国家自然科学基金(71273024)
- 作品数：3 被引量：25H指数：2
- 相关作者：于雷宋国华谷远利更多>>
- 相关机构：北京交通大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：交通运输工程环境科学与工程自动化与计算机技术更多>>
- 基于卷积神经网络的自行车骑行行为识别被引量：2
- 2019年
- 为研究适合我国城市交通的自行车骑行行为分类识别方法,实施骑行行为视频调查试验,并提取骑行者骑行特征信息。结合我国交通现状和自行车交通特点,提出一种新的骑行行为分类方法,新的行为分类可基本覆盖我国自行车交通的所有骑行行为场景。采用提出的行为分类方法对试验个体骑行行为进行人工分类标记,得到不同骑行场景下的骑行行为分类数据集。基于卷积神经网络(CNN)建立自行车骑行行为识别模型,考虑模型输入特征特性以及分类任务复杂度对模型结构进行迭代设计选优,调整模型网络组成和卷积参数,得到分类效果显著的模型结构。对比分析多元Logit分类模型、三层全连接层BP神经网络模型,与本文的卷积网络模型在骑行行为分类预测的表现,在20 000次迭代训练之后, 3个模型均得到收敛结果。结果表明,提出的骑行行为分类模型准确率分别高于多元Logit模型20%,高于BP网络模型15%,显著优于对比模型的识别效果。卷积网络模型可有效解析骑行行为与各骑行特征因素之间的关系。
- 邵壮壮谷远利姜若琳
- 关键词：城市交通卷积神经网络
- MOVES在微观层次交通排放评价中的应用研究被引量：19
- 2013年
- 微观层次交通排放模型是量化机动车尾气排放、评价交通管理产生节能减排效果的重要手段。在分析MOVES(motor vehicle emission simulator)模型计算原理与输入参数的基础上,提出了微观层次输入参数的本地化获取方法。结合ETC不停车收费实际案例,借助GPS等信息设备收集了北京车辆排放数据,分别基于本地排放率和默认排放率,利用MOVES模型对交通措施的减排效果进行评价,并与实测排放数据进行对比分析。研究结果表明:基于默认排放率和本地排放率,MOVES模型在评价ETC不停车收费措施所带来的污染物削减比例上具有良好的应用效果;但基于本地排放率,MOVES模型能更加精确地预测各污染物排放因子值。
- 岳园圆宋国华黄冠涛于雷
- 关键词：环境工程MOVES
- 基于浮动车数据的城市快速路瓶颈识别与特征分析（英文）被引量：4
- 2018年
- 识别交通瓶颈并分析其特征是城市交通管理部门的重要任务。现有研究虽然提出应用速度差识别瓶颈,但辅助指标的利用仍未被充分讨论。本文利用北京市浮动车数据提出了一种识别城市快速路交通瓶颈的方法。首先,利用速度等高线图分析了城市快速路瓶颈的速度特征。结果表明,当瓶颈生效时,瓶颈与下游路段之间存在显著的速度差。速度差可以被用为识别瓶颈的主要指标。然而,分析也发现并不是所有显著的速度差都反映瓶颈生效。而临界速度可以作为辅助指标区分生效瓶颈和非瓶颈下的速度差。在此基础上,提出了一种以速度差和临界速度为主要指标的城市快速路瓶颈识别方法。最后,应用该方法识别了北京三环快速路外环的瓶颈;并从生效时长、影响距离、延误和成因等角度对瓶颈进行了评估和讨论。
- 张建波宋国华于雷郭继孚鲁洪语
- 关键词：城市快速路
