783533A (zh) * | 2016-08-26 | 2018-03-09 | 法乐第(北京)网络科技有限公司 | 一种规则表的建立方法及装置 |
US11948053B2 (en) * | 2020-09-18 | 2024-04-02 | Megh Computing, Inc. | Inferencer graph for implementing machine learning model topology |
CN115909709B (zh) * | 2022-10-27 | 2023-10-27 | 长安大学 | 一种考虑安全性的多车协同控制策略优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3520330B2 (ja) * | 2000-11-27 | 2004-04-19 | 国土交通省国土技術政策総合研究所長 | 交通流模擬装置による交通流予測制御システム |
CN101354833A (zh) * | 2008-09-19 | 2009-01-28 | 岳亮 | 一种道路交通的安全警示方法 |
CN102034349A (zh) * | 2010-12-23 | 2011-04-27 | 东北林业大学 | 一种交通事件路段分段限速值确定方法 |
-
2013
- 2013-07-19 CN CN201310306694.7A patent/CN103383819B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3520330B2 (ja) * | 2000-11-27 | 2004-04-19 | 国土交通省国土技術政策総合研究所長 | 交通流模擬装置による交通流予測制御システム |
CN101354833A (zh) * | 2008-09-19 | 2009-01-28 | 岳亮 | 一种道路交通的安全警示方法 |
CN102034349A (zh) * | 2010-12-23 | 2011-04-27 | 东北林业大学 | 一种交通事件路段分段限速值确定方法 |
Non-Patent Citations (2)
Title |
---|
基于驾驶适宜性检测的沙漠公路驾驶员速度估计分析;艾力•斯木吐拉 等;《心理科学》;20090531(第5期);全文 * |
青海省戈壁荒漠区高速公路线性参数的研究;周宏洲;《中国优秀硕士学位论文全文数据库》;20120815;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103383819A (zh) | 2013-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Short-term prediction of safety and operation impacts of lane changes in oscillations with empirical vehicle trajectories | |
CN103971523B (zh) | 一种山区道路交通安全动态预警系统 | |
CN101364344B (zh) | 一种基于压力测试的路网极限容量确定方法 | |
CN106529608A (zh) | 一种机动车尾气遥测设备综合布点系统 | |
CN104463348A (zh) | 一种沥青路面改造方案决策系统及方法 | |
CN105405293A (zh) | 一种道路旅行时间短期预测方法和系统 | |
CN103839409A (zh) | 基于多断面视觉传感聚类分析的交通流状态判别方法 | |
CN103383819B (zh) | 基于驾驶人认知特性的荒漠公路车辆行驶速度预测计算系统 | |
CN104318757B (zh) | 一种公交专用道上的公交车车路段运行时间预测方法 | |
CN102682601A (zh) | 基于优化svm的高速公路交通事件检测方法 | |
Peng et al. | Determination of safe vehicle speeds on wet horizontal pavement curves | |
CN106530717A (zh) | 基于云模型的施工路段行车险态评价方法 | |
Shen et al. | Identification of accident blackspots on rural roads using grid clustering and principal component clustering | |
Boyer et al. | Trends over two decades of transportation research: a machine learning approach | |
CN107180534A (zh) | 支持向量回归机融合的高速公路路段平均速度估计方法 | |
CN109035763A (zh) | 基于c4.5的高速公路事故主次因分析及事故类型判断方法 | |
Luo et al. | Research of vehicle rear-end collision model considering multiple factors | |
Yao et al. | Traffic safety analysis at interchange exits using the surrogate measure of aggressive driving behavior and speed variation | |
Wang et al. | Predictability of Vehicle Fuel Consumption Using LSTM: Findings from Field Experiments | |
Weng et al. | New methodology to determine work zone capacity distribution | |
CN105046958A (zh) | 一种高速公路交通信息采集点非等距优化布局方法 | |
Li et al. | Traffic accident analysis based on C4. 5 algorithm in WEKA | |
Cirianni et al. | Road traffic noise prediction models in the metropolitan area of the Strait of Messina | |
Dong et al. | An identification model of urban critical links with macroscopic fundamental diagram theory | |
Hou et al. | Modelling large vehicles operating speed characteristics on freeway alignment based on aggregated GPS data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151118 Termination date: 20180719 |
|
CF01 | Termination of patent right due to non-payment of annual fee |