-
题名城市快速路互通交织区车辆的换道持续距离选择
- 1
-
-
作者
赵顗
安醇
李铭浩
马健霄
怀硕
-
机构
南京林业大学汽车与交通工程学院
兰州交通大学交通运输学院
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第1期205-212,共8页
-
基金
国家自然科学基金资助项目(62303228)
教育部人文社会科学研究项目(23YJC630253).
-
文摘
以城市快速路互通交织区换道行为为对象,研究换道过程中换道持续距离的选择行为.以实测车行轨迹数据为基础,利用因果推断理论识别影响换道持续距离选择的主要因素:目标车辆换道前后的速度和换道持续时间、当前车道和目标车道前后车的间距.分别利用支持向量机模型和深度学习模型进行换道持续距离选择行为建模,检验换道持续距离选择行为影响因素分析的有效性.结果表明,经筛选后的影响因素提高了行为选择模型的预测速度以及深度学习模型的预测精度;支持向量模型虽然预测速度更快,但预测精度不如深度学习模型.对典型换道行为进行特征分析,为城市快速路互通交织区管理方案的制定奠定了理论基础,是对换道过程行为特征研究的有效补充,精确刻画了换道行为过程.
-
关键词
城市快速路互通交织区
换道持续距离
因果推断
支持向量机
深度学习
-
Keywords
urban expressway interchange weaving section
lane-changing distance
causal inference
support vector machine
deep learning
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
-
题名基于WNN的隧道交织区车辆换道持续距离预测
- 2
-
-
作者
安醇
朱昌锋
章超
贾锦秀
赵良晟
王傑
-
机构
兰州交通大学交通运输学院
-
出处
《兰州交通大学学报》
CAS
2023年第4期43-50,共8页
-
基金
国家自然科学基金(72161024)
甘肃省教育厅“双一流”科研重点项目(GSSYLXM-04)。
-
文摘
车辆换道行为往往被当作瞬时交通行为而忽视其换道过程的行为特征。采用城市连续隧道交织区换道行为作为研究对象,探究其换道过程中换道持续距离的选择行为,提出了一种引入小波变换和人工神经网络的组合预测模型。首先,对提取到的换道数据进行一定程度的降噪处理,将影响换道持续距离的主要因素作为神经网络的输入变量,以南京市“九华山-西安门”连续隧道交织区轨迹数据为例,通过训练模型来提高对车辆换道持续距离的预测精度。结果表明:与机器学习模型和神经网络模型进行对比分析,发现所提出的小波神经网络模型具有较高的预测性能,对该交织段典型换道行为进行特征分析研究,可以为城市连续隧道交织区管理方案的制定奠定理论基础。
-
关键词
换道持续距离
小波神经网络模型
城市连续隧道交织区
-
Keywords
lane-changing distance
wavelet neural network model
urban inter-tunnel weaving section
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
