首页期刊导航|公路交通科技
期刊信息/Journal information
公路交通科技
公路交通科技

陈国靖

月刊

1002-0268

gljtkj@vip.sina.com

010-62077751/9198转1031 62031106转813、

100088

北京市西土城路8号

公路交通科技/Journal Journal of Highway and Transportation Research and DevelopmentCSCD北大核心CSTPCD
查看更多>>本刊是中央一级学术性期刊，由中华人民共和国交通部主管，交通部公路科学研究所主办，国内外公开发行。刊物主要刊登道路工程、桥梁工程、汽车运用与维修工程、汽车节能、筑路机械、交通工程、公路运输经济与管理、环境污染与防治等方面的科技成果与学术论文，以及设计施工、产品开发、科技信息等内容。
正式出版
收录年代

    不同降雨强度环境下高速公路跟驰模型标定

    单华刚于长海许金良高超...
    190-198页
    查看更多>>摘要：为了标定不同降雨环境下高速公路跟驰模型,通过实地试验探究了不同降雨强度下驾驶员跟驰行为特性,基于遗传算法对跟驰模型进行标定,并采用交叉验证方式对标定参数进行验证.首先,通过实地试验收集了正常、小雨、中雨及大雨条件下的交通流数据,根据车头时距和车头间距筛选跟驰事件;其次,分析了不同降雨强度下驾驶员跟驰行为的变异性,探究了不同降雨强度下的车头间距和跟驰速度的关系;最后,利用遗传算法对 GHR 模型、FVD 模型以及 IDM 模型参数进行了标定,并采用交叉验证检验了模型精度.结果显示,降雨强度对高速公路的车辆跟驰行为有显著影响.降雨强度越大,驾驶员倾向于保持更大的车头间距和更低的跟驰速度.大雨天气与正常天气相比,跟驰速度相同时的平均跟驰间距增加 30 m以上,跟驰间距相同时的平均跟驰速度降低 10 km·h―1 以上.标定结果进一步显示,随着降雨强度的增加,跟驰模型中体现驾驶员敏感程度的参数逐渐增加,反映驾驶行为或期望驾驶行为的参数呈现向更加保守方向变化的趋势.交叉验证分析还表明,与GHR 模型和FVD 模型相比,IDM模型更能有效反映不同降雨强度对驾驶员跟驰行为的影响.

    智能交通跟驰模型遗传算法高速公路降雨强度

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    K-means算法在高速公路ETC数据分析中的应用

    张添翼杨涵田俊山王歆远...
    199-206页
    查看更多>>摘要：为了更高效地利用高速公路ETC数据集并提升数据处理速度,深入分析ETC用户的主要特征和高速公路存在的潜在问题.以我国某省份某高速公路出入口2023 年6 月的ETC通行数据为例,通过Python编程语言对数据进行清洗,采用环形特征编码处理时间数据,并运用K-means聚类算法对数据进行处理.重点关注入口时间、出口时间、本省通行里程等指标,对用户的收费里程、速度以及行驶时间 3 个核心特征进行分析,借助聚类中心点和雷达图进行可视化展示.分析结果显示,傍晚时段的通行效率较低,晚间疲劳驾驶和午夜超速问题较为突出.根据通行里程分析,白天主要以短程和中程用户为主,长程用户倾向于在上午进入高速公路,同时,该高速公路存在大量的通勤车辆.在速度分析方面,低速组多为短途车辆.K-means聚类算法的应用使得数据处理过程快速且可靠,结合更多的ETC数据,可以进一步深入了解高速公路通行的主要群体和状况.研究成果可为制定差异化收费政策提供有力依据.例如,通过聚类分析进入高速公路的时间,确定高峰时段和低谷时段,适时提高高峰时段的费用,降低低谷时段的费用,从而提高通行效率、平衡路网流量.这具有重要的现实意义.

    智能交通用户聚类K-means算法高速公路ETC数据海量数据

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《公路交通科技》征稿简则

    封3页
      原文链接:
    • NETL
    • NSTL
    • 万方数据