期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于HighD数据集的高速公路交通冲突预测方法
1
作者 揭文祺 《现代交通技术》 2023年第5期64-70,共7页
为改进高速公路交通冲突模型,基于High D数据集提取某路段交通冲突数据和交通流数据,依据TTC(time to collision,碰撞时间)的大小确定轻微冲突、一般冲突以及严重冲突的阈值。研究不同影响因素与冲突次数之间的关系,并对4种模型的效果... 为改进高速公路交通冲突模型,基于High D数据集提取某路段交通冲突数据和交通流数据,依据TTC(time to collision,碰撞时间)的大小确定轻微冲突、一般冲突以及严重冲突的阈值。研究不同影响因素与冲突次数之间的关系,并对4种模型的效果进行比较,为冲突预测方法的研究提供思路。首先,针对不同严重程度的交通冲突数分别采用Poisson(泊松)模型、NB(Negative Binomial,负二项)模型、ZINB(Zero-inflated Negative Binomial,零膨胀负二项)模型及ZIP(Zero-inflated Poisson,零膨胀泊松)模型进行回归分析。其次,利用赤池信息量准则、贝叶斯信息准则对4种模型的拟合效果进行比较。结果表明:不同冲突次数预测模型中表现最佳的模型分别为NB模型、ZIP模型以及Poisson模型,3种模型中加速度标准差和平均速度都与冲突次数显著相关。 展开更多
关键词 交通安全 交通冲突 预测模型 计数模型 零膨胀模型 highd数据集
在线阅读 下载PDF
考虑驾驶员模糊感知的深度学习跟驰模型 被引量：9
2
作者 李林波 李瑞杰 邹亚杰 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第3期360-369,共10页
为模拟驾驶人记忆效应以及模糊感知特性,设计了基于模糊感知时间窗的深度学习跟驰模型。提取highD数据集跟驰轨迹,以0.2 s最小时间间隔,连续3 s本车速度、前后车速度差、车头间距的时序数据作为模型输入,模拟驾驶记忆。训练深度学习跟... 为模拟驾驶人记忆效应以及模糊感知特性,设计了基于模糊感知时间窗的深度学习跟驰模型。提取highD数据集跟驰轨迹,以0.2 s最小时间间隔,连续3 s本车速度、前后车速度差、车头间距的时序数据作为模型输入,模拟驾驶记忆。训练深度学习跟驰模型,得出单层32个输出维度的门控循环单元(GRU)网络可以很好拟合实际数据。在每次输入模型的时序数据中,用模型预测值替换部分真实跟驰状态值,作为驾驶员对场景的估计,即模糊感知。实验得出对同一场景的不同模糊感知,可产生不同跟驰行为,模拟了驾驶行为的异质性,可为异质交通行为仿真提供方法。 展开更多
关键词 跟驰模型 模糊感知 深度学习 highd数据集
在线阅读 下载PDF
基于时依等比例风险回归模型的换道时长影响因素 被引量：9
3
作者 李林波 李杨 邹亚杰 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第7期933-940,共8页
研究了基于时依等比例风险回归模型的换道时长(LCD)影响因素。利用开源HighD数据集,提取了560条完整的换道(LC)轨迹,对整体换道时长分布进行了非参数估计;引入时依等比例风险回归模型,对当前车辆换道时长的影响因素进行分析。结果表明:... 研究了基于时依等比例风险回归模型的换道时长(LCD)影响因素。利用开源HighD数据集,提取了560条完整的换道(LC)轨迹,对整体换道时长分布进行了非参数估计;引入时依等比例风险回归模型,对当前车辆换道时长的影响因素进行分析。结果表明:大部分驾驶员在3~8 s内完成换道行为;共有6个变量显著影响换道时长,其中最为关键的为当前车辆自身车速,同时当前车道的前车与目标车道的后车对换道时长的影响也非常显著。 展开更多
关键词 换道时长(LCD) 生存分析 时依等比例风险回归模型 highd数据集
在线阅读 下载PDF
基于多国实测数据的跟驰模型对比 被引量：1
4
作者 徐志刚 魏璐颖 +2 位作者 刘志广 刘张琦 秦孔建 《长安大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期89-100,共12页
为了更精确描述车辆跟驰(CF)行为,并研究不同国家跟驰行为数据对跟驰标定模拟的影响,以及各跟驰模型对跟驰行为模拟的精确程度,选取中国西安市南二环某路段交通流CHD数据集、美国NGSIM数据集以及德国HighD数据集,针对Gazis-Herman-Rothe... 为了更精确描述车辆跟驰(CF)行为,并研究不同国家跟驰行为数据对跟驰标定模拟的影响,以及各跟驰模型对跟驰行为模拟的精确程度,选取中国西安市南二环某路段交通流CHD数据集、美国NGSIM数据集以及德国HighD数据集,针对Gazis-Herman-Rothery(GHR)模型、智能驾驶模型(IDM)以及最新被提出的S-shaped three-parameters(S3)跟驰模型进行模型标定以及误差分析,利用加速度、前后车速度差、前后车位置差和后车速度等数据作为输入参数,采用互相关分析与模拟退火相结合的方法进行数据拟合,并利用加速度、速度和位移的均方根误差(R_(MSE))对参数拟合后的模型进行性能评价。研究结果表明:针对3个不同国家数据集中的跟驰行为,S3微观模型标定效果均表现最佳,3个数据集的R_(MSE)平均值均最小,且低于其他2种跟驰模型;德国HighD数据集总采集精度高、数据量大,因此无论采用何种CF模型进行标定,该数据集在跟驰行为标定方面的性能均表现最佳、误差最小。研究结果对交通仿真软件模拟交通流的车辆跟驰模型选取及其参数优化具有重要意义,且对于如何选择跟驰模型标定数据集亦具有重要价值。 展开更多
关键词 交通工程 微观交通流 跟驰模型 S3模型 highd数据集 模拟退火法
原文传递
基于多国实测数据下的交通流模型对比研究 被引量：1
5
作者 刘张琦 谢耀华 +2 位作者 李宝路 刘志广 徐志刚 《公路交通技术》 2022年第2期134-138,共5页
为检验最新的S3交通流模型和多个经典交通流模型对交通状态的描述精度和对不同国家交通流数据的适应性,利用模型分别对中国西安市长安大学CHD数据集、德国HighD数据集和美国PeMS数据集进行参数拟合和特性分析,利用流量、速度和密度作为... 为检验最新的S3交通流模型和多个经典交通流模型对交通状态的描述精度和对不同国家交通流数据的适应性,利用模型分别对中国西安市长安大学CHD数据集、德国HighD数据集和美国PeMS数据集进行参数拟合和特性分析,利用流量、速度和密度作为输入参数,采用最小二乘方法拟合,并利用均方误差指标(MSE)对参数拟合后的模型进行性能评价。试验结果表明,S3模型在针对中、德、美三国实测数据条件下,其MSE v值分别为69、86、61,显著低于其他4种经典交通流模型(Greenshields、Greenberg、Underwood和Newell模型),S3模型可以更好地表达自由流、饱和、拥堵交通状态下流量、速度和密度三者之间耦合关系。 展开更多
关键词 交通流模型 S3模型 highd数据集 PeMS数据集
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部