高速公路施工区上游过渡区布设对驾驶行为的影响

王景鑫 ,  张志清 ,  赵晓华 ,  高龙凯 ,  翁文忠 ,  文涛 ,  冯小东 ,  毕红艳

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (7) :3060-3074

PDF (21788KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (7) :3060-3074 DOI: 10.12404/j.issn.1671-1815.2502898
交通运输

高速公路施工区上游过渡区布设对驾驶行为的影响

作者信息 +

Effect of Upstream Transition Zone Layouts on Drivng Behavior in Highway Work Zones

Author information +
文章历史 +

摘要

因成本、空间限制以及缺乏关于渐变段长度和交通锥间距的具体规范指导,高速施工区上游过渡区难以标准化布设,使交通风险增加、事故频发。为研究渐变段长度与交通锥间距布设对驾驶行为的影响,设计3种典型布设方案:对照组A(渐变段长度100 m,间距2 m)、实验组D(渐变段长度80 m,间距2 m)和实验组E(渐变段长度100 m,间距5 m)。通过高保真驾驶模拟实验,提出了施工区驾驶行为动态响应模式,并从响应及时性、操作稳定性与行为合规性三方面建立评价体系。然后,采用CRITIC(criteria importance through intercriteria correlation)赋权模糊综合评价方法评估布设方案有效性。结果表明:预警效应累积阶段视觉引导显著影响驾驶员速度适应性;5 m交通锥间距方案可减少避障阶段速度与油门波动,降低驾驶员负荷(速度、加速度标准差分别下降20.51%、69.21%,速度一致性指数达0.999 14);缩短渐变段虽能提升驾驶员避障操控阶段灵敏度,但显著增加操作负荷(加速度标准差较对照组升高67.24%);模糊综合评价显示方案E最优。可见,渐变段长度与交通锥间距对驾驶行为具有显著影响,研究结果为施工区交通安全设施的优化设计提供了量化依据,为完善上游过渡区设计规范与施工区预警方案的精准布设提供了技术支撑。

Abstract

Due to constraints of cost, space, and the absence of specific standard guidelines regarding taper length and traffic cone spacing, the upstream transition areas of highway work zones cannot be standardized effectively, this issue exacerbates traffic risks and contributes to frequent accidents. To investigate the effects of taper length and traffic cone spacing on driving behavior, three representative deployment schemes were developed: control group A (taper length of 100 m and cone spacing of 2 m), experimental group D (taper length of 80 m and cone spacing of 2 m), and experimental group E (taper length of 100 m and cone spacing of 5 m). Using high-fidelity driving simulation experiments, a dynamic response model of driving behavior was developed, and an evaluation system was established based on three dimensions: response timeliness, operational stability, and behavioral compliance. The criteria importance through intercriteria correlation-weighted fuzzy comprehensive evaluation method was applied to evaluate the effectiveness of the deployment schemes. The results demonstrate that visual guidance significantly influences drivers’ speed adaptability during the cumulative stage of the early warning effect. The scheme with 5 m traffic cone spacing significantly reduces speed and throttle fluctuations during the obstacle avoidance stage and alleviates driver workload (with the standard deviations of speed and acceleration decreasing by 20.51% and 69.21%, respectively, and the speed consistency index reaching 0.999 14). A shortened taper length enhances driver sensitivity during obstacle avoidance and control but substantially increases operational workload (with the standard deviation of acceleration rising by 67.24% compared with the control group). The fuzzy comprehensive evaluation identifies Scheme E as the optimal configuration. It is concluded that taper length and traffic cone spacing exert significant influences on driving behavior. Appropriately extending the taper length and optimizing the cone spacing can enhance the operational safety and stability of work zones. The findings provide a quantitative basis for the optimal design of traffic safety facilities and offer technical support for improving design specifications of upstream transition areas and the precise deployment of early warning schemes.

Graphical abstract

关键词

交通工程 / 上游过渡区 / 驾驶模拟技术 / 模糊综合评价 / 驾驶行为

Key words

traffic engineering / upstream transition zone / driving simulation technology / fuzzy comprehensive evaluation / driving behavior

引用本文

引用格式 ▾
王景鑫, 张志清, 赵晓华, 高龙凯, 翁文忠, 文涛, 冯小东, 毕红艳. 高速公路施工区上游过渡区布设对驾驶行为的影响[J]. 科学技术与工程, 2026, 26(7): 3060-3074 DOI:10.12404/j.issn.1671-1815.2502898
WANG Jing-xin, ZHANG Zhi-qing, ZHAO Xiao-hua, GAO Long-kai, WENG Wen-zhong, WEN Tao, FENG Xiao-dong, BI Hong-yan. Effect of Upstream Transition Zone Layouts on Drivng Behavior in Highway Work Zones[J]. Science Technology and Engineering, 2026, 26(7): 3060-3074 DOI:10.12404/j.issn.1671-1815.2502898

登录浏览全文

4963

注册一个新账户 忘记密码

随着高速公路通车里程增长,改扩建规模持续扩大,二十世纪八九十年代建成的路段陆续进入老化期,安全隐患凸显,改造与养护需求迫切。在此背景下,施工区规范化布设对维持道路通行能力、保障交通运行安全具有重要意义[1-3]。《道路交通标志和标线 第4部分:施工区》(GB 5768.4—2017)明确规定:作业区由警告区(S)、上游过渡区(LS)、缓冲区(H)、工作区(G)、下游过渡区(LX)和终止区(Z)六个区域组成。相关研究表明,高速公路施工区作为特殊路段是正常路段发生事故的2.7倍[4],且事故多发生在警告区、上游过渡区[5-6]。
施工区上游过渡区交安设施的数量或者位置影响交通通行效率与安全水平。美国统一交通管制设备手册(manual on uniform traffic control devices,MUCTD)[7]规定,上游过渡区长度需结合车道变换所需宽度及路段车速确定。新加坡陆路运输管理局(Land Transport Authority,LTA)[8]指出上游过渡区过长导致驾驶缓慢,增加交通延误。Stephanie等[9]指出上游过渡区是多发事故区域应增加夜间施工区上游过渡区长度。Weng[10]对高速公路上游过渡区长度对交通安全和运行效率的影响进行了研究,认为过渡区长度过短可能影响安全,过长则增加延误,通过避碰分析和理论计算确定期望长度。Ding等[11]使用VISSIM软件仿真,以最小安全距离和行程时间评估安全性和流动性,发现过渡区长度增加可提高安全性而对流动性影响不大。高雪钰[12]同样基于仿真方法,通过分析不同限速下的交通冲突数,完成了过渡区长度的优化。彭余华等[13]基于实际工程案例,研究限速40 km/h时过渡区长度与通行能力的关系,得出80 m长度时通行能力最大。Ma等[14]基于实车实验和间隙接受理论计算过渡区长度,发现过渡区长度为80 m时,会增加交通安全风险。杨柳等[15]通过构造评价函数,对6车道高速公路封闭相邻两车道且上游过渡区长度为190 m场景下的过渡区间距展开分析,发现上游过渡区间距与通行效率呈非线性关系,间距越大通行效率越高。王宝杰等[2]基于改进元胞自动机模型,研究四车道公路封闭内侧车道的场景,发现当交通流密度达到每车道1 550 pcu/h时,上游过渡区长度为120 m时路段运行效率最优、长度为160 m时路段安全性最优。然而,仿真实验(依赖模型假设)与实车实验(难复现复杂场景)在数据精度、场景复现及安全性上的局限,无法从驾驶行为层面论证“上游过渡区长度-交通锥间距”布设对交通安全的影响。
另外,当前规范对交通锥间距的布设仍缺乏统一和明确的指导:国家标准《道路交通标志和标线 第4部分:施工区》(GB 5768.4—2017)仅建议“交通锥的间距不宜大于10 m,在上游过渡区宜加密”,未给出具体布设值;北京市地方标准《占道作业交通安全设施设置技术要求》(DB11/T 854—2023)虽提出间距不宜超过2 m,但适用区域有限;此外,现场调研显示,不少施工单位因经验、成本及空间限制等因素,常采用5 m左右间距,导致布设方式不规范、不统一。交通锥布设不足可能削弱对驾驶员的视觉引导效应,影响其预警感知与操作稳定性,进而增加安全风险。
因此,借助驾驶模拟实验获取39名驾驶员的细粒度驾驶行为数据,量化分析交通锥间距及其与上游过渡区长度的联合作用对驾驶行为的影响,通过提出并构建“驾驶行为动态响应模式”,刻画不同布设方案下驾驶行为的空间演变特征,并从响应及时性、操作稳定性与行为合规性3个维度建立评价指标体系与量化模型,最终筛选出最优方案。研究结果可为高速施工区交通安全设施布设优化提供理论支撑,有利于上游过渡区设计规范完善及交通风险管控能力提升。

1 驾驶模拟实验

1.1 实验平台

使用的北京工业大学驾驶模拟器为左舵自动挡燃油车型,参照实车尺寸设计驾驶座舱,配备仪表盘、中控平台、换挡手柄、安全带等实车部件,车灯、转向灯、油表等信号与实车一致。模拟器的方向盘与踏板机构带有力反馈装置,可还原真实操纵感,该模拟器可采集驾驶人对方向盘、踏板及功能按键的操作数据,输入驾驶模拟仿真软件以模拟车辆行驶状态与周边交通环境变化,并通过运动、视觉、声音组合反馈,为驾驶人提供高真实度驾驶体验。视景设备搭载3通道55英寸LED显示屏,能提供3 840×2 160高分辨率画面、100°水平视野及25°垂直视野。中控设备由4台高性能台式计算机和1台后端显示设备联动搭建形成驾驶模拟管理平台。软件系统采用AVSimulation公司的SCANeRTM Studio 2021版本,可构建贴近现实的交通环境,支持交通流、车辆动力学、传感器等多场景仿真,能模拟道路、交通信号灯、天气及各类障碍物。采用30 Hz的采集频率,对车辆运行状态、驾驶员操作特征及车辆运行环境特征等数据进行记录。同时已有研究[16-17]通过验证速度、加速度、横向偏移、油门踏板等指标,证实了驾驶模拟器的有效性,并采用问卷调查的方法从主观感受评价驾驶模拟器的真实性,主观评价结果如图1所示,均分8.85分(满分 10 分)具有较高的保真度,进一步证实驾驶模拟器具有相对有效性。本实验所用的驾驶模拟设备及场景如图2所示。

1.2 场景设计

在现场充分调研的基础上由无人机航拍高速公路真实路段点位信息,获取场景开发所需的场景参数;然后,使用纬地道路交通辅助设计软件(Hint CAD)开发道路基础线形及道路特殊路段线形;其次,将纬地软件生成的道路线形导入至3D Max软件,增添道路设施、交通设施等交通元素;最后,通过场景修正、建模、贴图、渲染一系列流程,将高速公路场景包括灯柱、广告牌等全部真实还原,得到完整的静态虚拟高保真仿真场景。

设计的驾驶模拟实验场景,主要依据《道路交通标志和标线 第 4 部分:施工区》(GB 5768.4—2017)和《公路养护安全工作规则》 (JTG H30—2015)中施工区域的布设要求进行规划。道路全长12 km,道路设计参数和对照组的设施布设如表1、图3所示。

此外,参考文献[18-19],为防止天气和交通运行状态干扰研究结果,实验选择晴天场景,交通流设定为自由流状态,驾驶员可依据自身驾驶习惯、车辆状况和路况自由控制车速。

在实际施工现场,施工人员往往根据积累的现场施工经验去布设施工区功能区段(如渐变段布设交通锥的间距5 m)而非严格遵循规范要求,文中将进一步探讨未严格遵守规范标准布设交通安全设施对驾驶人驾驶行为和安全的影响。选取施工区上游过渡区不同的交通安全控制策略,形成对照组-方案A和实验组-方案D(渐变段缩短至80 m)、实验组-方案E(交通锥的间距5 m)三种方案,如表2所示。

1.3 被试

在涉及交通设施的驾驶模拟研究中,通常参与的驾驶人员数量介于20~43人[20-21]。招募了39名具有驾驶执照的被试。这些被试包括在校学生、在职教师、后勤工作人员以及专业司机。男性59.26%,女性40.74%,所有被试都持有至少C1级别的驾驶执照,并且没有生理或心理疾病。受试者年龄为20~60岁(32.48±10.39),驾龄在3~30年(9.45±7.29),基本符合2021年中国司机统计特征[22]。

为了确保所选样本量的科学性,从统计学角度对样本量的合理性进行了验证。实验样本量的计算公式为

n=$\frac{({z}_{\alpha /2}-{z}_{\beta }){\sigma }^{2}}{{\epsilon }^{2}}$

式(1)中:n为样本量计算值;zα/2为标准正态分布的上第α/2分位数;zβ为标准正态分布的上β分位数;σ为正态分布总体标准差;ε为响应指标均值与参考指标均值差值。

在没有先验数据的情况下,可以选取ε=±δσ[23],其中δ为显著性水平,一般取值0.25~0.5[24]。此外,通常选择10%的显著性水平来反映关于未知参数的90%的置信度,即选取α=0.1时,zα/2=1.65。为了平衡效度和成本效益,使用0.5的显著性水平和80%的效度,即δ取值0.5,选取β=0.2时,zβ=0.84[25],结果表明实验所需样本量为25。意味着改扩建施工区功能区段实验选取的样本量满足需求。

1.4 实验步骤

实验由前期实验和正式实验组成。前实验选择了一个非正式的实验场景,以评估驾驶员是否适应驾驶模拟器环境,以便调试模拟器场景并优化实验过程。在正式的实验中,驾驶员被随机分配到一个测试组,开始驾驶模拟器实验。实验包括五个阶段:

(1) 驾驶员填写个人信息表格,提供年龄、驾驶经验、驾驶频率等详细信息。

(2) 驾驶员进行了约5 min的驾驶练习,包括重要事项的指导、应急处理、设备使用等相关环节的指导。

(3) 在开始正式实验之前,实验者向驾驶员宣读实验指南。司机被告知他们的目的地,并指示他们严格遵守施工区的标志和准则。

(4) 每个被试的实验场景是随机分配的,每个场景之间有5 min的休息时间。

(5) 在完成所有实验场景后,实验者保存实验数据,驾驶员填写主观问卷,评估模拟场景的真实性。

所有被试参加驾驶模拟实验后对驾驶模拟场景总体、路面、标志标线、施工区域等方面进行真实度评价如图4所示,均分9.2分具有较高的场景保真度。

1.5 数据预处理

文献[26]表明,在模拟环境中,驾驶员视觉识别的最大有效距离为150~200 m。Mathew等[27]研究表明,限速标志对驾驶员速度的影响在标志后的150~200 m内最为显著,在此范围内,驾驶员会逐步减速,以更接近施工区的限速要求。这种影响范围为驾驶员提供了充足的减速反应时间,从而有效提升了施工区的安全性和限速合理性。因此,本研究区间如图5所示,以对照组为例,所有上游过渡区方案参照对照组研究区间①200 m范围(上游过渡区渐变段起点前200 m)、区间②100 m范围(上游过渡区渐变段区间)、区间③150 m范围选取(上游过渡区渐变段终点后150 m)。同时,为了刻画驾驶行为数据空间变化趋势,选取每5 m作为1个数据分析单元来研究驾驶员的行为相应特征。在进行正式的驾驶模拟时,采集了平均车速及其标准差、纵向加速度标准差、油门功效等关键驾驶行为指标。为了保证数据的可靠性,参考文献[28]依照Pauta准则(又称3σ准则)筛选数据[26,29]去除异常数据后获得29名被试有效数据集。

2 方法

改扩建高速公路施工区上游过渡区渐变段作为施工区中驾驶员行为调整的关键区域,其布设直接影响车辆的速度平稳性和车道利用效率。为了探究高速公路施工区上游过渡区不同布设方案对驾驶行为的影响,首先从空间维度基于感知-决策-操纵的链路构建驾驶行为影响模式来详细刻画驾驶人的整个避障过程;其次从驾驶人避障角度提出评价指标,从响应及时性、稳定性和合规性三个维度构建动态响应模式评价框架;然后从局部到整体,微观到宏观的角度描述性统计分析不同方案下车辆进入上游过渡区前后运行状态的变化情况;最后基于模糊综合评价对不同布设方案进行效用评价。

2.1 驾驶行为动态响应模式

高速公路施工区环境的复杂性会显著影响驾驶员的视觉信息处理和决策过程。根据视觉感知理论[14],驾驶员的注视点分布和信息获取效率直接影响其对前方环境的感知、预警判断及避障策略的选择。特别是在上游过渡区,驾驶员需要快速整合动态信息完成感知-决策-操控链路,这一过程中,上游过渡区的布设方案对驾驶行为的引导作用至关重要。因此,为准确分析驾驶员在不同布设方案下的行为响应机制,深入理解预警信息与驾驶操作之间的复杂关系,进而实现对施工区布设方案的科学优化,有必要提出一种能够全面、系统地描述驾驶员行为变化过程的驾驶行为模式。

驾驶人在具有不同过渡区配置方案A、方案D、方案E下的动态响应模式。不同方案的上游过渡区起点和交通锥的间距布设策略不同,直接影响驾驶人行为模式。如图6所示,动态响应图通过整合速度、加速度、油门功效等多维指标,全面呈现驾驶行为的变化过程。能够直观体现驾驶行为受外部影响(标志、交通锥等)的时空作用。驾驶人在施工区的避障过程可以从纵向和横向两个维度进行解释。同时,为深入展示驾驶行为动态响应模式各阶段与各项指标之间的对应关系,使研究框架更具直观性与可操作性,构建了动态-指标关联矩阵,如表3所示。

2.1.1 纵向维度

根据车辆的运行特性,纵向维度上驾驶行为可分为三个水平:操纵、运行和避障,这三个水平逐层递进。首先,操纵水平反映了驾驶员对车辆的实际控制行为,包括油门和制动踏板的操作。这一水平主要集中在“预警效应累积阶段”和“避障感知决策阶段”,驾驶员开始逐步释放油门,并逐步进行制动,体现出对施工区渐变段的初步响应。其次,运行水平反映了车辆在施工区的整体行驶状态,包括速度和加速度的变化情况。在“避障操控调整阶段”中,车辆的减速度达到最大,速度显著下降,显示出驾驶员在积极调整速度,以安全进入施工区。最后,避障水平反映了驾驶员在施工区内的风险规避过程,这一过程最终影响在“平衡过渡阶段”和“平衡缓冲阶段”,速度逐渐趋于稳定,表明驾驶员已完成避险行为,适应了施工区环境。

2.1.2 水平维度

在水平维度上,施工区驾驶行为可以划分为预警效应累积阶段、避障感知决策阶段、避障操控调整阶段、平衡过渡阶段和平衡缓冲阶段。这些阶段共同反映了驾驶员在施工区内逐步适应并规避风险的动态变化过程。

预警效应累积阶段主要表现为驾驶员通过视觉接收到渐变段布设信息并逐步调整行为。在这一阶段,驾驶员受到合流并道标志和限速标志的提示作用,逐渐释放油门,车速开始下降。这些视觉提示效应逐步累积并形成“预警效应收敛点”,如图6所示,多个驾驶员的速度曲线在1 870 m处开始集中,体现了限速标志和交通锥的联合引导作用。

进入避障感知决策阶段,驾驶员对施工区环境的感知进一步加深,并做出初步决策。在这一阶段,驾驶员逐渐将油门释放到最低,并根据交通锥间距的差异进行适应性调整。由于交通锥间距的不同导致视觉负荷增加,如图6所示,驾驶行为在1 950 m处差异显著,形成“驾驶员-速度适应分化点”。具体来说,方案A和方案D的交通锥间距为2 m,导致驾驶员能够以较大的速度通过,而方案E由于交通锥间距较大(5 m),导致驾驶员的速度较小,显示出驾驶行为对交通锥间距变化的敏感性。

避障操控调整阶段是驾驶员主动实施操控行为以降低车速的关键时期,反映了驾驶员实施措施以降低车辆速度的过程,直到出现最大减速度点。随后进入平衡过渡阶段,驾驶员逐步完成减速操作,车辆速度逐渐趋于稳定。此阶段反映了驾驶员对施工区行驶环境的初步适应,车辆运行状态从动态调整逐渐过渡到平稳行驶。

最后,平衡缓冲阶段标志着驾驶员完全适应施工区行驶环境,完成避险过程。此阶段的运行特征表现为速度保持平稳,车辆运行轨迹趋于一致,驾驶行为的稳定性和合规性达到较高水平。

在深入分析驾驶行为动态响应模式并明确驾驶员在施工区避障过程中的纵向与横向行为特征后,量化驾驶行为变化并精准评估布设方案-对驾驶行为的影响具有重要意义。为此,有必要构建基于响应及时性、操作稳定性与行为合规性三个维度的评价指标体系。

2.2 指标体系构建

基于前面构建的驾驶行为动态响应模式,综合考虑各指标对驾驶员行为影响的重要性,构建了一个涵盖响应及时性、稳定性和合规性三个维度的评价指标体系。基于人因视角,兼顾驾驶员的生理与心理需求,选取7项关键微观行为指标,深入分析渐变段布设对驾驶员行为的影响,以期实现交通环境与驾驶安全的双重优化。评价指标体系如图7所示。

紧急减速指数(emergency slowing index,ESI)指驾驶员看到障碍物后在某点达到的最大减速度绝对值|amax|与该点到障碍物的距离(d)之比。用于衡量驾驶员面对障碍物时的反应效率和风险控制能力。ESI的大小反映了驾驶员面对障碍物的减速强度与其距离的关系,可以用于评估驾驶员的反应模式及其带来的安全性影响。ESI越小表示驾驶人更早地识别并响应障碍物,采取较平稳的减速行为表现出对障碍物威胁能提前做出判断且具有良好的预见性,计算公式为

ESI=$\frac{\left|{a}_{max}\right|}{d}$

式(2)中:amax为驾驶员在某点达到的最大减速度;d为该点到障碍物的距离。

平均速度(vave):表征车辆运行时纵向速度的平均值,衡量车辆行驶速度快慢的指标,较低的平均速度通常意味着在施工区域行驶时有较高的安全水平[30]。

速度标准差(vsd):表征驾驶员在行驶过程中速度的波动程度。速度波动度越小,说明驾驶员能够更好地控制车速,稳定性越高。

加速度标准差(asd):衡量车辆在行驶过程中,加速度变化的波动性和稳定性,值越小表示驾驶员在加速和减速过程中越平稳,驾驶行为越稳定。

油门功效(p):指驾驶员踩油门的深度与持续时间的乘积。该值与车速直接相关,故反映了驾驶员的纵向速度控制能力。是衡量驾驶员对纵向速度控制能力的指标[16]。油门踏板使用效率较低且变化幅度小,说明驾驶员在速度控制上更为谨慎和安全,计算公式为

p=$\sum _{i=0}^{1}$aiΔt

式(3)中:p为油门功效;ai为油门踏板深度;Δt为数据采集的时间间隔。

速度一致性指数(speed consistency index,SCI):衡量的是在特定区间内,所有驾驶员速度的集中程度。该指标通过速度的标准差来计算,SCI越接近1,说明速度越集中,驾驶员的速度一致性越高。SCI计算公式为

SCI=1-$\frac{{\overline{v}}_{sd}}{\overline{v}}$

式(4)中:${\overline{v}}_{sd}$为该区间内所有被试者速度的标准差;$\overline{v}$为所有被试者的平均速度值。

速度跟随比(pf):指研究区段的平均车速与限速值的绝对误差比,表示驾驶员整体速度服从限速值的水平,该值越小整体的服从性越好[31]。计算公式为

pf=$\frac{|{v}_{l}-\left.\overline{v}\right|}{{v}_{l}}$

式(5)中:vl为研究区间的限速值;$\overline{v}$为所有被试者的平均速度值。

2.3 动态响应模式量化评价模型

结合三个维度的指标体系和施工区驾驶行为动态响应图的时空特征,可以构建一个更综合的驾驶行为动态响应模式评价公式,用于描述施工区各阶段对驾驶行为的影响过程。表达式为

$\begin{aligned}I_{k}(t, x)= & \sum_{i} w_{i} X_{i, k}(t, x) \\= & \alpha_{1} R+\alpha_{2} S+\alpha_{3} C \\= & \alpha_{1} \operatorname{ESI}_{k}(t, x)+\alpha_{2}\left[\gamma_{1} v_{\mathrm{ave}, k}(t, x)+\right. \\& \gamma_{2} v_{\mathrm{sd}, k}(t, x)+\gamma_{3} p_{k}(t, x)+ \\& \left.\gamma_{4} a_{\mathrm{sd}, k}(t, x)\right]+\alpha_{3}\left[\delta_{1} \operatorname{SCI}_{k}(t, x)+\right. \\& \left.\delta_{2} P_{\mathrm{f}, k}(t, x)\right]\end{aligned}$

式(6)中:Ik(t,x)为阶段k在时间t和空间位置x的影响效应;R为及时性,反映驾驶员的快速响应能力;S为稳定性,反映驾驶行为的平稳性和一致性;C为合规性,衡量驾驶行为对道路环境和规则的服从适应性;Xi,k(t,x)为指标i在k阶段下的动态值;wi、αi、γi、δi为不同维度指标的影响权重。

根据图6所示动态响应图和式(6),能够充分考虑驾驶行为的时间-空间动态特性、施工区的划分阶段以及指标体系,全面刻画施工区对驾驶行为的影响模式。

2.4 CRITIC赋权的模糊综合评价

模糊综合评价方法,基于模糊数学的隶属度理论,通过构建模糊集合和隶属函数,运用模糊集合论的运算,实现对模糊对象的定量化评估[31]。优势在于模糊综合评价法能科学量化处理模糊性信息,提供丰富、准确的评价结果,它结合定性定量分析,适应不确定性,使评价更稳定可靠。具体计算流程如下:

(1) 确定指标集和评语集。基于选取指标,提取反映施工区功能区段的交通安全设施效用评估指标m项,构建评语集n项,分别形成指标集U={u1,u2,…,um}和评语集V={v1,v2,…,vn}。评语集由优秀、良好、中等、一般、差五类组成。

(2) 构建隶属度矩阵。通过隶属度矩阵,评价者可以清晰表达评价观点。评价者可以解释为什么某个对象被赋予特定的评价等级,具有较好的可解释性。设评价指标现状值为λi,现状值取值区间为[api,bpi],评价等级取值范围为[aij,bij]。评价指标集每个元素分析评语集的隶属度rij计算公式为

rij=$\left\{\begin{array}{ll}-\frac{{\rho }_{1}}{|{b}_{ij}-{a}_{ij}|},& {\lambda }_{i}\in [{a}_{ij},{b}_{ij}]\\ -{\rho }_{1}-1,& {\lambda }_{i}\notin [{a}_{ij},{b}_{ij}],{\rho }_{1}={\rho }_{2}\\ \frac{{\rho }_{1}}{{\rho }_{2}-{\rho }_{1}},& {\lambda }_{i}\notin [{a}_{ij},{b}_{ij}],{\rho }_{1}\ne {\rho }_{2}\end{array}\right.$

式(7)中:$\rho_{1}=\left|\lambda_{i}-\frac{1}{2\left(a_{i j}+b_{i j}\right)}\right|-\frac{1}{2\left(b_{i j}-a_{i j}\right)}$,ρ2=$\left|{\lambda }_{i}-\frac{1}{2({a}_{pi}+{b}_{pi})}\right|$-$\frac{1}{2({b}_{pi}-{a}_{pi})}$。

(3) 确定指标权重。为保障指标权重的科学性,需先分析指标间的相关性以识别信息冗余,下文通过 Pearson 相关系数矩阵展开分析,如图8所示。由Pearson 相关系数矩阵可知各指标间的相关性。其中,速度标准差与加速度标准差呈较强正相关(r=0.79),速度一致性系数与前两者呈强负相关(r<-0.85)。指标间强相关性易引发信息冗余,而重复信息“过度赋权”会破坏指标独立性,导致权重偏离真实信息贡献度,影响施工区上游过渡区布设方案综合评价准确性。因此,引入考虑指标相关性的CRITIC (criteria importance through intercriteria correlation)赋权法。Diakoulaki等[32]在1995年提出并验证CRITIC法是一种比熵权法和标准离差法更好的客观赋权法。它通过评估指标间的对比强度和冲突性来确定权重。对比强度通过标准差来衡量,标准差越大,指标的权重越高,表明不同方案间的差异显著。冲突性则通过指标间的相关系数来评估,正相关性越强,冲突性越低,相应权重越低[33-35]。CRITIC法综合考虑了指标的变异性和相关性[33],避免了单纯依赖数值大小的误区,实现了基于施工区功能区段不同布设方案对驾驶行为影响数据特性的客观评价。

(4) 计算评估结果。将指标权重向量W和处理后的隶属度矩阵A进行模糊合成效用评估结果向量T,计算公式为

$T=W \circ A$

式(8)中:􀳱为模糊合成算子。

(5) 综合评价值分数映射。S型函数在众多领域应用广泛,从概率角度能表示事件发生概率,在方案评选中可视为方案 “成功”“优秀”的概率。它属于非线性映射,能够对线性评分系统里的原始分数重新分配,突出方案的优劣差异,帮助决策[36]。通过将综合得分进行归一化处理,并利用S型函数进行非线性变换,可以避免因原始数据分数过于接近而导致的决策模糊性,提高方案评选的准确性和科学性。具体计算公式为

y=a+$\frac{b}{{e}^{-k(x-c)}}$

式(9)中:a为函数的下限值;b为控制函数的取值范围,它与函数的上限和下限之差相关,即函数的高度;k为调整方案评分在不同区间的敏感度;x为方案的标准化得分,即经过归一化处理后的原始综合得分,范围通常在 [0,1]之间;c为函数的中心位置参数,它决定了曲线的拐点位置,使得函数能够在关键的评分区间内更有效地区分方案优劣。

3 实验结果与分析

3.1 描述性统计分析

选取紧急减速指数、油门功效、平均速度、速度标准差、加速度标准差等指标进行描述性统计,探究不同方案对驾驶行为的影响。

3.1.1 驾驶行为指标空间维度统计分析

基于空间维度对比分析不同布设方案不同阶段的驾驶行为特征指标分布。

在评估驾驶行为时,紧急减速指数能够很好地反映驾驶员在需要快速减速时的表现,如图9(a)所示结果显示,方案A和方案E在避障操控调整阶段的表现较为稳定,紧急减速指数的平均值较低,数据离散程度较小。方案D在避障操控调整阶段的紧急减速指数平均值较高,数据离散程度较大,说明驾驶员在该方案紧急减速方面的表现不够稳定。

由图9(b)可知,方案A油门功效在前三个阶段数据波动较大,表现出较高的不确定性,方案D在避障感知决策阶段和平衡缓冲阶段表现出较高的离散程度,数据波动较大,整体稳定性不如方案A和方案E,表明渐变段缩短可能对驾驶员的视觉适应性和操作负荷干扰显著,驾驶员操作压力明显加大。

由图9(c)和图9(d)可知,方案D避障感知决策阶段的箱体高度最大,散点范围最广,表明渐变段缩短导致驾驶员在此阶段的速度波动性和调整压力增加。方案A和方案E在不同驾驶阶段的平均速度和速度标准差波动较小,表现较为稳定。

由图9(e)可知,方案A和方案D在不同驾驶阶段的加速度标准差波动较大,稳定性较差。方案E加速度标准差趋势线各阶段的散点分布相对集中,箱体高度最低,尤其在平衡缓冲阶段,加速度波动最小,驾驶员的操作稳定性最佳。

由图9(f)可知,从速度一致性系数来看,方案 A和方案D在各个驾驶阶段的速度一致性系数平均值较低,数据离散程度较大,说明在速度一致性方面的表现不够稳定。方案E箱型图较窄,速度波动较小,显示出较高的稳定性和一致性。

由图9(g)可知,从速度跟随比来看,方案A数据波动较大,表现出较高的不确定性,方案D速度跟随比在前三个阶段中位数最大,表明渐变段缩短对驾驶员的视觉适应性和操作负荷干扰显著,驾驶员操作压力明显加大,方案E在速度跟随比方面的数据相对最为集中和稳定,能够体现出较好的驾驶员限速服从性和操作适应性。

通过上述分析对比不同阶段不同布设方案驾驶行为特征指标分布变化情况存在差异,也进一步验证了驾驶行为动态响应模式提出的必要性。

3.1.2 驾驶行为指标时间维度统计分析

基于时间维度,分析不同布设方案对驾驶行为指标的影响,如图10所示,与对照组相比,不同方案之间存在明显差异。与对照组相比,方案D和E的紧急减速指数分别下降17.33%和65.12%,说明方案E中的驾驶员对前方路况的判断更准确,能够更早且平稳地做出减速决策。方案D渐变段缩短使驾驶员更早感知到需要减速,但由于空间变化较为急促,驾驶员操作的稳定性受到影响。

方案D的油门功效上升2.82%,驾驶员在较短时间内需要频繁调整油门以适应速度变化,操作频率增加使得油门功效上升。而方案E下降 1.98%,是因为交通锥间距5 m,使驾驶员能够更稳定地控制车速,不需要频繁大幅调整油门,所以油门功效降低,操作更加谨慎和稳定。

方案D平均速度上升0.802%,可能是因为驾驶员在前期减速过程中没有足够的时间和距离将速度调整到理想状态,导致平均速度相对较高。方案E下降 0.976%,说明驾驶员能更好地遵循限速要求,提高了施工区行驶的安全性。

速度与加速度标准差方面,方案D、E 较对照组A均下降,E降幅更大,速度标准差降20.51%,加速度标准差下降69.21%。

速度一致性指数和速度跟随比方面,方案D速度一致性指数上升0.02%,速度跟随比上升38.73%,虽然整体速度偏离限速要求,但在一定程度上使驾驶员的速度变化趋势相对集中,所以速度一致性指数略有上升,而速度跟随比上升则表明驾驶员的速度与限速值的偏差在部分阶段有所增大。方案E速度一致性指数上升0.017%,且速度跟随比下降 11.68%,说明交通锥间距5 m的方案在保证速度一致性的同时,能更好地使驾驶员遵循限速要求,速度分布更加紧凑,与限速值的偏差更小,进一步体现了其在优化驾驶行为方面的优势。

3.2 上游过渡区布设效用评价

选取高速公路改扩建施工区上游过渡区渐变段交通安全设施布设方案E作为计算案例进行分析。通过构建评价指标体系,综合考虑驾驶人在不同方案和阶段中的响应及时性、稳定性及合规性,对方案进行了系统评估。K均值聚类(K-means)分析是机器学习领域中的一种无监督学习方法,它能够根据数据内在特征分组,自动将数据形成具有高内聚度和低耦合的类别。评价等级取值范围用K均值聚类(K-means)分析确定评价等级范围[37],计算结果如表4所示。根据式(7),最终生成隶属度矩阵A,如表5所示。

通常情况下,反映方案有效性的评价指标之间并非具有相同的重要性。基于CRITIC方法,通过计算指标的标准差和相关系数,量化各评价指标的信息量和冲突性,从而确定其权重。按照CRITIC法计算得到各评价指标权重,如表6所示。

在实际决策过程中,微小的分数差距可能导致决策的模糊性。决策者往往难以依据细微差异来明确区分方案的优劣程度。S型函数会对输入变化的敏感性调节能使优秀方案脱颖而出,减少因分数接近而误判的可能性,使决策结果更精准地指向综合表现更好的方案。先将指标权重向量W和处理后的隶属度矩阵A进行模糊合成效用评估结果向量T,再结合加权平均型算子计算上游过渡区渐变段不同布设方案属于各评价等级的程度。

参考已有研究[31],定义评价等级对应的分数矩阵A={90,80,70,60,50},效用评估结果向量和等级分数矩阵积为综合评估结果G。归一化处理后,借助S型函数将综合评价值分数映射在[60,95]内,结果如表7所示。

由表7模糊综合评价结果可知,综合评价得分实验组-方案E>对照组-方案A>实验组-方案D,因此,综合考虑驾驶人在不同方案和阶段中的响应及时性、稳定性及合规性3个层面的7个指标,方案E为最优方案。分析也表明,方案E表现出优越的安全性。能够有效缓解驾驶人在施工区内的紧张程度,逐步适应施工区环境变化,避免急剧波动,从而减少驾驶风险。因此,建议高速公路施工区上游过渡区渐变段布设交通锥间距时优先采用5 m方案。若受实际条件限制无法实现,则也可选用≤5 m的方案,但需加强警示标识设置、增加交通引导等安全措施,进一步保障施工区的交通安全性和运行效率。

4 结论

聚焦于高速公路施工区上游过渡区渐变段长度与交通锥间距对驾驶行为的影响,依托驾驶模拟实验平台设计了3种对比方案并获取驾驶员运行过程中的细粒度轨迹数据。在此基础上,引入速度一致性指数和紧急减速指数,构建多维度评价体系,并结合兼顾变异性和相关性CRITIC 赋权的模糊综合评价方法对不同布设方案进行量化评估,为施工区交通安全设施的优化设计提供了量化依据。得到如下主要结论。

(1) 通过驾驶行为动态响应图和多阶段分析,验证了驾驶行为动态响应模式的合理性和有效性。基于此模式构建的评价指标,能够量化分析不同渐变段布设对驾驶人行为的影响,为施工区交通安全设计和行为优化提供了量化参考,进一步支撑了不同布设方案的对比和优选。

(2) 上游过渡区长度对车辆的运行和驾驶员行为有显著影响。较短的上游过渡区会增加车速波动,降低驾驶员的速度控制能力,易引发车辆速度差异,从而增加行驶过程中的安全隐患。合理设置上游过渡区的长度有助于畅通交通,提高行车安全。

(3) 上游过渡区交通锥布设间距5 m方案在降低驾驶员负荷、提升运行平稳性方面优势明显。预警效应累积阶段,有效减轻了驾驶员油门调整负荷,操作更平稳;避障感知决策及操控调整阶段,有效降低决策与操作难度,提升运行稳定性。

(4) 上游过渡区布设的模糊综合评估结果显示,与对照组相比,方案D(渐变段缩短)的综合得分下降9.56%,表明渐变段过短对驾驶行为具有一定的负面影响。而方案E(交通锥间距为5 m)得分提高8.72%。综合考虑响应及时性、操作稳定性与行为合规性,渐变段长度100 m,交通锥间距5 m是上游过渡区布设的最佳方案,能够有效降低驾驶行为激变导致的风险,从而提升施工区安全性。

通过驾驶模拟实验与多维度评价,构建了一套可复用的施工区交通安全设施效能评估方法体系。研究结果可为《道路交通标志和标线 第4部分:施工区》(GB 5768.4—2017)等相关规范的修订提供量化依据,有利于施工区布设向标准化与精细化发展,对提升高速公路工程安全管理水平具有重要实践意义。值得注意的是,施工区的交通环境极为复杂,分析驾驶员行为特征及其对施工环境感知的动态变化始终是提升安全的关键。因此,未来的研究可以从以下几个方面进行拓展:①丰富驾驶行为特性指标,并结合驾驶员的个体属性,如年龄、驾龄、性别和职业等;②构建影响模型以解析各种影响因素,重点挖掘操作行为、风险感知和心理状态等特征;③引入反映视觉特征的关键指标,以深入解析不同布设方案对驾驶行为响应的内在机理。这些研究将有助于进一步优化施工区的交通安全布设。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

公安部交通管理局. 全国机动车保有量达4.35亿辆驾驶人达5.23亿人新能源汽车保有量超过2000万辆-公安部网站[EB/OL]. (2024-01-11) [2024-07-21]. https://www.mps.gov.cn/n2254098/n4904352/c9384864/content.html.

[2]

Traffic Management Bureau of the Ministry of Public Security of China. China’s motor vehicle ownership reaches 435 million and the number of licensed drivers reaches 523 million; new energy vehicle ownership exceeds 20 million. Beijing: Ministry of Public Security[EB/OL]. (2024-01-11) [2024-07-21]. https://www.mps.gov.cn/n2254098/n4904352/c9384864/content.html.

[3]

王宝杰, 陈芳熔, 苌亮, 等. 基于改进元胞自动机的高速公路养护作业区交通流建模与仿真[J]. 科学技术与工程, 2025, 25(16): 6953-6960.
[4]

Wang Baojie, Chen Fangrong, Chang Liang, et al. Traffic flow modeling and simulation of freeway maintenance work zones based on improved cellular automata[J]. Science Technology and Engineering, 2025, 25(16): 6953-6960.
[5]

邵长桥, 郭杰. 基于等效通行能力的施工区交通影响评价方法[J]. 科学技术与工程, 2023, 23(20): 8873-8880.
[6]

Shao Changqiao, Guo Jie. Traffic impact evaluation method for work zones based on equivalent traffic capacity[J]. Science Technology and Engineering, 2023, 23(20): 8873-8880.
[7]

赵晓雷. 公路改扩建作业区交通安全分析与设施设置研究[D]. 哈尔滨: 哈尔滨工业大学, 2008.
[8]

Zhao Xiaolei. Analysis of traffic safety and facility setting in highway reconstruction work zones[D]. Harbin: Harbin Institute of Technology, 2008.
[9]

La Torre F, Domenichini L, Nocentini A. Effects of stationary work zones on motorway crashes[J]. Safety Science, 2017, 92: 148-159.
[10]

Vignali V, Bichicchi A, Simone A, et al. Road sign vision and driver behaviour in work zones[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2019, 60: 474-484.
[11]

Federal Highway Administration. Manual on uniform traffic control devices (MUTCD) 2009[R]. Washington D. C.: Department of Transportation, 2009.
[12]

Land Transport Authority. Code of practice traffic control at work zone[S]. Singapore: Land Transport Authority, 2007.
[13]

Stephanie P G, Fosbke D E, Marsh S M. Building safer highway work zones: measures to prevent worker injuries from vehicle and equipment[R]. Washington D.C.: US Department of Health and Human Services, Centers for Disease Control (NIOSH), 2001.
[14]

Weng J. Collision avoidance analysis for transition taper length[J]. Transportation Planning & Technology, 2011, 34(8): 811-822.
[15]

Ding M H, Zhang C, Yan J, et al. Key factors analysis of work zone safety and mobility based on micro-simulation[J]. Procedia-Social and Behavioral Sciences, 2013, 96: 582-590.
[16]

高雪钰. 基于微观仿真的公路养护作业区安全研究[D]. 济南: 山东大学, 2012.
[17]

Gao Xueyu. Safety study of highway maintenance work area based on microscopic simulation[D]. Jinan: Shandong University, 2012.
[18]

彭余华, 王晓玉, 王玮, 等. 高速公路改扩建半幅封闭式交通组织方案参数设置方法[J]. 筑路机械与施工机械化, 2016, 33(6): 83-88.
[19]

Peng Yuhua, Wang Xiaoyu, Wang Wei, et al. A method for setting parameters of semi-closed traffic organization schemes for expressway reconstruction and expansion[J]. Road Machinery & Construction Mechanization, 2016, 33(6): 83-88.
[20]

Ma S, Hu J, Wang R. Impact of transition areas on driving workload and driving behavior in work zones: a naturalistic driving study[J]. Applied Sciences-Basel, 2023, 13(21): 18.
[21]

杨柳, 李鸿辉, 李文芳. 考虑自动驾驶小客车的高速公路施工区上游过渡区间距[J/OL]. (2024-04-10)[2025-09-07]. https://doi.org/10.13229/j.cnki.jdxbgxb.20240126.
[22]

Yang Liu, Li Honghui, Li Wenfang. Study on the distance between upstream transition zones in freeway work zones considering autonomous passenger cars[J/OL]. (2024-04-10)[2025-12-16]. https://doi.org/10.13229/j.cnki.jdxbgxb.20240126.
[23]

Zhao X, Dong W, Li J, et al. How does the mural decoration of the long tunnel sidewall affect the driver’s speed control ability?[J]. Tunnelling and Underground Space Technology, 2022, 130: 15.
[24]

龚鸣. 驾驶模拟器视认特性的有效性研究[D]. 北京: 北京工业大学, 2011.
[25]

Gong Ming. Study on the effectiveness of visibility characteristics of driving simulators[D]. Beijing: Beijing University of Technology, 2011.
[26]

Makridis M, Fontaras G, Ciuffo B, et al. MFC free-flow model: introducing vehicle dynamics in microsimulation[J]. Transportation Research Record: Journal of the Transportation Research Board, 2019, 2673(4): 762-777.
[27]

Wang X, Wang T, Tarko A, et al. The influence of combined alignments on lateral acceleration on mountainous freeways: a driving simulator study[J]. Accident Analysis and Prevention, 2015, 76: 110-117.
[28]

Saffarian M, Happee R, Winter J C F D. Why do drivers maintain short headways in fog? A driving-simulator study evaluating feeling of risk and lateral control during automated and manual car following[J]. Ergonomics, 2012, 55(9): 971-985.
[29]

Zhao X, Xu W, Ma J, et al. An analysis of the relationship between driver characteristics and driving safety using structural equation models[J]. Transportation Research Part F: Traffic Psychology and Behavior, 2019, 62: 529-545.
[30]

崔东树. 2021年中国上牌和驾驶员数量分析: 新注册登记机动车3674万辆新领证驾驶人2750万人[EB/OL]. (2022-03-28) [2025-12-16]. https://www.cada.cn/Trends/info_92_8902.html.

[31]

Cui Dongshu. 2021 analysis of registered motor vehicles and drivers in China: 36.74 million new vehicles, 27.5 million new licensed drivers[EB/OL]. ( 2022-03-28)[2025-12-16]. https://www.cada.cn/Trends/info_92_8902.html.

[32]

International Organization for Standardization. Mechanical vibration and shock—evaluation of human exposure to whole-body vibration—Part 1: general requirements: ISO 26311: 1997[S]. Geneva: International Organization for Standardization, 1997.
[33]

Lerman J. Study design in clinical research: sample size estimation and power analysis[J]. Canadian Journal of Anaesthesia, 1996, 43(2): 184-192.
[34]

Chow S C, Shao J, Wang H, et al. Sample size calculations in clinical research[M]. 3rd ed. New York: Chapman and Hall/CRC, 2017.
[35]

高龙凯, 赵晓华, 欧居尚, 等. 基于Unity3D的立体复合高速公路标志系统优化设计[J]. 华南理工大学学报(自然科学版), 2024, 52(5): 20-30.
[36]

Gao Longkai, Zhao Xiaohua, Ou Jushang, et al. Optimization design of stereoscopic composite highway sign system based on Unity3D[J]. Journal of South China University of Technology (Natural Science Edition), 2024, 52(5): 20-30.
[37]

Mathew J K, Desai J, Li H, et al. Using anonymous connected vehicle data to evaluate impact of speed feedback displays, speed limit signs, and roadway features on interstate work zones speeds[J]. Journal of Transportation Technologies, 2021, 11(4): 395-410.
[38]

张敏, 袁辉. 拉依达(PauTa)准则与异常值剔除[J]. 郑州工业大学学报, 1997(1): 87-91.
[39]

Zhang Min, Yuan Hui. The PauTa criterion and outlier elimination[J]. Journal of Zhengzhou Institute of Technology, 1997(1): 87-91.
[40]

Zhao X, Liu Q, Li H, et al. Evaluation of the effect of decorated sidewall in tunnels based on driving behavior characteristics[J]. Tunnelling and Underground Space Technology, 2022, 127: 104591.
[41]

李诗佳, 徐进. 山区低指标复杂线形公路行驶安全性检验方法[J]. 科学技术与工程, 2025, 25(7): 2962-2973.
[42]

Li Shijia, Xu Jin. Safety verification method for driving on mountainous highways with low-standard complex alignments[J]. Science Technology and Engineering, 2025, 25(7): 2962-2973.
[43]

张建华, 赵晓华, 欧居尚, 等. 雾天桥梁可变限速值的效用评估及优化[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 127-138.
[44]

Zhang Jianhua, Zhao Xiaohua, Ou Jushang, et al. Utility evaluation and optimization of variable speed limits on bridges in foggy weather[J]. Journal of South China University of Technology (Natural Science Edition), 2024, 52(1): 127-138.
[45]

Diakoulaki D, Mavrotas G, Papayannakis L. Determining objective weights in multiple criteria problems: the critic method[J]. Computers & Operations Research, 1995, 22(7): 763-770.
[46]

曾子健, 肖慧, 徐哈宁, 等. 基于CRITIC赋权法与PSO-SVR模型的滑坡地表位移预测[J]. 科学技术与工程, 2024, 24(35): 14940-14946.
[47]

Zeng Zijian, Xiao Hui, Xu Haning, et al. Landslide surface displacement prediction based on the CRITIC weighting method and PSO-SVR model[J]. Science Technology and Engineering, 2024, 24(35): 14940-14946.
[48]

徐世祥, 吴波, 郑卫强, 等. 基于CRITIC和灰色系统理论的地铁深基坑工程施工风险评估: 以岱山站深基坑工程为例[J]. 科学技术与工程, 2024, 24(28): 12325-12332.
[49]

Xu Shixiang, Wu Bo, Zheng Weiqiang, et al. Construction risk assessment of metro deep foundation pit engineering based on CRITIC and grey system theory: a case study of Daishan Station deep foundation pit project[J]. Science Technology and Engineering, 2024, 24(28): 12325-12332.
[50]

邓文洲, 刘唐志, 蒲文培. 基于CRITIC-模糊综合分析法的山区公路风险管理[J]. 科学技术与工程, 2019, 19(29): 339-343.
[51]

Deng Wenzhou, Liu Tangzhi, Pu Wenpei. Risk management of Mountain road based on critical-fuzzy comprehensive analysis[J]. Science Technology and Engineering, 2019, 19(29): 339-343.
[52]

Jaya S, Latha M. An analysis of pattern recognition and machine learning approaches on medical images[J]. Advances in Computational Intelligence and Robotics, 2021: 35-54.
[53]

胡伟超, 陈艳艳, 于鹏程, 等. 数据驱动的公路典型风险场景聚类与特征分析[J]. 科学技术与工程, 2024, 24(8): 3426-3433.
[54]

Hu Weichao, Chen Yanyan, Yu Pengcheng, et al. Data-driven clustering and characteristic analysis of typical highway risk scenarios[J]. Science Technology and Engineering, 2024, 24(8): 3426-3433.

基金资助

国家自然科学基金(52072012)

国家自然科学基金(52178403)

新疆维吾尔自治区新疆交通投资有限责任公司科研资助项目(40061000202432)

山西交通控股集团有限公司科技创新项目(23-JKKJ-9)

PDF (21788KB)

51

访问

0

被引

详细
导航
相关文章

/

〈 〉

京ICP备05035734号-4
版权所有 © 《科学技术与工程》编辑部
地址： 北京市海淀区学院南路86号 《科学技术与工程》编辑部　邮编：100081
电话：(010)62118920 　E-mail：stae@vip.163.com
技术支持：北京玛格泰克科技发展有限公司 　
网站管理员登录