CN106651191A - 一种山区高速公路平曲线危险路段识别方法 - Google Patents
一种山区高速公路平曲线危险路段识别方法 Download PDFInfo
- Publication number
- CN106651191A CN106651191A CN201611240179.3A CN201611240179A CN106651191A CN 106651191 A CN106651191 A CN 106651191A CN 201611240179 A CN201611240179 A CN 201611240179A CN 106651191 A CN106651191 A CN 106651191A
- Authority
- CN
- China
- Prior art keywords
- horizontal curve
- scope
- fuzzy
- value
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000013461 design Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种山区高速公路平曲线危险路段识别方法,利用本领域专家知识及相关事故统计资料,分析得到山区高速公路平曲线路段的评价参数;运用模糊专家基本理论确定每个影响因素的隶属度函数,然后,结合本领域内专家知识,提取并建立评价规则,并最终建立山区高速公路平曲线危险路段识别模糊专家***对各平曲线路段进行危险性大小计算与排序,通过本方法建立了基于模糊专家***的山区高速公路平曲线危险路段识别***,可对尚处在设计阶段的道路进行预测性的评价。
Description
技术领域
本发明属于道路交通安全工程领域,具体涉及一种山区高速公路平曲线危险路段识别方法。
背景技术
近几年,我国高速公路路网增长迅速,2014年,我国高速公路总里程突破12.5万公里,但由于我国山地和丘陵地区面积占国土总面积的三分之二以上,高速公路网在迅速增长的同时,山区高速公路里程也在迅速增长。然而,由于山区高速公路线形指标较低、道路结构特殊行等原因,交通事故频繁发生。仅2011年,中国道路交通事故伤亡人数接近30万人,仅次于印度,同时平曲线路段事故数量占总数的比例高达10.5%,仅次于超速行驶造成的事故数量。可见,考虑山区高速公路较低的线形指标,加强平曲线危险路段事前预防研究工作已刻不容缓。
考虑不同道路几何因素条件下的道路平曲线路段是否为危险路段的原因在于:汽车在平曲线路段行驶时会产生离心力,它对汽车在圆曲线上行驶的稳定性影响很大,可能使汽车向外侧滑移或者倾覆,离心力的大小与圆曲线半径成反比,因此当半径越小,汽车行驶越不稳定,越容易发生交通事故;山区高速公路纵坡普遍较大,汽车爬坡或者下坡过程中制动较为频繁,制动器的摩擦片温度过高而导致刹车失灵,从而引发交通事故;山区高速公路由于地形限制,平曲线偏角选取可能会导致过大或者过小,当平曲线偏角过小,即使半径越大,驾驶员也会将平曲线长度看成比实际的短,给其造成急转弯的错觉,不利于安全行车,当平曲线偏角过大,驾驶员视野的转变角度变大,造成视距不良而导致事故的发生。因此,考虑山区高速公路平曲线路段的几何因素,并进一步向该领域专家进行相关调研分析,对具有不用几何特性的山区高速公路平曲线进行危险性排序,找寻出最危险的路段,并采取相应的安全措施,从而可以避免一定数量的交通事故的发生。
我国学者在对高速公路平曲线路段危险性的研究上做了大量地研究,然而,运用的方法基本是对实际的事故数据进行分析,得出结论。但是,我国事故数据库尚未完善,公安部门对事故信息也并未完全公开,加上各级地方由于某些原因对实际事故情况的少报、瞒报,导致研究所采用的事故数据很不准确;同时,实际事故数据是基于现有道路获得的,但是对现有道路进行改善,耗时耗力。因此,如果能在设计阶段,在不依赖于实际的事故数据的情况下,考虑已设计完成道路的几何特性因素,对平曲线路段的危险性进行排序,不仅可以省时省力,同时,也可以是获得的结果更加精确。
发明内容
本发明要解决的问题是提供一种山区高速公路平曲线危险路段识别方法,通过本方法建立了基于模糊专家***的山区高速公路平曲线危险路段识别***,可对尚处在设计阶段的道路进行预测性的评价。
为了达到上述目的,本发明采用以下方案:
一种山区高速公路平曲线危险路段识别方法,包括以下步骤:
(1)将高速公路圆曲线半径、道路纵坡、平曲线转角当作输入变量,将平曲线危险性当作输出变量,考虑具体的设计资料,列出三个参数的取值策略;
(2)将每个输入值进行模糊化处理,确定输入值的语言标签;
(3)根据每个输入值确定的语言标签,确定输入值的每个语言标签的取值范围;
(4)因不同输入输出值之间具有不同的单位与量纲,故将每个输入输出值通过除以其最大值进行标准化,具体见表1-表4;
表1圆曲线半径及取值范围
表2道路纵坡及取值范围
表3平曲线转角及取值范围
表4平曲线危险度及取值范围
表1-表4中,R代表圆曲线半径,i代表道路纵坡,a代表平曲线转角,d代表平曲线危险性;
(5)确定每个输入输出变量的模糊隶属度函数,即每个输入输出变量的模糊集:
①圆曲线半径的隶属度函数
小:
范围:[0,0,0.08,0.30]
合适:
范围:[0.08,0.30,0.50,0.70]
大:
范围:[0.50,0.70,1.00,1.00]
②道路纵坡的隶属度函数
小:
范围:[0,0,0.17,0.33]
合适:
范围:[0.17,0.33,0.50,0.83]
大:
范围:[0.50,0.83,1.00,1.00]
③平曲线转角的隶属度函数
小:
范围:[0,0,0.12,0.30]
合适:
范围:[0.12,0.30,0.58,0.83]
大:
范围:[0.58,0.83,1.00,1.00]
④平曲线危险度的隶属度函数
非常安全:
范围:[0,0,0.11,0.22]
安全:
范围:[0.11,0.22,0.33,0.44]
容易发生危险:
范围:[0.33,0.44,0.55,0.66]
危险:
范围:[0.55,0.66,0.77,0.88]
非常危险:
范围:[0.77,0.88,1.00,1.00]
(6)利用产生式的规则表示方式,得到模糊规则库;
(7)对于一组输入R、i、a,任何一项输入值R、i、或者a都至少属于一种小、中或大语言标签,但也会同时属于两种语言标签,根据每个输入值所具有的语言标签,在模糊规则库中选择相应的规则进行计算;
(8)取得每个输入值R、i、a的精确值,然后按照合适的语言模糊集进行模糊化,对于标准化的输入值R,通过隶属度函数(1)-(3)计算获得某种语言标签的隶属度值μRS(R)、μRM(R)、μRL(R),同理,对于输入值i和a,分别可计算得到其隶属度值μiS(i)、μiM(i)、μiL(i)和μaS(a)、μaM(a)、μaL(a);
(9)取得每个输入值的模糊化输出后将它们应用到相应的规则中,每个规则包括两个部分:IF语句部分和THEN语句部分,IF语句部分描述模糊规则的前提,THEN语句部分描述模糊规则的结论,由于存在圆曲线半径R、道路纵坡i和平曲线偏角a三个输入值,故IF语句部分采用模糊逻辑的AND规则,其计算公式如下:
μR∩i∩a(x)=min[μR(x),μi(x),μa(x)] (15)
min表示取μR(x)、μi(x)、μa(x)三者的最小值;
经过计算之后获得表示IF语句部分评估结果的一个数值,将这个数值接下来应用到THEN语句部分;
(10)由于每个输入值具有不用的语言标签,在模糊规则库中调取相应的规则,由于一条规则产生一个输出结果,故需要将所有规则输出的单一结果合并到一个模糊集中,形成单一的模糊集;
(11)根据形成的单一的模糊集,利用质心逆模糊化法计算该模糊集的质心,计算公式如公式(16)所示,从而获得清晰地输出值,该值即为山区高速公路平曲线危险路段的危险度,从而确定平曲线的危险程度
本发明的山区高速公路平曲线危险路段识别方法,利用本领域专家知识及相关事故统计资料,分析得到山区高速公路平曲线路段的评价参数;运用模糊专家基本理论确定每个影响因素的隶属度函数,然后,结合本领域内专家知识,提取并建立评价规则,并最终建立山区高速公路平曲线危险路段识别模糊专家***对各平曲线路段进行危险性大小计算与排序,通过本方法建立了基于模糊专家***的山区高速公路平曲线危险路段识别***,可对尚处在设计阶段的道路进行预测性的评价。
附图说明
图1为输入输出值的隶属度函数图像
(a)圆曲线半径的隶属度图像
(b)道路纵坡的隶属度图像
(c)平曲线转角的隶属度图像
(d)平曲线危险度的隶属度图像
图2为基于模糊专家***的危险路段推理过程;
图3为本发明的流程图;
图4不同规则模糊集合成图;
图5为合成后的模糊集
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部实施例,基于本发明中的实施例,本领域普通技术人员正在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的目的、技术方案和优点更加清晰,下面结合附图对本发明的具体实例做详细说明。
参考图1-3,本发明一种基于模糊专家***的山区高速公路平曲线危险路段识别方法,如流程图3所示,包含如下步骤:
(1):选取西部某山区高速3个平曲线路段作为研究对象,提取其圆曲线半径、道路纵坡、平曲线转角,见下表:
编号 | 圆曲线半径R/m | 道路纵坡i/° | 平曲线转角α/° |
1 | 1035 | 4.5 | 27 |
2 | 3255 | 1.26 | 39.18 |
3 | 2100 | 2.7 | 33 |
(2)-(4):根据表1-表4,确定选取的3个平曲线路段的语言标签及标准化值。
以路段1为例:
表1圆曲线半径及取值范围
表2道路纵坡及取值范围
表3平曲线转角及取值范围
(5):根据圆曲线半径、道路纵坡和平曲线转角值所属的语言标签及范围,代入相应的隶属度函数进行计算。以路段1为例,平曲线半径应采用公式(1)(2)进行计算,道路纵坡应采用公式(5)(6)进行计算,平曲线转角采用公式(8)进行计算。
(6):通过调研和分析专家知识,利用产生式的规则表示方式,得到如下模糊规则库:
1.IF(Radius of horizontal curve is S)and(Road Slope is S)and(Declination Angle is S)THEN(the danger level of road section is D)
2.IF(Radius of horizontal curve is S)and(Road Slope is M)and(Declination Angle is S)THEN(the danger level of road section is D)
3.IF(Radius of horizontal curve is S)and(Road Slope is L)and(Declination Angle is S)THEN(the danger level of road section is VD)
4.IF(Radius of horizontal curve is S)and(Road Slope is S)and(Declination Angle is M)THEN(the danger level of road section is S)
5.IF(Radius of horizontal curve is S)and(Road Slope is S)and(Declination Angle is M)THEN(the danger level of road section is P)
6.IF(Radius of horizontal curve is S)and(Road Slope is L)and(Declination Angle is M)THEN(the danger level of road section is D)
7.IF(Radius of horizontal curve is S)and(Road Slope is S)and(Declination Angle is L)THEN(the danger level of road section is D)
8.IF(Radius of horizontal curve is S)and(Road Slope is M)and(Declination Angle is L)THEN(the danger level of road section is D)
9.IF(Radius of horizontal curve is S)and(Road Slope is L)and(Declination Angle is L)THEN(the danger level of road section is VD)
10.IF(Radius of horizontal curve is M)and(Road Slope is S)and(Declination Angle is S)THEN(the danger level of road section is P)
11.IF(Radius of horizontal curve is M)and(Road Slope is M)and(Declination Angle is S)THEN(the danger level of road section is P)
12.IF(Radius of horizontal curve is M)and(Road Slope is L)and(Declination Angle is S)THEN(the danger level of road section is D)
13.IF(Radius of horizontal curve is M)and(Road Slope is S)and(Declination Angle is M)THEN(the danger level of road section is VS)
14.IF(Radius of horizontal curve is M)and(Road Slope is M)and(Declination Angle is M)THEN(the danger level of road section is S)
15.IF(Radius of horizontal curve is M)and(Road Slope is L)and(Declination Angle is M)THEN(the danger level of road section is P)
16.IF(Radius of horizontal curve is M)and(Road Slope is S)and(Declination Angle is L)THEN(the danger level of road section is P)
17.IF(Radius of horizontal curve is M)and(Road Slope is M)and(Declination Angle is L)THEN(the danger level of road section is P)
18.IF(Radius of horizontal curve is M)and(Road Slope is L)and(Declination Angle is L)THEN(the danger level of road section is D)
19.IF(Radius of horizontal curve is L)and(Road Slope is S)and(Declination Angle is S)THEN(the danger level of road section is P)
20.IF(Radius of horizontal curve is L)and(Road Slope is M)and(Declination Angle is S)THEN(the danger level of road section is S)
21.IF(Radius of horizontal curve is L)and(Road Slope is L)and(Declination Angle is S)THEN(the danger level of road section is P)
22.IF(Radius of horizontal curve is L)and(Road Slope is S)and(Declination Angle is M)THEN(the danger level of road section is VS)
23.IF(Radius of horizontal curve is L)and(Road Slope is M)and(Declination Angle is M)THEN(the danger level of road section is VS)
24.IF(Radius of horizontal curve is L)and(Road Slope is L)and(Declination Angle is M)THEN(the danger level of road section is S)
25.IF(Radius of horizontal curve is L)and(Road Slope is S)and(Declination Angle is L)THEN(the danger level of road section is S)
26.IF(Radius of horizontal curve is L)and(Road Slope is M)and(Declination Angle is L)THEN(the danger level of road section is S)
27.IF(Radius of horizontal curve is L)and(Road Slope is L)and(Declination Angle is L)THEN(the danger level of road section is D)
(7):根据模糊规则库的27条,从中选取合适的规则进行匹配。以路段1为例,平曲线半径的语言标签为小和合适,道路纵坡的语言标签为合适和大,平曲线转角的语言标签为合适,因此从模糊规则库中选取规则5、规则6、规则14、规则15四条规则进行下一步的计算。
(8):根据输入值所具有的语言标签,选择公式(1)-(9)进行隶属度的计算。以路段1为例,采用公式(1)、(2)、(5)、(6)、(8)计算,得μRS(R=0.207)=0.423、μRM(R=0.207)=0.577、μiM(i=0.75)=0.242、μiL(i=0.75)=0.756、μaM(a=0.45)=1。
(9):根据选择的规则进行输出值d的计算。以路段1、规则5为例:
μRS∩iM∩aM(x)=min[μRS(R=0.207),μiM(i=0.75),μaM(a=0.45)]
=min[0.423,0.756,1]
=0.423
即:如果半径是小、纵坡是小、平曲线转角是合适的情况下,路段的危险程度是:容易发生危险,其容易发生危险的程度为42.3%。
(10):根据输入值所匹配的规则,将每个规则的输出合并未一个模糊集,形成单一的模糊集。以路段1为例,输出的单一模糊集如图4所示:
(11):根据公式(16)计算合成后模糊集的质心,计算结果即为该平曲线路段的危险度。图5为合成后的模糊集。
因此,可以判断平曲线路段1的危险度为52.5%,同理用该方法可以计算路段2的危险度为24.2%,路段3的危险度为27.5%。
Claims (1)
1.一种山区高速公路平曲线危险路段识别方法,其特征在于包括以下步骤:
(1)将高速公路圆曲线半径、道路纵坡、平曲线转角当作输入变量,将平曲线危险性当作输出变量,考虑具体的设计资料,列出三个参数的取值策略;
(2)将每个输入值进行模糊化处理,确定输入值的语言标签;
(3)根据每个输入值确定的语言标签,确定输入值的每个语言标签的取值范围;
(4)因不同输入输出值之间具有不同的单位与量纲,故将每个输入输出值通过除以其最大值进行标准化,具体见表1-表4;
表1 圆曲线半径及取值范围
表2 道路纵坡及取值范围
表3 平曲线转角及取值范围
表4 平曲线危险度及取值范围
表1-表4中,R代表圆曲线半径,i代表道路纵坡,a代表平曲线转角,d代表平曲线危险性;
(5)确定每个输入输出变量的模糊隶属度函数,即每个输入输出变量的模糊集:
①圆曲线半径的隶属度函数
小:
范围:[0,0,0.08,0.30]
合适:
范围:[0.08,0.30,0.50,0.70]
大:
范围:[0.50,0.70,1.00,1.00]
②道路纵坡的隶属度函数
小:
范围:[0,0,0.17,0.33]
合适:
范围:[0.17,0.33,0.50,0.83]
大:
范围:[0.50,0.83,1.00,1.00]
③平曲线转角的隶属度函数
小:
范围:[0,0,0.12,0.30]
合适:
范围:[0.12,0.30,0.58,0.83]
大:
范围:[0.58,0.83,1.00,1.00]
④平曲线危险度的隶属度函数
非常安全:
范围:[0,0,0.11,0.22]
安全:
范围:[0.11,0.22,0.33,0.44]
容易发生危险:
范围:[0.33,0.44,0.55,0.66]
危险:
范围:[0.55,0.66,0.77,0.88]
非常危险:
范围:[0.77,0.88,1.00,1.00]
(6)利用产生式的规则表示方式,得到模糊规则库;
(7)对于一组输入R、i、a,任何一项输入值R、i、或者a都至少属于一种小、中或大语言标签,但也会同时属于两种语言标签,根据每个输入值所具有的语言标签,在模糊规则库中选择相应的规则进行计算;
(8)取得每个输入值R、i、a的精确值,然后按照合适的语言模糊集进行模糊化,对于标准化的输入值R,通过隶属度函数(1)-(3)计算获得某种语言标签的隶属度值μRS(R)、μRM(R)、μRL(R),同理,对于输入值i和a,分别可计算得到其隶属度值μiS(i)、μiM(i)、μiL(i)和μaS(a)、μaM(a)、μaL(a);
(9)取得每个输入值的模糊化输出后将它们应用到相应的规则中,每个规则包括两个部分:IF语句部分和THEN语句部分,IF语句部分描述模糊规则的前提,THEN语句部分描述模糊规则的结论,由于存在圆曲线半径R、道路纵坡i和平曲线偏角a三个输入值,故IF语句部分采用模糊逻辑的AND规则,其计算公式如下:
μR∩i∩a(x)=min[μR(x),μi(x),μa(x)] (15)
min表示取μR(x)、μi(x)、μa(x)三者的最小值;
经过计算之后获得表示IF语句部分评估结果的一个数值,将这个数值接下来应用到THEN语句部分;
(10)由于每个输入值具有不用的语言标签,在模糊规则库中调取相应的规则,由于一条规则产生一个输出结果,故需要将所有规则输出的单一结果合并到一个模糊集中,形成单一的模糊集;
(11)根据形成的单一的模糊集,利用质心逆模糊化法计算该模糊集的质心,计算公式如公式(16)所示,从而获得清晰地输出值,该值即为山区高速公路平曲线危险路段的危险度,从而确定平曲线的危险程度
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611240179.3A CN106651191A (zh) | 2016-12-28 | 2016-12-28 | 一种山区高速公路平曲线危险路段识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611240179.3A CN106651191A (zh) | 2016-12-28 | 2016-12-28 | 一种山区高速公路平曲线危险路段识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651191A true CN106651191A (zh) | 2017-05-10 |
Family
ID=58836632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611240179.3A Pending CN106651191A (zh) | 2016-12-28 | 2016-12-28 | 一种山区高速公路平曲线危险路段识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651191A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871183A (zh) * | 2017-10-30 | 2018-04-03 | 长安大学 | 基于不确定性云理论的多年冻土区公路病害预测方法 |
CN108133317A (zh) * | 2017-12-20 | 2018-06-08 | 长安大学 | 一种山区高速公路平纵组合安全水平的评价方法 |
CN110826937A (zh) * | 2019-11-25 | 2020-02-21 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN105868504A (zh) * | 2016-04-26 | 2016-08-17 | 长安大学 | 基于Carsim的弯道路段小客车行车安全模糊综合评判方法 |
-
2016
- 2016-12-28 CN CN201611240179.3A patent/CN106651191A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN105868504A (zh) * | 2016-04-26 | 2016-08-17 | 长安大学 | 基于Carsim的弯道路段小客车行车安全模糊综合评判方法 |
Non-Patent Citations (2)
Title |
---|
李连等: "基于模糊推理的驾驶员车速决策行为建模与仿真", 《***仿真技术》 * |
白浩晨等: "基于T-S模糊推理的山区高速公路危险路段识别方法", 《公路》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871183A (zh) * | 2017-10-30 | 2018-04-03 | 长安大学 | 基于不确定性云理论的多年冻土区公路病害预测方法 |
CN108133317A (zh) * | 2017-12-20 | 2018-06-08 | 长安大学 | 一种山区高速公路平纵组合安全水平的评价方法 |
CN110826937A (zh) * | 2019-11-25 | 2020-02-21 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
CN110826937B (zh) * | 2019-11-25 | 2023-04-18 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056308A (zh) | 一种公路隧道运行环境安全风险自动判定方法 | |
CN106530717B (zh) | 基于云模型的施工路段行车险态评价方法 | |
CN104732075A (zh) | 一种城市道路交通事故风险实时预测方法 | |
CN104575050A (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 | |
CN105809193A (zh) | 一种基于kmeans算法的非法运营车辆的识别方法 | |
CN106651191A (zh) | 一种山区高速公路平曲线危险路段识别方法 | |
Guo et al. | The expressway traffic sign information volume threshold and AGS position based on driving behaviour | |
Hosseinpour et al. | Application of adaptive neuro-fuzzy inference system for road accident prediction | |
Taamneh | Investigating the role of socio-economic factors in comprehension of traffic signs using decision tree algorithm | |
CN103955596A (zh) | 一种基于交通事故采集技术的事故热点综合判定方法 | |
CN100481153C (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN108447265A (zh) | 基于topsis法的公路交通事故黑点路段鉴别方法 | |
CN107067729A (zh) | 一种城市道路交通安全状态评估方法 | |
CN110324336A (zh) | 一种基于网络安全的车联网数据态势感知方法 | |
CN114550445B (zh) | 一种城市区域交通安全状态评估方法和装置 | |
CN108961748A (zh) | 一种基于当量违法率的交叉口运行安全状态排名方法 | |
CN104392076B (zh) | 城市路网行人交通事故黑点识别方法 | |
CN104575049A (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN110867075A (zh) | 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法 | |
Zhang et al. | A road traffic accidents prediction model for traffic service robot | |
CN111915880A (zh) | 一种高速公路异常事件事发点有效通行能力估计方法 | |
CN103914984B (zh) | 一种基于单元-区间协作的城市道路交通状态分析方法 | |
Faezi et al. | Predicting speed model of horizontal curves on exclusive motorcycle lane | |
Tang et al. | Investigation of the factors influencing the crash frequency in expressway tunnels: Considering excess zero observations and unobserved heterogeneity | |
Spring | Integration of safety and the Highway Capacity Manual |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190801 Address after: 710064 Xi'an Province, South Second Ring Road Applicant after: Changan Univ. Applicant after: CCCC First Highway Consultants Co., Ltd. Address before: 710064 Shaanxi province Xi'an Beilin District South Second Ring Road No. 33 in the middle Applicant before: Changan Univ. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |