城市干道无信号控制人行横道行人过街特性分析

对城市干道无信号控制人行横道行人过街特性进行了分析,在对行人过街定性分析的基础上总结出反映行人过街效率的6个具体指标,以某市典型无信号控制人行横道为实例进行了交通调查,测算了行人过街效率指标的实际值.通过对指标值的分析,找出了观测路段交通秩序混乱的原因,提出了具体的改进建议.     

已知部分信息的先验确定

讨论了已知参数的边际先验，来求出其为条件的条件参考先验，进而对总体参数先验做出确定，完善了已知部分先验信息情况下的先验确定理论。     

无信号控制路口行人过街行为特征及博弈模型分析

过城市实地行人问卷调查及过街行为分析,描述了行人过街重要行为特征,在此基础上,引入了交通工程相关结果,针对无信号控制路口行人过街问题,构建了行人先行和车辆先行的扩展式行人过街冲突博弈模型。纳什均衡分析结果揭示了行人过街冲突的机理,并给出了各种冲突情况下相应参数临界分析。预期结果对行人过街设施的管理与建设也具有意义。     

失态的季节:历史回忆中的自我反思--对转型时期知识分子小说的解读

知识分子是如何成为一个"奴在心者"的,这是知识分子小说反思的一个重点。所谓的奴在心者,就是极左路线以"革命"的神圣名义,使本来具有知识分子操守的一代革命青年逐渐背弃自我、放弃独立思想,成为人格萎缩、不敢言说、惟命是从、陷入失语状态的"植物知识分子"。如何从盲信到无信是知识分子小说反思的另一重点。知识分子经历了狂热、盲信、迷信的"恋爱的季节"后,在自己的命运大幅度转弯,精神上遭遇了前所未有的冲击时,他们顿时进入了"失态的季节"。由于自身软弱的限制,他们中的大部分很快的妥协、退让,使人文精神大面积塌陷。他们在肉体和精神的双重磨难中,灵魂走向了麻木、冷漠、虚无。他们的冷漠导致了时代的冷漠和邪恶势力的空前嚣张,从一定程度上说明自身启蒙的重要性和急迫性。     

无信号环形交叉口机非冲突机器学习预测方法

为高效精确地预测无信号环形交叉口机动车与非机动车的交通冲突,提出了基于遗传算法优化的BP神经网络(GA-BP)和支持向量回归(SVR)的组合预测模型(SVR-GA-BP)。通过无人机采集混合交通流高清视频,利用视频识别软件Tracker提取机非交通冲突轨迹数据,以距离碰撞时间(Time to Collision, TTC)为判别指标,确定机非冲突严重程度。基于偏相关性分析确定交通量、平均速度、大车比例等为机非交通冲突的显著影响因素,选取均方根误差(RMSE)、平均绝对误差(MAE)等五种评价指标对SVR模型、BP神经网络、SVR-GA-BP模型的预测值进行精度分析。结果表明,组合模型在一般冲突预测中精度为97.1%,相比SVR和BP神经网络分别提高6.9%和2.5%,在严重冲突预测中精度为96.1%,相比SVR和BP神经网络分别提高7.3%和5.1%。可见SVR-GA-BP组合模型能够有效预测无信号环形交叉口的机非冲突且精度最高,可为同类型交叉口的安全评价提供借鉴。     

城市无信号控制路段非机动车过街延误分析

通过对城市无信号控制路段人行横道的机动车和非机动车的过街交通特征的分析,提出非机动车过街的可穿越间隙计算方法,分别对非机动车过街一次穿越1条车道和一次穿越多条车道出现可穿越间隙下的2种情况进行分析,并运用所提可穿越间隙的计算方法,推算出非机动车过街平均延误.经过实地调查及计算结果分析,验证非机动车过街平均延误计算方法的科学性.并将人行横道非机动车和行人的过街延误进行比较.结果表明,非机动车过街延误是人行横道处过街总延误的重要组成部分.     

无信号交叉口直行电动自行车合流区避让模型研究

无信号交叉口电动自行车合流区违规行为是交叉口电动自行车交通事故的关键成因之一。为减少无信号交叉口电动自行车交通事故,构建了基于元胞自动机的无信号交叉口电动自行车合流区避让模型,并借助MATLAB软件,采用固定变量法仿真研究合流区车辆避让比例对直行电动自行车交通流的影响。仿真结果表明:当直行电动自行车车流的平均密度小于0.23辆/m~2时,其速度变化平缓,此时如果左转电动自行车比例增多,则其速度降低明显;当直行电动自行车车流平均密度大于0.23辆/m~2时,直行电动自行车间可利用间隙和自由行驶的空间越来越小,导致其跟随、加减速等情况越来越多,运行速度逐渐减小。     

无信号交叉口混合车流的通行能力模型

以可接受间隙理论为基础,通过利用概率论的方法,对以大车和小车2种代表车型组成的混合车流进行分析,建立了无信号交叉口混合车流的通行能力模型,发展了无信号交叉口单一车流理想条件的通行能力理论。     

二项抽样模型下r/N(G)系统可靠性增长的Bayes估计

本文介绍在二项抽样模型下,部件可靠概率R带有验前Beta分布、验前负对数Gamma分布及其特殊情况验前U(0.1)分布和无信息验前分布,对r/N(G)系统的可靠性增长作出Bayes估计,主要结果有定理2、3、4。