【摘 要】
:
近年来,中小城市非机动车保有量持续增加,城市道路运行状况日渐复杂,随之引发的交通安全问题也日益突出,不仅给交通管理部门在管理上带来了新的挑战,还给交通参与者带来了较大的安全威胁。因此,对中小城市的非机动车交通安全问题进行分类研究,并提出适当的改善措施具有十分重要的现实意义。本文首先对中小城市非机动车的出行特征、骑行特性及事故特征进行了研究。以桂林、柳州和南宁三个城市的实测数据为基础,深入研究路段内
论文部分内容阅读
近年来,中小城市非机动车保有量持续增加,城市道路运行状况日渐复杂,随之引发的交通安全问题也日益突出,不仅给交通管理部门在管理上带来了新的挑战,还给交通参与者带来了较大的安全威胁。因此,对中小城市的非机动车交通安全问题进行分类研究,并提出适当的改善措施具有十分重要的现实意义。本文首先对中小城市非机动车的出行特征、骑行特性及事故特征进行了研究。以桂林、柳州和南宁三个城市的实测数据为基础,深入研究路段内混行非机动车超车事件和交通流运行特征,建立超车事件数预测模型。将混行非机动车道路内的超车事件数和骑行者主观感受打分作为主要评价指标,运用K-means聚类算法构建了混行非机动车道路服务水平评价体系。研究结果表明,超车事件数与单位小时流量、路段宽度呈多元线性回归关系,超车事件数随二者增大而增大;本文构建的混行非机动车道路服务水平评价标准可划分为五个等级,当单位时间内超车事件数大于等于25个时,非机动车道路服务水平最低,所产生的交通安全隐患也最大。其次,基于信号交叉口不同的非机动车待行区,对左转机动车和非机动车交通冲突展开了研究,选取主要影响因素建立了广义线性机非交通冲突数预测模型,并利用实测数据对模型精度进行了对比分析。研究结果表明,机非交叉冲突数与左转电动车流量、人力自行车流量以及同向进口道左转机动车流量相关;机非膨胀冲突数与左转非机动车流量、同向进口道左转机动车流量及对向进口道非机动车流量相关。使用机非冲突数预测模型,可以较为准确地计算信号交叉口机非冲突数,且能够较好地对交叉口进行安全评价。最后,依据前文的研究成果,从路段、交叉口、骑行人与车辆等方面提出了非机动车交通安全管理对策。并选取两条路段和一个交叉口进行实例分析,对本文提出的预测模型和服务水平评价体系进行验证,同时通过分析交通安全问题给出相应的交通安全改善措施。研究结果表明,从宏观和微观两个角度提出的交通安全管理对策能够从源头上提高中小城市非机动车骑行者的交通安全性。
其他文献
随着全球定位导航系统(GPS)等定位设备的普及,基于GPS的室外轨迹挖掘已得到较多的研究和应用,如可以从GPS轨迹中挖掘用户兴趣地点等知识,并将其应用到基于位置的推荐系统中。但基于GPS的位置服务技术不能满足室内位置服务系统的需求。室内定位需要不同于GPS的技术,室内的位置信息和轨迹路线也比室外更复杂,因此需要研究室内位置服务相关的技术,但目前这方面工作较少,仍然面临许多挑战。针对某园区室内外一体
随着人民生活水平的提高,城市旅游业发展迅速。旅游交通是城市旅游过程的重要组成部分,它承担着在始发地与目的地和各个旅游景点之间转移游客的重要任务。它影响着城市旅游带给人们的直接感受,因此,成为了衡量旅游发展水平的重要因素。但是我国每年接待的平均游客量逐年增加,从而导致的交通状况繁杂,交通发展的步伐很难跟上旅游业,为使旅游和交通相互协调,彼此相互促进共同发展,合理规划城市旅游客运交通服务系统显得尤为重
功率器件IGBT模块在工作或运输过程中,经常会受到热和随机振动的复合加载,从而导致模块焊接层的寿命受到影响,甚至引起整个IGBT模块的失效。因此,本文针对功率器件IGBT可靠性问题,对比研究热循环、随机振动以及热振耦合三种载荷下IGBT的失效模式和疲劳寿命计算方法。主要工作如下:(1)基于模态分析方法对IGBT模块的动态特性进行研究分析。通过利用有限元分析软件,对IGBT模块结构在不同约束条件下的
心房颤动(Atrial Fibrillation,AF)是一种严重且多见的心律失常疾病,患者发病时可能会导致脑卒中并损害其心脏功能。心电图(Electrocardiogram,ECG)是检测AF的金标准。然而ECG有着监测周期短和采集麻烦的短板,而且通过ECG很难检测出阵发性AF。相比之下,光电容积脉搏波描记法(Photoplethysmography,PPG)易于获取并且适合于长期监测。因此,基
随着绿色低碳出行理念的发展以及共享技术的普及,非机动车出行在城市居民日常出行中占据的比重逐渐增大,其出行目的主要包括通勤、购物、娱乐等。科技的进步让非机动车流中的车型不再是单一的人力自行车,而是由自行车、电动自行车以及摩的型电动车组成的多元化混和车型。电动车的续航性和舒适性的增强,非机动车在中远程出行中的比例也逐步增加。从微观上来讲非机动车的通行能力对于单个交叉口的通行效率具有很大影响,而从宏观上
在计算机视觉领域,显著性检测已成为研究者们重点研究领域之一。图像显著性检测目的是在复杂的场景中,通过计算机模拟人类视觉注意力机制,剔除图像中的冗余信息,提高计算机自主、智能理解复杂场景的能力,既能应用于现实生活场景又能助力于其他的计算机视觉任务。随着深度学习技术的不断发展,在图像显著性检测中引入深度学习有助于提高模型的鲁棒性。因此,本文主要研究基于深度学习的图像显著性检测及应用。研究工作如下:在进
随着全球卫星导航精密定位技术、数据存储技术及物联网等技术的高速发展,形变监测、地质勘查救援等多个领域的北斗高精度定位数据规模也呈现指数型增长,这导致数据分析,信息提取变得更加困难,而数据可视化技术的应用对于以上问题具有重要意义。数据可视化技术在当今数据时代有着重要应用,该技术旨在用科学的可视化界面对数据进行多种形式的展现,目前国内外的可视化组件设计平台如data V、Tableau等都存在一定的开