高速公路线形设计的质量量化评价模型

针对道路安全审计中如何量化评价线形的设计质量这一重大技术问题,在分析国内外相关研究及实际调查研究的基础上,构造了高速公路线形设计质量量化评价模型,找出了模型量化评价值与亿车公里事故率之间的内在联系,充分验证了评价模型的适应性和有效性,最后给出了高速公路线形设计质量评价标准.     

高速道路入口匝道控制方法综述

高速道路入口匝道控制，在国外许多大城市已有广泛的应用和研究．其控制方法依据控制范围、复杂程度可归纳为静态控制、单点动态控制、动态协调控制三类．国内在此领域内尚未展开大规模的研究，目前也没有实际应用的案例。本文对几种基本的高速道路入口匝道控制方法及其优缺点进行总结和分析，并对相关研究的发展提出看法．     

ATM over SDH在高速公路联网通信的应用

基于通信技术的发展趋势 ,对高速公路联网通信几种组网模式进行了系统分析 ,然后提出了联网通信 ATM over SDH组网模式 ,并通过对联网通信功能进行分析 ,建立了联网通信功能模型 ,最后给出了联网通信 ATM over SDH网络解决方案。     

山区高速公路沥青路面的抗车辙能力

针对山区高速公路陡坡多、车辙严重的问题，分析了超载（包括轮压与汽车轴载等）对山区高速公路路面沥青混合料的影响以及长大纵坡对沥青路面抗车辙能力的影响。认为山区高速公路产生车辙的主要原因是长大纵坡导致了车辆低速行驶，车辆低速行驶对沥青混合料动稳定度的影响超过夏季高温和超载的影响。研究结果表明，减小坡度和控制坡长是提高路面抗车辙能力的有效方法。     

车联网环境下匝道汇入区瓶颈换道优化

高快速路汇入区（即合流区）瓶颈是交通流运行的咽喉，汇入瓶颈交通流失效会加剧拥堵，诱发交通振荡以及事故率上升等一系列问题。与现有研究大都通过调节匝道汇入车辆行为或主线车辆速度进而试图改善汇入区交通流问题不同，该研究聚焦于瓶颈汇入区上游主线车辆，通过动态调节汇入区上游主线车道车辆分布，提升汇入区通行能力。具体而言，研究提出一种可以对网联车（CV）进行双向换道建议的混合整数线性规划模型，该方法不依赖于交通流基本图设定的临界密度，通过实时计算每一辆个体CV的向左、向右或保持车道决策以优化车道流量分布，减少汇入车辆干扰，提升汇入效率。基于VISSIM交通仿真软件，通过二次开发搭建了汇入区瓶颈换道优化实时仿真评估系统，并对该方法进行了验证，测试不同流量组合和不同CV渗透率下算法的有效性。各车道时空轨迹表明该换道建议优化方法可以有效减小汇入车辆冲突，车均延误分析结果表明在单车道平均流量1 550 ~1 800 veh·h^-1区间，即汇入瓶颈失效关键流量区段，换道建议优化方案相比原方案能显著改善汇入区的运行效率，车均延误可降低10 %~50 %左右。CV渗透率敏感性分析表明，在较低的0.2~0.5渗透率下即可达到减小延误的目标。     

高速公路车辆群模型与控制

本文提出了一个新的高速公路车辆群动态离散非线性模型,应用极大值原理推导了控制方案,并且针对我国大陆上第一条最长的高速公路——沈大公路进行了系统仿真,其结果对高速公路的管理提供了参考方案。     

高速公路隧道纵向通风的智能控制

高速公路隧道内的 CO浓度、可见度等环境参数是保证隧道正常运行所需要控制的重要参数 ,通过高速公路隧道通风来保证这些参数在安全的范围内。通风设备是高速公路隧道运营中电能消耗的主要设备 ,是节能的主要对象。高速公路隧道是一个带滞后的大惯性对象 ,存在许多不确定干扰。本文在分析隧道纵向通风特点的基础上 ,提出了一种隧道纵向通风的智能控制方法 ,该智能控制方法基于模式识别和最优控制理论 ,具有较强的鲁棒性和因后期隧道改造而变动的适应能力 ,达到了安全和节能的目的。     

高速公路雾天安全管理系统

以沪宁高速雾天安全管理为依托，基于雾天交通安全管制决策模型、高速公路雾天安全保障方案和地理信息系统、信息管理等应用技术，开发建立了高速公路雾天安全管理系统．系统由雾情监测与信息采集、基于GIS的数据库管理、雾情预警与安全管理决策支持、雾情发布等子系统组成，可实现雾天高速公路交通管制、路网交通流协调与应急处理等功能．并在系统开发过程中，提出了管理单元划分原则、能见度采集设备布设原则和可变信息发布设施布设原则．     

高速公路交通流宏观模型的分段辨识算法

分别采用ＲＢＦ神经网络和最小二乘法对高速公路交通流宏观模型进行分段辨识，成功地解决了该模型辨识的工程化问题，并与传统的复合形法进行了比较，仿真效果令人满意。     

高速公路交通流宏观模型的一种分类辨识算法

高速公路交通流模型是一个高阶非线性时变系统 ,这使得该模型的辨识问题成为一个非常困难的问题。简要介绍了模型及其中各参数的含义 ,在对模型参数加以分析、讨论的基础上将其分类并分别采用径向基函数 (RBF)神经网络和最小二乘法对模型的参数进行分类辨识 ,成功地解决了该模型辨识的工程化问题。通过与传统的复合形法的辨识结果进行比较 ,该方法的辨识精度和速度均明显提高 ,仿真效果令人满意