基于RFSIM的智能交通系统研究

以RFID与SIM卡相结合技术原理为基础,提出了一套城市智能交通信息管理系统模型,该模型用来解决城市交通管理中的一系列经典难题.该模型结合了射频技术、短时交通流预测方法、路网状态判别技术以及数据库技术,能获取、分析并处理路网交通信息,并能够实时监控交通流量、车辆信息以及交通状况,并可通过手机屏幕或STK语音短信实时将路网信息通知车主.该系统有利于解决城市交通拥挤状况,有效提高路网的通行能力.最后,本文从现实应用出发,以手机RFSIM发展为切入点,分析了此系统的优势和前景,进而论证了基于RFSIM的智能交通系统的可行性和有效性.     

公交站点停靠时间及影响因素分析

从公交停靠过程分析入手,对城市公交站点停靠时间及其影响因素展开系统研究,旨在为提高公交站点服务水平提供参考.以广州快速公交为例,将公交车停靠时间划分为开关门时间、损失时间、上下车时间和服务后延误时间4个阶段.基于实际调查数据,对各个阶段的时间分别进行了统计,并给出了影响因素的分析.根据分析结果可知,公交车损失时间在不同时段大小不一样;人均上下车时间会随着上下车人数增加先是减小后再增加.这些统计结果可为现有停靠时间的确定提供新的思路.     

GeoHash与KNN在共享单车停靠点优化选择中的应用

针对共享单车停靠点供需时空失衡、潮汐效应明显、优化选择水平低的问题,本文把区域编码与分类学习方法相结合,提出一种基于GeoHash与K最近邻模型(K Nearest Neighbor model,KNN)的共享单车停靠点优化选择方法。首先,在分析现有共享单车停靠问题的基础上,利用GeoHash算法的区域编码分割,得到停靠点空间分布;然后,在停靠点可供选择数量和可容纳车辆数量的双重约束条件下,利用KNN聚类算法进行二次划分,完成共享单车停靠点的优化选择;最后,利用厦门市思明区和湖里区共享单车数据进行综合评价。研究结果表明,该方法具有一定的合理性,能够为缓解共享单车停靠点潮汐现象提供有益借鉴。     

基于驾驶员视角变化的跟驰模型研究

在跟驰过程中,后车驾驶员都是通过人体感觉器官获取前方邻近车辆速度或位置的变化信息来调整本车的运动,但是这些信息刺激只有超过特定阈值才能被后车驾驶员感知并做出反应.从驾驶员视角变化的潜在因素出发,以感知阈值作为驾驶员反应的临界条件为前提,并针对前车不同行驶工况下,建立基于驾驶员视角变化的车辆跟驰模型,得到相应情况下后车跟随加速度的表达式.分析结果表明:前车行驶状态与两车相对速度差的不同,后车跟随加速度也不相同,更符合实际交通流特征.     

网约车感知等待时间判别模型及影响因素分析

作为社会出行的重要组成部分,大学生早已成为网约车行业的主要用户对象,探究大学生等候网约车到达时间的感知行为,对进一步推动网约车新业态规范发展是十分必要的。首先,在线调查492位大学生的候车行为和感知状态;然后,使用Cronbach’s α和验证性因子分析检验问卷的信效度;最后,将感知时间划分为3个分类,采用判别分析方法,建立网约车感知等待时间判别模型,并对判别分类结果及其影响因素进行了实证分析。研究发现,个人特征、环境因素、候车行为以及移动设备四个因素所包含的35个变量都会影响感知等待时间;在同组分类函数中,候车行为对感知等待时间的影响最大,其次是环境因素,最低是移动设备。研究结果为探究影响大学生感知等待时间长度的具体因素及潜在心理提供了有效支撑,为有效提高网约车的服务水平和吸引力提供了一定的理论价值和现实指导意义。     

新冠肺炎疫情不同阶段居民出行方式选择行为建模分析

针对新冠肺炎疫情初期、中期及后期3个不同阶段,从出行者属性与出行特性两个方面分析居民出行方式选择行为的影响因素.由于出行方式之间存在相互关联作用,故采用Nested Logit模型方法建立出行方式选择行为决策模型.利用中山市坦洲镇居民出行意向调查数据(StatedPreference,SP),分别分析新冠肺炎疫情各个阶...