本站所列毕业设计(论文)资料均属于原创者所有,初衷是为大家在毕业设计(论文)过程中参考和学习交流之用。

毕业设计我帮你

基于自适应网络的模糊推理系统探索货车配比对高速公路交通安全的

基于自适应网络的模糊推理系统探索货车配比对高速公路交通安全的

本文主要通过分析卡车比例对交通流量参数和交通冲突的影响,研究卡车比例对交通安全的影响。收集了山西省高速公路直段的交通数据,并通过正交试验对仿真数据进行了校正,并辅以VISSIM来获得车辆的轨迹。然后,通过SSAM计算交通冲突的数量,并通过ANFIS确定卡

如需购买请QQ扫描右边二维码或者加QQ 3449649974 咨询 毕业设计(论文)代做请加QQ 2269757180


  • 详细描述

    基于自适应网络的模糊推理系统探索货车配比对高速公路交通安全的影响
    高速公路的卡车操作对交通安全有影响。特别地,卡车比例的逐渐增加将不可避免地影响不同交通量的高速公路交通运营。在本文中,使用VISSIM仿真来提供现场数据,并设计正交实验来校准仿真数据。然后,结合SSAM建模分析卡车比例对交通流量参数和交通冲突的影响。提出了基于自适应网络模糊推理(ANFIS)的严重与一般冲突预测模型,以确定卡车比例对高速公路交通安全的影响。结果表明,当卡车比例在3200 veh / h下大约为0.4,在2600veh/h下大约为0.6时,交通冲突更多,严重冲突的数量大于一般冲突的数量,这也反映了这种关系。卡车比例和交通安全之间的关系。在3000 veh /h以下, 随卡车比例的增加,行驶时间和平均延迟增加,而小型车的平均速度和平均速度则减小。随着卡车比例增加到3000 veh/h 以上,平均时程大大增加。速度标准偏差最初随卡车比例的增加而增加,然后下降。换道减少,卡车比例增加。此外,ANFIS 可以准确确定卡车比例对不同交通量下交通冲突的影响,并验证ANFIS的学习能力。
     
    目录
    1. 导论与文献综述 2
    2. 资料说明 3
    2.1交通流参数 3
    2.2. 交通冲突参数 4
    3.方法 5
    3.1仿真建模 5
    3.2基于自适应网络的模糊推理系统 7
    4. 结果与讨论 10
    4.1. 仿真结果 10
    4.2.ANFIS建模结果 12
    5. 结论 15
    致谢 16
    参考文献 16
     
    1.导论与文献综述
    随着中国物流业的繁荣,高速公路上的卡车数量不断增加,高速公路的交通安全越来越明显[11,30].影响高速公路交通安全的因素很多,包括驾驶员,车辆,环境和道路平整度。根据公安部交通管理局的统计[25],总共报告了涉及卡车的道路交通事故50,400起,造成25,000人死亡和46,800人受伤, 分别占汽车责任事故总数的30.5%,48.23%和27.81%。它远远高于卡车在车辆总数中所占的比例。中国山西省共发生5088起交通事故,造成2131人死亡和5278人受伤。这些车祸中超过50%与卡车有关。高速公路上卡车的高比例是造成这种现象的重要原因。因此,如何减轻和消除卡车和卡车比例对高速公路行安全的过度影响是亟待解决的问题。许多研究基于历史碰撞数据检查了卡车对交通安全的影响[26] 通过使用各种统计模型,例如单变量泊松对数正态(UVPLN),多元泊松(MVP)和多元泊松对数正态(MVPLN)回归[5]. 它表明,随着卡车百分比的增加,汽车碰撞事故的发生率降低,而卡车碰撞事故的发生频率和汽车卡车碰撞事故的发生频率却增加。两个随机参数排序的概率模型[33] 分别探讨了单车和多车碰撞的影响因素。多项式logit(MNL) 和负二项式(NB)模型[7] 用来分析风险因素对大型卡车事 故的发生频率和严重性的影响。混合(随机参数)logit模型 [16] 结合交通流研究公路段事故伤害严重度分布特性,所有这些都表明存在较高的卡车百分比和纯粹的卡车数量可能会降低行进速度,从而往往会降低事故伤害的严重程度。文献中提到了交通安全与通过交通事故数据得出的卡车比例的影响,而不是集中在通过卡车比例的安全性上。
    然后,一些文献分析了卡车对交通流量参数的影响, 以探索高速公路上卡车比例与交通安全之间的关系。伊斯兰教和巴斯扬尼[12] 量化了城市中张贴的限速(PSL)降低的影响,然后揭示了在PSL的夜间和周末,货车,公共汽车和卡车的比例很高。Li等。[15] 得出的结论是,随着重型卡车比例的增加,流量和速度将降低。贝叶斯经验性前后观察研究还发现,速度标准偏差降低了26%,而超过速度限制超过20 km / h的轻型和重型车辆的比例分别降低了84% 和77%[18]. 卡车在交通中所占的百分比对平均速度有所贡献。
    除此之外,当交通事故数据有限时,交通冲突技术是分析高速公路交通安全的另一种有用方法[29, 32]. 结果表明,冲突风险程度可以在一定程度上更全面地揭示不同类型冲突的实际安全水平。此外,代理安全评估模型(SSAM)[20] 也可用于分析冲突的安全绩效。得出卡车体积百分比和交通分配对冲突频率的影响最大。以换道,合并和追尾冲突的措施为评价指标,研究了通过VISSIM对受限卡车道和专用卡车道的影响。[8]. 随着卡车百分比的增加,涉及卡车的冲突比例也会增加,并且当卡车百分比超过15%时,卡车车道策略最为有效。碰撞时间(TTC)也是安全风险的替代 安全措施[19] 可以预测安全的可能性。巴赫曼等。[3] 重新定义了先前为进行高速公路研究中的冲突分析而实施的算法。并且,涉及卡车和不同的车辆以验证修改后的结果。结果表明,为卡车提供单独的高速公路确实减少了与卡车相关的冲突,但车道变更冲突却增加了。不同的文献认为,交通冲突可能是交通安全的替代安全措施,因此在缺乏历史事故数据的情况下,大多数冲突技术都可用于指示交通安全。
    最重要的是,一些文献基于交通事故数据分析了卡车的重量等影响因素,否则,采用统计和模拟方法来分析诸如卡车性能或冲突等交通参数对交通安全的影响。然而,有一些文献讨论了卡车比例对高速公路交通安全的影响, 交通事故数据主要用于探讨卡车比例与交通事故之间的关系。卡车的比例也是交通安全的最重要因素之一。因此, 本文的目的是探讨卡车比例对交通流量参数和交通冲突的影响,并为研究奠定基础。首先,将从山西高速公路交通视频监控系统中提取的现场数据用于建立仿真模型以获得仿真数据。然后从SSAM获取交通冲突数据,分析交通冲突与货车比例之间的关系,并采用自适应网络模糊推理系统(ANFIS)建立与货车比例有关的交通冲突模型。流量。因此,可以反映卡车比例对高速公路交通安全的影响。
     
    参考文献
    [1] J. Archer和W. Young,“减少大城市公路交叉口重型车辆撞 车危险的信号处理”,《事故分析与预防》,第一卷。41号3, 第404–411页,2009年。 
    [2] A. Agarwal,M。Zilske,KR Rao和N. Kai,“一种优雅的, 计算有效的方法,用于使用基于代理的仿真进行异构流量建 模”,Procedia计算机科学,第1卷。52,第962–967页, 2015年。 
    [3] C. Bachmann,MJ Roorda和B. Abdulhai,“使用改进的碰撞时 间定义来模拟仅卡车基础设施上的交通冲突,”运输研究委员 会会议,运输研究委员会,华盛顿特区,2010年。 
    [4] C. Chai和YD Wong,“两种模拟安全评估方法的比较:元 胞自动机和SSAM”,《运输工程学报》,第1卷。141号6, 05015002页,2015。
    [5] C. Dong,DB Clarke,SH Richards和B. Huang,“乘用车和大型卡车的差异涉及城市信号交叉口的撞车频率:探索性分 析”,《事故分析与预防》,第一卷。62页,第87-94页, 2014年。 
    [6] U. Durrani,C。Lee和H. Maoh,“使用混合的车辆对相互作用来校准wiedemann的车辆跟踪模型”,《交通运输研究》 C部分:新兴技术,第1卷。67,第227–242页,2016年。 
    [7] C. Dong,Q。Dong,B。Huang,W。Hu和SS Nambisan,“估算大型卡车事故的频率和严重程度的估计因素”, 《运输工程学报》,A部分:系统,第1卷。143号8, 04017032页,2017年。 
    [8] S. El-Tantawy , S 。 Djavadian , M 。 Roorda 和 B. Abdulhai,“使用微观模拟建模对卡车车道限制策略进行 安全性评估”,《交通运输研究记录》:交通运输研究委 员会杂志,第1卷。2099,第123–131页,2009年。 
    [9] D. Gettman , L 。 Pu , T 。 Sayed , S 。 Shelby 和 ITS Siemens,代理安全评估模型和验证(FHWAHRT-08-051), 美国联邦公路管理局安全研究与发展办公室,2008年。 
    [10] M. Hosseinpour,AS Yahaya,SM Ghadiri和J. Prasetijo, “自适应神经模糊推理系统在道路事故预测中的应用”,《 KSCE土木工程学报》,第1卷。17号7,第1761–1772页,2013年。 
    [11] Q. Hou,AP Tarko和X. Meng,“分析高速公路隧道的撞车频率:一种相关的随机参数方法”,《事故分析与预防》,第一卷。111,第94-100页,2018年。 
    [12] MT Islam和K. El-Basyouny,“用于前后速度数据分析的完 整贝叶斯混合效应干预模型”,《交通运输研究记录:交通 运输研究委员会杂志》,第1卷。2513,第11-20页,2015年。 
    [13] JS Jang,“ ANFIS:基于自适应网络的模糊推理系统”, 《 IEEE系统与人》和“控制论学报”,第1卷。23号3,第665–685页,1993年。 
    [14] E. Jeong和C. Oh,“评估主动车辆安全系统的有效性”, 《事故分析与预防》,第1卷。100,第85-96页,2017年。 
    [15] X. Li,X. Li,Y. Xiao和B. Jia,“在两车道细胞自动机交 通流模型中模拟小汽车和重型卡车之间的机械限制差异”, 《物理学报A:统计力学及其应用》,第1卷。451,第49-6页,2016年。 
    [16] JC Milton,VN Shankar和FL Mannering,“高速公路事故严 重程度和混合logit模型:探索性经验分析”,《事故分析与 预防》,第一卷。40号1,第260-266页,2008年。
    [17] A. Mehar,S。Chandra和S. Velmurugan,“通过VISSIM对混合 交通条件进行校准的高速公路通行能力”,《 KSCE土木工程学报》,第1卷。18号2,第639–645页,2014年。 
    [18] A. Montella,LL Imbriani,V。Marzano和F. Mauriello, “对点对点速度执行系统的速度和安全性的影响:城市高速公 路A56 tangenziale di Napoli的评估,”事故分析与预防,第 1卷。75,第164–178页,2015年。 
    [19] G. Mwesige,H。Farah和HN Koutsopoulos,“对两车农村公路过境区的风险评估和政策应用”,《事故分析与 预防》,第一卷。90,第1-12页,2016年。 
    [20] AM Molan和JE Hummer,“比较新型同步和密尔沃基B互换 的安全性到现有设计”,《事故分析与预防》,第109卷,第29-35页, 2017年。 
    [21] B.Németh,Z。Bede和P.Gáspár,“使用超前控制的车辆对混 合交通流进行建模和分析”,IFAC-PapersOnLine,第1卷。 50,不。1,第15639-15644页,2017年。 
    [22] AM Rahimi,“智能交通对道路交通事故死亡人数影响的神经模 糊系统建模”,《技术公报》,第1卷。24号4,第1165–1171页,2017年。 
    [23] SP Siddharth和G. Ramadurai,“印度异类交通状况下的 VISSIM校准”,《过程社会与行为科学》,第1卷。104,第 380–389页,2013年。 
    [24] R. Sun,D。Xue和Y. Zhang,“基于GNSS /罗盘融合和自适 应神经模糊推理系统的后端碰撞检测”,在合作定位与服务 (CPGP)中,IEEE,第273-277页,哈尔滨,中国,2017。 
    [25] 公 安 部 交 通 管 理 局 , 《 中 国 交 通 事 故 统 计 》 https://www.sohu. com/a/223922497_116921, [EB/OL], 2017. 
    [26] A. Theofilatos , G 。 Yannis , P 。 Kopelias 和F.Papadimitriou,“预测道路交通事故:一种罕见事件建模方 法”,《运输研究学报》,第1卷。14,页3399-3405,2016。 
    [27] J. Tang,F. Liu,W. Zhang,R. Ke和Z. You Zou,“基 于自适应模糊神经网络的车道变化预测”,《专家系统与 应用》,第一卷,第1期。91,第452–463页,2018年。 
    [28] K. Vogel,“比较行进距离和碰撞时间作为安全指标”, 《事故分析与预防》,第一卷。35,没有3,第427–433 页,2003年。 
    [29] X. Wang,D。Zhao,H。Peng和DJ LeBlanc,“基于自然 驾驶数据分析未保护的交叉路口左转弯冲突”,在《智能 车辆研讨会》(IV)中,IEEE,第218-223页,CA,美国, 2017年。 
    [30] K. Xie , K 。 Ozbay , H 。 Yang , J 。 Holguín-Veras 和 EF Morgul,“模拟非工作时间送货计划在城市地区的安全影响”, 《交通运输研究记录:交通研究委员会杂志》,第1卷。 2478号1,第19–27页,2015年。 
    [31] W. Young,A。Sobhani,MGLenné和M. Sarvi,“安全性模拟: 道路安全模拟建模的最新进展”,《事故分析与预防》,第1 卷。66,第89-103页,2014年。 
    [32] W. Yin,Zou Q. Zou,C。Lv,Z。Wu和G. Tan,“非信号交 叉口冲突风险程度的定量模型”,Procedia Engineering, 第1卷,第1期。137,第171–179页,2016年。 
    [33] W. Zou,X。Wang和D. Zhang,“纽约市的卡车碰撞严重程度: 对空间和一天中时间影响的调查”,《事故分析与预防》, 第一卷。99,第249–261页,2017年。

    收缩