現(xiàn)實(shí)中的突發(fā)交通狀況。文獻(xiàn)[12]針對(duì)公交車(chē)建立了日前、日內(nèi)多時(shí)間尺度上的優(yōu)化調(diào)度策略,但是只考慮了單線路情形,多線路未考慮其中。上述研究在充電成本優(yōu)化時(shí)都未考慮行車(chē)中交通狀況帶來(lái)的影響,并且充電功率都為單一的恒功率充電,導(dǎo)致車(chē)輛在面對(duì)交通擁堵?tīng)顩r時(shí),計(jì)劃的優(yōu)化策略難以保持最優(yōu),可能會(huì)出現(xiàn)新的負(fù)荷尖峰以及更高的充電成本。本文將重點(diǎn)研究在考慮多線路公交行車(chē)計(jì)劃及其不同交通擁堵?tīng)顩r下,電動(dòng)公交車(chē)站的優(yōu)化充電策略。首先在滿(mǎn)足原有行車(chē)計(jì)劃和充電需求的前提下,生成可

路類(lèi)型中單一交通狀況下分心駕駛時(shí)駕駛?cè)说囊曊J(rèn)特性方面的探討，鮮有從不同的交通狀況條件下開(kāi)展分心駕駛研究。基于此，本文設(shè)計(jì)城市快速路場(chǎng)景2種行車(chē)環(huán)境中模擬駕駛的方法，采集不同駕駛狀態(tài)下的注視指標(biāo)，以此挖掘駕駛?cè)嗽诜中鸟{駛過(guò)程中的注視行為，量化分心負(fù)荷水平，為駕駛?cè)俗⒁曅袨樾Ｕ约靶熊?chē)安全提供理論依據(jù)。1 研究方法1.1 試驗(yàn)變量獲取自由流和擁擠流2種城市道路典型交通狀況下駕駛?cè)诉M(jìn)行不同駕駛次任務(wù)的眼動(dòng)參數(shù)，以表達(dá)“眼動(dòng)數(shù)據(jù)”的“視覺(jué)特性參數(shù)”為因變量，以表達(dá)

達(dá)路段時(shí))的交通狀況，可以為用戶(hù)推薦最優(yōu)出行線路，減少行駛時(shí)間，也方便用戶(hù)私家車(chē)與公共交通的選擇。某段線路上的行駛時(shí)間應(yīng)綜合考慮以下幾個(gè)因素：路線本身的情況、行駛到該路線上時(shí)的交通流量和駕駛員的駕駛習(xí)慣等。當(dāng)前對(duì)交通狀況、路線推薦的研究主要有以下幾類(lèi)：(1)基于交通分析的方法[1-2]：通過(guò)道路上的識(shí)別器及車(chē)流量信息，通過(guò)“識(shí)別器-車(chē)流量-行駛方向”的范式來(lái)研究交通狀況推薦路線，這種方法準(zhǔn)確性的前提是要有足夠的識(shí)別器和車(chē)流量信息，數(shù)據(jù)獲取比較困難[3]。通

感器，大量的交通狀況會(huì)導(dǎo)致交通擁堵，比如反復(fù)出現(xiàn)的交通狀況(比如每天的交通擁擠時(shí)間)、偶爾出現(xiàn)的交通狀況(比如雨天)、不可預(yù)測(cè)的交通狀況(比如交通事故)，以及暫時(shí)性的交通擁擠(比如一場(chǎng)籃球賽)等，所以交通預(yù)測(cè)也會(huì)變得非常復(fù)雜。因此，單個(gè)模型難以捕獲所有這些復(fù)雜的交通情況。很少有研究為不同的交通情況建立不同的模型，例如文獻(xiàn)[11]在正常交通條件下使用差分整合移動(dòng)平均自回歸(autoregressive integrated moving average，AR

區(qū)因位置特殊交通狀況比較復(fù)雜，車(chē)流運(yùn)行不穩(wěn)定、易發(fā)生交通沖突，嚴(yán)重時(shí)甚至引發(fā)交通事故，影響車(chē)輛運(yùn)行安全，產(chǎn)生交通“瓶頸”，降低合流區(qū)通行效率。目前，針對(duì)合流區(qū)交通安全和通行效率，部分學(xué)者開(kāi)展研究：溫惠英等[1]建立沖突概率與沖突嚴(yán)重性的融合模型，以評(píng)估合流區(qū)交通安全性；Wang等[2]建立多級(jí)泊松對(duì)數(shù)正態(tài)分布事故模型，以實(shí)時(shí)預(yù)測(cè)事故風(fēng)險(xiǎn)；魏中華等[3]基于實(shí)測(cè)數(shù)據(jù)分析合流區(qū)匯入角對(duì)通行能力的影響；薛行健等[4]發(fā)現(xiàn)車(chē)道平衡設(shè)計(jì)有利于提升匝道合流區(qū)通行能力；

一種基于實(shí)時(shí)交通狀況和自適應(yīng)像素分割的車(chē)輛檢測(cè)算法，其創(chuàng)新之處如下：(1)所提算法能根據(jù)車(chē)流量的多少對(duì)當(dāng)前交通狀況進(jìn)行評(píng)估，根據(jù)評(píng)估結(jié)果自適應(yīng)地決定是否需要對(duì)車(chē)輛檢測(cè)的背景模型進(jìn)行更新以及如何進(jìn)行更新，從而顯著提高車(chē)輛檢測(cè)的準(zhǔn)確率和實(shí)時(shí)性；(2)采用多幀不連續(xù)的間隔圖像來(lái)構(gòu)建理想的初始模型，在提高算法實(shí)時(shí)性的同時(shí)能降低因車(chē)輛緩慢移動(dòng)或短暫滯留產(chǎn)生“鬼影”的概率；(3)提出基于時(shí)-空變化度的背景區(qū)域變化評(píng)價(jià)方法，聯(lián)合時(shí)域變化度、空域結(jié)構(gòu)變化度和空域顏色變化度

部分參數(shù)2 交通狀況評(píng)估模型對(duì)平均車(chē)速v、交通量f和交通流密度k進(jìn)行權(quán)值配置，得到評(píng)價(jià)交通狀況的綜合參數(shù)，根據(jù)評(píng)價(jià)區(qū)間判斷道路的交通狀況。但3個(gè)參數(shù)的量綱互不相同，需要對(duì)參數(shù)進(jìn)行歸一化處理，參照文獻(xiàn)[9]的方法對(duì)處理后的參數(shù)進(jìn)行權(quán)值配置，得到綜合參數(shù)。計(jì)算出路段在若干時(shí)間點(diǎn)的平均車(chē)速v、交通量f和交通流密度k，即得到交通狀況指標(biāo)向量F，如式(5)所示。F={(v1,f1,k1),(v2,f2,k2),…,(vn,fn,kn) }(5)對(duì)于路段在第i個(gè)時(shí)間點(diǎn)

合技術(shù)的城市交通狀況分析方法。文獻(xiàn)[2]以浮動(dòng)車(chē)數(shù)據(jù)可視化分析路網(wǎng)交通空間分布特征，采用空間聚類(lèi)法實(shí)現(xiàn)了城市交通擁堵?tīng)顩r的識(shí)別與分類(lèi)。文獻(xiàn)[3]結(jié)合車(chē)輛全球定位系統(tǒng)(global positioning system,GPS)軌跡數(shù)據(jù)，運(yùn)用數(shù)據(jù)挖掘理論，提出一種道路網(wǎng)交通狀態(tài)時(shí)空特征分析技術(shù)，以提升城市交通規(guī)劃與管理決策的支持水平。文獻(xiàn)[4]利用圖像處理技術(shù)對(duì)監(jiān)控視頻進(jìn)一步處理，實(shí)時(shí)檢測(cè)城市交通擁堵?tīng)顩r，為交通決策提供理論依據(jù)。文獻(xiàn)[5]建立基于北京、上海

日環(huán)境溫度和交通狀況的變化會(huì)直接影響EV的能耗率，從而改變EV完成出行需求所需的能量[14]。b)AGC信號(hào)的隨機(jī)性。EV在聚合商的協(xié)調(diào)下提供調(diào)節(jié)服務(wù)時(shí)，每隔幾秒便會(huì)從電力系統(tǒng)接收一次AGC信號(hào)，該信號(hào)指示其充放電功率的增加或減少[15]。AGC信號(hào)具有隨機(jī)性，可能導(dǎo)致EV有限的容量很快耗盡或飽和[16]。此外，由于變換器效率和動(dòng)力電池特性限制，頻繁地向電網(wǎng)放電會(huì)導(dǎo)致嚴(yán)重的放電損耗[17-18]。為了在不確定因素影響下合理確定EV的可用調(diào)頻容量，早期的研究

影響區(qū)域內(nèi)的交通狀況；(2)車(chē)輛換道起始時(shí)刻的行駛速度。目前城市道路領(lǐng)域的相關(guān)研究[13-14]指出，這兩個(gè)因素對(duì)換道時(shí)間有著重要影響，但高速公路與城市道路的交通特性并不相同，高速公路領(lǐng)域中交通狀況和行駛速度對(duì)車(chē)輛換道時(shí)間的影響還有待研究。得益于計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，利用車(chē)載視頻進(jìn)行高精度的換道行為識(shí)別[15-16]成為了可能。本研究選擇了多條運(yùn)營(yíng)高速公路進(jìn)行實(shí)車(chē)試驗(yàn)，記錄駕駛員換道時(shí)周邊的交通流密度，并通過(guò)OBD輔助駕駛裝置獲取車(chē)輛換道起始時(shí)的行駛速度，

競(jìng)爭(zhēng)、擁擠的交通狀況、高昂的教育成本之下，即使過(guò)上了讓他人看似很“羨慕”的生活，可為此付出多少辛苦，犧牲多少和家人共享天倫的時(shí)間，恐怕自己都數(shù)不清了吧。伴隨著“偽幸?！背霈F(xiàn)的，是人們逐漸苦悶壓抑、空虛無(wú)助的心靈。其實(shí)，幸福是個(gè)人的一種主觀體驗(yàn)，是自己對(duì)自己生活狀況是否滿(mǎn)意的評(píng)價(jià)?！皞涡腋！钡奶岢?，似乎是在提醒我們，不能再隨波逐流、逆來(lái)順受了。財(cái)富的增加和物質(zhì)的滿(mǎn)足，只會(huì)讓欲望越來(lái)越難滿(mǎn)足，侵蝕內(nèi)心的幸福感。此外，勤奮的工作是為了更好的生活，如果本末倒置，只

薦算法來(lái)預(yù)測(cè)交通狀況與配時(shí)方案的匹配程度時(shí)，有以下優(yōu)點(diǎn):①它提供了類(lèi)似于無(wú)模型自適應(yīng)控制的思想。它不僅可以屏蔽建模過(guò)程中的不確定性細(xì)節(jié)，而且可以保證潛在因素的作用不被忽略;②交通信號(hào)控制系統(tǒng)可以讓它執(zhí)行離線訓(xùn)練，然后結(jié)合當(dāng)前的交通狀況在線運(yùn)行。如此可以保證預(yù)測(cè)精度和實(shí)時(shí)性;③它不需要依賴(lài)于大量的數(shù)據(jù)。同時(shí)考慮了道路狀況的特點(diǎn)，可以根據(jù)需要進(jìn)行擴(kuò)充?？偟膩?lái)說(shuō)，基于內(nèi)容的推薦算法是對(duì)交通信號(hào)控制中推薦內(nèi)容的補(bǔ)充和優(yōu)化。1 信號(hào)配時(shí)推薦算法介紹應(yīng)用基于內(nèi)容的推薦

-15分鐘的交通狀況進(jìn)行預(yù)測(cè)。據(jù)悉，全新的人工智能分析系統(tǒng)能夠通過(guò)從車(chē)輛監(jiān)測(cè)器所獲得的數(shù)據(jù)，對(duì)交通擁堵情況進(jìn)行監(jiān)控及預(yù)測(cè)。韓國(guó)蔚山國(guó)家科學(xué)技術(shù)研究院（unist）教授Sungahn Ko領(lǐng)導(dǎo)了這項(xiàng)突破性技術(shù)的研發(fā)，并與美國(guó)普渡大學(xué)、亞利桑那州立大學(xué)的研究團(tuán)隊(duì)共同完成了研發(fā)工作。在開(kāi)發(fā)過(guò)程中，這三所高校的團(tuán)隊(duì)提取了任務(wù)需求，并結(jié)合了用于堵塞預(yù)測(cè)的長(zhǎng)短期記憶（lstm）模型，從而設(shè)計(jì)了一種用于探測(cè)擁堵原因和擁堵延伸方向的加權(quán)方法。這個(gè)新系統(tǒng)主要由兩個(gè)模塊所組成

的發(fā)展，市區(qū)交通狀況日益嚴(yán)峻，對(duì)交通信號(hào)燈配時(shí)系統(tǒng)提出了更高的要求。傳統(tǒng)的交通配時(shí)系統(tǒng)主要關(guān)注一個(gè)特定路口的幾何形態(tài)，孤立考慮單個(gè)路口的配時(shí)問(wèn)題，缺乏區(qū)域解決問(wèn)題的理念。本文以GIS技術(shù)為依托，利用廣州市天河區(qū)道路交通流量作為實(shí)踐數(shù)據(jù)，建立一個(gè)區(qū)域性的信號(hào)燈配時(shí)系統(tǒng)。該系統(tǒng)能對(duì)區(qū)域中交叉口進(jìn)行配時(shí)，對(duì)現(xiàn)有的方案以及計(jì)算得出的方案進(jìn)行評(píng)估并存儲(chǔ)交通數(shù)據(jù)，并以可視化的方法呈現(xiàn)配時(shí)結(jié)果供用戶(hù)分析。關(guān)鍵詞：交叉口;信號(hào)燈配時(shí);地理信息系統(tǒng)引言傳統(tǒng)的交叉口配時(shí)系統(tǒng)，

片顯示了相同交通狀況的360°全景視圖。同樣，可對(duì)不同的道路使用者進(jìn)行顏色標(biāo)記。甚至雷達(dá)傳感器的回波標(biāo)志也可通過(guò)AI算法確定對(duì)象類(lèi)型。這不僅大大提高了識(shí)別率，還能確保當(dāng)攝像頭達(dá)到使用極限——在可見(jiàn)度較差的情況下，也能實(shí)現(xiàn)系統(tǒng)的基本功能。雷達(dá)系統(tǒng)通過(guò)車(chē)輛底部和道路之間的反射，能夠“透過(guò)”前車(chē)看到周?chē)沫h(huán)境，形成一種類(lèi)似 X 射線的視覺(jué)能力攝像頭識(shí)別騎車(chē)人（左）是沒(méi)有問(wèn)題的。相同交通狀況下，激光掃描儀的360 度視圖顯示（右）

城市，但因?yàn)?span id="syggg00" class="hl">交通狀況一直不好，所以堵車(chē)在這里是司空見(jiàn)慣的事情。不過(guò)54歲的奧列格州長(zhǎng)對(duì)堵車(chē)倒沒(méi)有切身的感受，因?yàn)橹菡o他配備了專(zhuān)用直升機(jī)，而他通常是乘直升機(jī)出入。2018年9月的一天，奧列格州長(zhǎng)正在召開(kāi)一個(gè)記者招待會(huì)，有個(gè)記者問(wèn)：“布拉戈維申斯克市的堵車(chē)情況越來(lái)越嚴(yán)重了，您對(duì)此有沒(méi)有什么好建議？”奧列格州長(zhǎng)開(kāi)玩笑地說(shuō)：“我平時(shí)都是坐直升機(jī)出行的，我想大家也應(yīng)該買(mǎi)直升機(jī)，而不是汽車(chē)，那樣的話(huà)，人們就無(wú)須借助公路出行，自然也就不會(huì)有堵車(chē)的顧慮了?！庇浾邆儽恢?/div>

做人與處世 2019年1期2019-02-25

城區(qū)城市道路交通狀況實(shí)時(shí)監(jiān)測(cè)及信息發(fā)布系統(tǒng)正式投入使用，依據(jù)微波車(chē)輛檢測(cè)器實(shí)時(shí)采集的動(dòng)態(tài)交通流數(shù)據(jù)，系統(tǒng)實(shí)現(xiàn)了交通狀態(tài)的實(shí)時(shí)判別，判別準(zhǔn)確率達(dá)95%以上，交通狀況信息實(shí)時(shí)發(fā)布延誤時(shí)間最長(zhǎng)為1 min。2012年10月，昆山市組織了城市道路交通狀況預(yù)測(cè)預(yù)報(bào)系統(tǒng)建設(shè)，該系統(tǒng)依據(jù)微波車(chē)輛檢測(cè)器和視頻檢測(cè)器實(shí)時(shí)采集的動(dòng)態(tài)交通流數(shù)據(jù)，實(shí)現(xiàn)了對(duì)未來(lái)交通狀態(tài)的實(shí)時(shí)預(yù)測(cè)，其中行程時(shí)間的預(yù)測(cè)準(zhǔn)確率達(dá)90%以上。2013年，為了進(jìn)一步提升昆山市城市道路的智能管控水平，昆山市開(kāi)

）0 引 言交通狀況智能監(jiān)測(cè)為交通信息化服務(wù)提供泛在感知數(shù)據(jù),是交通信息化服務(wù)的重要組成部分。隨著機(jī)動(dòng)車(chē)輛數(shù)量和道路交通里程量急劇增加，交通基礎(chǔ)設(shè)施逐步完善，交通運(yùn)輸系統(tǒng)覆蓋區(qū)域越來(lái)越廣，用戶(hù)在交通車(chē)輛上的時(shí)間逐漸增多，交通運(yùn)輸狀況越來(lái)越復(fù)雜，道路狀況、交通阻塞、運(yùn)輸安全、事故救援和出行效率等成為人們普遍關(guān)注的問(wèn)題。如何及時(shí)掌握交通狀況信息、預(yù)防交通事故隱患、提高交通運(yùn)輸效率和出行效率等，已成為交通運(yùn)輸領(lǐng)域急需解決的問(wèn)題。同時(shí)，隨著交通設(shè)施的逐漸完善和路邊

步改善北京市交通狀況李鳳芹 北京市政協(xié)委員北京市交通擁堵情況是每個(gè)生活在北京的人都能感受到的，同時(shí)，還有一些情況也是必須高度重視急需解決的交通問(wèn)題：一是無(wú)證摩托車(chē)、電動(dòng)自行車(chē)、所謂的老年人代步車(chē)等無(wú)牌照車(chē)充斥著大街小巷，構(gòu)成很多交通隱患，甚至這些車(chē)現(xiàn)在還在環(huán)路上行駛，一旦出了交通事故，由于對(duì)方?jīng)]有保險(xiǎn)，沒(méi)有牌照，處理時(shí)機(jī)動(dòng)車(chē)車(chē)主反而成了受害者；二是無(wú)牌照機(jī)動(dòng)車(chē)上路問(wèn)題嚴(yán)重，幾乎每天都能夠看到一些無(wú)牌照車(chē)上路，這些車(chē)無(wú)視交通法規(guī)，超速行駛、頻繁并線等情況頻發(fā)

的加快，城市交通狀況反應(yīng)城市整體發(fā)展水平和城市品質(zhì)的重要標(biāo)志。特別是在當(dāng)今越來(lái)越大的環(huán)境問(wèn)題的壓力下，如何改善城市交通堵塞狀況，成為社會(huì)日益關(guān)注并著力解決的問(wèn)題?！娟P(guān)鍵詞】新型 路面指示標(biāo) 交通狀況在這個(gè)日益發(fā)展的時(shí)代中，經(jīng)濟(jì)水平的提高，人們生活質(zhì)量也不斷進(jìn)步，消費(fèi)能力增強(qiáng)，越來(lái)越多人都擁有了自己車(chē)子。在這發(fā)展同時(shí)卻產(chǎn)生了很多負(fù)面影響，交通道路建設(shè)滯后，車(chē)輛越來(lái)越多，尤其在上下班高峰期時(shí)常造成嚴(yán)重阻塞。在此同時(shí)沒(méi)有擁有一個(gè)良好的路面指示標(biāo)，在惡劣天氣環(huán)境中

面地理特性和交通狀況計(jì)算最佳燃油消耗路徑，從而增加電動(dòng)汽車(chē)?yán)m(xù)駛里程。研究利用Switch EV試驗(yàn)中真實(shí)高分辨率數(shù)據(jù)，計(jì)算不同條件下電動(dòng)汽車(chē)能量消耗費(fèi)用。試驗(yàn)記錄了2010年3月至2013年5月44輛電動(dòng)汽車(chē)在英格蘭東北地區(qū)共行駛40萬(wàn)km的行駛數(shù)據(jù)?；谡鎸?shí)行駛數(shù)據(jù)，使用線性模型表達(dá)不同地面地理特性和行駛車(chē)速下能量消耗費(fèi)用。行駛車(chē)速代表路網(wǎng)容量大小或交通狀態(tài)。行駛數(shù)據(jù)包括路面高度、車(chē)速及相應(yīng)的能量消耗或回收能量。另外，線性模型可決定不同路面坡度和不同平均

為了制定現(xiàn)實(shí)交通狀況的自動(dòng)緊急制動(dòng)系統(tǒng)（AEB系統(tǒng)）評(píng)估方法，有必要了解相關(guān)的交通事故數(shù)據(jù)以及汽車(chē)后部碰撞的事故特征。通過(guò)詳細(xì)了解車(chē)輛后部碰撞事故特性，關(guān)注相應(yīng)參數(shù)對(duì)于汽車(chē)主動(dòng)安全系統(tǒng)設(shè)計(jì)的重要性。采用AEB系統(tǒng)（自動(dòng)緊急制動(dòng)系統(tǒng)）可同時(shí)檢測(cè)汽車(chē)和載貨汽車(chē)，尤其是夜間行駛的載貨汽車(chē)。試驗(yàn)研究包括照明條件（白天和晚上）、碰撞前的目標(biāo)車(chē)輛。由于車(chē)輛與載貨汽車(chē)后部碰撞事故是最嚴(yán)重的事故類(lèi)型，因此為了更好地保護(hù)后碰撞事故中的乘員，應(yīng)更多地關(guān)注這種后部碰撞事故。而最

際距離的快速交通狀況檢測(cè)算法宋俊芳1,2王衛(wèi)星1陳艷1薛世焦1宋煥生1,31(長(zhǎng)安大學(xué)信息工程學(xué)院陜西 西安 710064)2(西藏民族學(xué)院信息工程學(xué)院陜西 咸陽(yáng)712082)3(陜西省道路交通智能檢測(cè)與裝備工程技術(shù)研究中心陜西 西安 710064)交通狀況檢測(cè)與預(yù)警是交通信息檢測(cè)系統(tǒng)中一個(gè)很重要的組成部分，它對(duì)城市交通管控和誘導(dǎo)有著重要的指導(dǎo)意義?；谝曨l圖像的灰度和邊緣特征，首先采用差分算法計(jì)算出各車(chē)道中軸線上像素點(diǎn)的灰度梯度，并對(duì)梯度函數(shù)結(jié)合“像素-

上海市民覺(jué)得交通狀況大有改善；無(wú)論是否為雙休日，司機(jī)們覺(jué)得道路比較暢通；坐公交車(chē)出行的人也覺(jué)得耗時(shí)比往少了，甚至馬路上過(guò)去此起彼伏的喇叭聲也難得一聞……這是為什么？我想，這是因?yàn)椋虾Ｔ?月份連續(xù)出臺(tái)并嚴(yán)格執(zhí)行交通管理新規(guī)，比如持外地臨時(shí)牌照車(chē)輛不允許進(jìn)入外環(huán)以?xún)?nèi)，又比如晚高峰外牌車(chē)輛不得駛上高架道路的時(shí)段又延長(zhǎng)兩小時(shí)等，同時(shí)增派警力嚴(yán)格監(jiān)督執(zhí)行交通規(guī)則，再加上公開(kāi)披露多次交通違約的車(chē)輛牌號(hào)，這一系列措施幾乎產(chǎn)生了立竿見(jiàn)影的效果。有趣的是，這些措施的效果也

上海市民覺(jué)得交通狀況大有改善；無(wú)論是否為雙休日，司機(jī)們覺(jué)得道路比較暢通；坐公交車(chē)出行的人也覺(jué)得耗時(shí)比往少了，甚至馬路上過(guò)去此起彼伏的喇叭聲也難得一聞……這是為什么？我想，這是因?yàn)椋虾Ｔ?月份連續(xù)出臺(tái)并嚴(yán)格執(zhí)行交通管理新規(guī)，比如持外地臨時(shí)牌照車(chē)輛不允許進(jìn)入外環(huán)以?xún)?nèi)，又比如晚高峰外牌車(chē)輛不得駛上高架道路的時(shí)段又延長(zhǎng)兩小時(shí)等，同時(shí)增派警力嚴(yán)格監(jiān)督執(zhí)行交通規(guī)則，再加上公開(kāi)披露多次交通違約的車(chē)輛牌號(hào)，這一系列措施幾乎產(chǎn)生了立竿見(jiàn)影的效果。有趣的是，這些措施的效果也

利略衛(wèi)星定位交通狀況評(píng)估的CAS（基于交通狀況評(píng)估的應(yīng)用系統(tǒng)）研究，并最終開(kāi)發(fā)出適用的產(chǎn)品。這個(gè)高級(jí)的駕駛員輔助系統(tǒng)（ADAS）能夠檢測(cè)出周?chē)男旭偔h(huán)境且判斷出是否存在發(fā)生碰撞的危險(xiǎn)，并在駕駛員不干預(yù)的情況下迅速發(fā)出相應(yīng)的操作信號(hào)，從而避免碰撞的發(fā)生，該系統(tǒng)能夠起動(dòng)緊急制動(dòng)和緊急轉(zhuǎn)向操作。CAS伽利略試驗(yàn)中心的發(fā)展對(duì)CAS的開(kāi)發(fā)尤為重要。在系統(tǒng)開(kāi)發(fā)的測(cè)試區(qū)域內(nèi)，需要安裝一個(gè)提供伽利略導(dǎo)航信號(hào)的衛(wèi)星。因此，發(fā)展基于伽利略衛(wèi)星定位車(chē)輛的CAS極具可行性，當(dāng)伽利

對(duì)駕照考取及交通狀況的影響王宛婷，楊龍波川北醫(yī)學(xué)院隨著經(jīng)濟(jì)生活水平的提高，私家車(chē)的普及率逐年上升，考駕照成為一種社會(huì)潮流，會(huì)開(kāi)車(chē)成為一種現(xiàn)代人必須具備的技能。近幾年來(lái)，交通事故的頻發(fā)引起了社會(huì)的廣泛關(guān)注，在此情況下，有關(guān)部門(mén)實(shí)施了新交規(guī)，其實(shí)施引起了駕考體制的改革，使駕照考取難度有所上升，通過(guò)率相對(duì)下降，拿取駕照的時(shí)間越來(lái)越長(zhǎng)，筆者針對(duì)交通事故頻發(fā)和駕考難度有所上升這一社會(huì)現(xiàn)象，從新舊交規(guī)的異同及駕考體制改革等方面進(jìn)行調(diào)查，探究該改革對(duì)社會(huì)的影響。新交規(guī)；

感器數(shù)據(jù)感知交通狀況信息。由于個(gè)體出租車(chē)信息容易出現(xiàn)錯(cuò)誤，或出現(xiàn)由于時(shí)間和空間分布造成的感知區(qū)域大小不同，故該技術(shù)具有挑戰(zhàn)性。采用數(shù)據(jù)聚合方法，可以解決上述問(wèn)題。首先研究上海3000輛出租車(chē)的測(cè)試數(shù)據(jù)特點(diǎn)，利用交通狀況的空間相關(guān)性條件，提出基于交通預(yù)測(cè)的相關(guān)性算法。該算法的數(shù)據(jù)搜集時(shí)間段為2007 年2月5日至2007年2月8日，共計(jì)3135輛出租車(chē)參與了試驗(yàn)。在該數(shù)據(jù)的支持下，采用評(píng)估函數(shù)對(duì)車(chē)輛速度和道路允許的平均車(chē)速進(jìn)行評(píng)估，包括利用GPS報(bào)告中的部分

可以了解當(dāng)前交通狀況的精確信息，全面掌握交通狀況。實(shí)時(shí)路況信息可以提供5000m范圍內(nèi)有關(guān)交通狀況的實(shí)時(shí)更新。系統(tǒng)還可計(jì)算出可能耽擱的時(shí)間，并推薦如何規(guī)避擁堵路線。這樣，便能始終準(zhǔn)確了解計(jì)劃路線的交通狀況以及可替代路線，從而及時(shí)應(yīng)對(duì)交通擁堵。網(wǎng)址：http://www.bmw.com/com/ en/insights/technology/ connecteddrive/2013/ index.htm l編譯：賀蓉

一步惡化城市交通狀況。一些深受其苦的人曾經(jīng)選擇“逃離”大城市，不過(guò)最后發(fā)現(xiàn)，還是大城市機(jī)會(huì)多、發(fā)展前景好、機(jī)會(huì)較平等，最終還是選擇向大城市回流。但一些國(guó)家隨著城市發(fā)展，通勤時(shí)間不但沒(méi)有延長(zhǎng)，反而有縮短趨勢(shì)。比如，美國(guó)人現(xiàn)在的通勤時(shí)間與2000 年相比，從25.5 分鐘減少到25.1 分鐘。縮短通勤時(shí)間，有幾個(gè)選項(xiàng)可做：改善城市交通狀況；通過(guò)“中心城+衛(wèi)星城”的城市群建設(shè)，將相應(yīng)的行政管理、公共服務(wù)、就業(yè)等同時(shí)向外拓展，減少跨區(qū)辦事；根據(jù)行業(yè)特點(diǎn)，靈活辦公方

堵車(chē)的時(shí)候，交通狀況反而難以置信地比平時(shí)有所好轉(zhuǎn)！同樣的事情在韓國(guó)首爾的清溪川改造工程中也曾經(jīng)發(fā)生過(guò)。當(dāng)然，現(xiàn)實(shí)的城市交通狀況極為復(fù)雜，會(huì)受到很多因素的綜合影響，并不是簡(jiǎn)單的多一條路少一條路的問(wèn)題。布雷斯悖論所描述的，也只是一個(gè)極端情況。科學(xué)家們后來(lái)還發(fā)現(xiàn)，即便出現(xiàn)了布雷斯悖論，在車(chē)流量繼續(xù)增加的情況下，交通狀況也會(huì)有所恢復(fù)，布雷斯悖論將被打破。也就是說(shuō)，布雷斯悖論只有當(dāng)車(chē)流量在一個(gè)固定范圍內(nèi)時(shí)才有可能出現(xiàn)。所以大家請(qǐng)不要太擔(dān)心，數(shù)學(xué)家發(fā)現(xiàn)的布雷斯悖論這個(gè)

來(lái)一段時(shí)間的交通狀況，預(yù)測(cè)結(jié)果可廣泛應(yīng)用于交通誘導(dǎo)、出行路線規(guī)劃等領(lǐng)域。根據(jù)預(yù)測(cè)時(shí)段的長(zhǎng)短，分為短時(shí)交通流預(yù)測(cè) （15分鐘內(nèi)）和中長(zhǎng)期預(yù)測(cè)［1］。目前，常用的預(yù)測(cè)模型有時(shí)間序列模型［2］、卡爾曼濾波模型［3］、非參數(shù)回歸模型［4］、神經(jīng)網(wǎng)絡(luò)模型［5］、支持向量機(jī)［6］以及這些模型的組合模型［7－8］。隨著研究的深入，有學(xué)者將數(shù)據(jù)挖掘方法引入交通流預(yù)測(cè)［9－10］。文獻(xiàn)［10］提出了基于K近鄰的非參數(shù)回歸方法，通過(guò)挖掘歷史數(shù)據(jù)中的K最近鄰，擬合成預(yù)測(cè)值，然而

量問(wèn)題。由于交通狀況混亂不堪，印度司機(jī)頻繁鳴笛，以快速穿過(guò)混亂的車(chē)流和人流。奧迪印度公司運(yùn)營(yíng)總監(jiān)邁克爾·博斯科說(shuō)：“很明顯，印度需要特制喇叭。如果將歐洲市場(chǎng)的喇叭安裝在印度市場(chǎng)的汽車(chē)上，它可能在一兩周內(nèi)就壞掉。要知道，在孟買(mǎi)，人們每天摁喇叭的次數(shù)相當(dāng)于德國(guó)人平均一年摁喇叭的次數(shù)?！辈┧箍普f(shuō)，在印度市場(chǎng)上銷(xiāo)售的奧迪汽車(chē)上安裝的喇叭根據(jù)印度交通狀況進(jìn)行了改裝。他說(shuō)：“這里的喇叭要經(jīng)歷為期兩周的不間斷鳴笛測(cè)試，整個(gè)喇叭的裝置都不一樣?！贝送猓《鹊膴W迪車(chē)主大多有

事實(shí)是倫敦的交通狀況使得政府別無(wú)選擇的必須征收擁擠稅。倫敦常住居民600多萬(wàn)人，每天2730萬(wàn)人次出門(mén)，其中1100萬(wàn)人次自駕車(chē)。為了方便交通，倫敦算是使盡了解數(shù)：加道路容量，大力發(fā)展公共交通，交通網(wǎng)絡(luò)非常發(fā)達(dá)，在倫敦市區(qū)就擁有公交車(chē)8500輛，運(yùn)營(yíng)線路700條，不少線路還是24小時(shí)運(yùn)營(yíng)；為使交通高效運(yùn)轉(zhuǎn)，還動(dòng)用了智能化管理。但即便如此，作為國(guó)際化大都市的倫敦的交通狀況還是常常讓人抱怨?！坝袝r(shí)看著馬路上的汽車(chē)就像甲殼蟲(chóng)在路面上緩慢地爬行”。于是利文斯通開(kāi)出