为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为...为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下,可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。展开更多
针对交通运输业碳足迹及其影响因素间作用效应研究的不足,首先,建立交通运输业碳足迹测算模型对京津冀地区交通运输碳足迹进行量化评估;其次,采用对数平均迪氏指数(Logarithmic Mean Divisia Index,LMDI)乘法形式模型研究京津冀地区交...针对交通运输业碳足迹及其影响因素间作用效应研究的不足,首先,建立交通运输业碳足迹测算模型对京津冀地区交通运输碳足迹进行量化评估;其次,采用对数平均迪氏指数(Logarithmic Mean Divisia Index,LMDI)乘法形式模型研究京津冀地区交通运输业的碳排放与其他社会经济指标的交互效应;最后,基于京津冀产业结构及城镇化差异等社会经济背景,分析京津冀交通运输业碳排放影响因素的空间差异性.研究结果表明:京津冀地区交通运输业碳排放在研究期内逐年增加,北京市增长率最高,且年均增长率为8.58%;经济增长因素对京津冀全域交通运输业碳排放增加促进作用最显著;交通运输产业、生产效率等因素作用效应存在空间差异,而经济增长、人口效应、交通运输能源利用强度和碳排放强度等指标则表现出较弱的空间差异;促进经济增长与交通碳排放等环境负面影响的脱离、提高交通运输业生产效率、根据人口效应及结构进行交通运输系统设计的优化与结构调整、优化交通运输业能源结构等措施,有助于减少京津冀交通运输业碳排放量.展开更多
文摘依据网联自动驾驶车辆(connected and autonomous driving vehicle,CAV)与人工驾驶车辆(human driving vehicle,HV)的特点,针对人机混驾交通环境,基于通行锁法和可插车间隙理论建立交叉口车辆通行控制策略,利用城市交通仿真(simulation of urban mobility,SUMO)平台构建仿真环境对策略进行效果评估,以交通量和CAV渗透率为输入变量,进行了共计6种情景的52组交叉实验.结果表明:在CAV渗透率一定时,随着交通流量的增加,交叉口内可供CAV利用的通行机会减少,策略对于延误的降低效果逐渐减小;在交通流量一定时,策略的实施效果对于CAV渗透率变化较为敏感,高渗透率下CAV获得闲置时空资源的机会更大,交叉口车辆平均延误降低效果更明显;相较于传统信控策略,所提策略在低交通流量的低、中、高渗透率,中等交通流量的中、高渗透率,以及高交通流量的高渗透率情况下,均能够降低10%以上的车辆平均延误.所提出的策略可以作为人机混驾环境下交叉口常规信控策略的补充,对完全智能网联自动驾驶环境下的交叉口组织优化与管理也具有参考意义.
文摘为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下,可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。
文摘针对交通运输业碳足迹及其影响因素间作用效应研究的不足,首先,建立交通运输业碳足迹测算模型对京津冀地区交通运输碳足迹进行量化评估;其次,采用对数平均迪氏指数(Logarithmic Mean Divisia Index,LMDI)乘法形式模型研究京津冀地区交通运输业的碳排放与其他社会经济指标的交互效应;最后,基于京津冀产业结构及城镇化差异等社会经济背景,分析京津冀交通运输业碳排放影响因素的空间差异性.研究结果表明:京津冀地区交通运输业碳排放在研究期内逐年增加,北京市增长率最高,且年均增长率为8.58%;经济增长因素对京津冀全域交通运输业碳排放增加促进作用最显著;交通运输产业、生产效率等因素作用效应存在空间差异,而经济增长、人口效应、交通运输能源利用强度和碳排放强度等指标则表现出较弱的空间差异;促进经济增长与交通碳排放等环境负面影响的脱离、提高交通运输业生产效率、根据人口效应及结构进行交通运输系统设计的优化与结构调整、优化交通运输业能源结构等措施,有助于减少京津冀交通运输业碳排放量.
