课题组动态
    20230316学术交流会议——车路协同环境下的公交信号优先方法研究,基于DeepSurv模型的交通事件清理时间分析
    作者:孙思薇  发布时间:2023-03-17 

    2023年3月16日上午9点30分,课题组成员在嘉定校区交通运输工程学院211会议室开展了本学期第一次学术交流会议,共29位同学和3位老师线下参加。本次会议由王海山同学主持,王海山同学进行硕士毕业论文预答辩,韩宛兵进行学术汇报。

    首先是王海山同学汇报《车路协同环境下的公交信号优先方法研究》,首先介绍了城市和公共交通发展的背景,实施公交信号优先以提高常规地面公交的竞争力的必要性,以期利用车路协同改善公交信号优先的实施效果。研究聚焦公交车停站时间的随机性,给出公交车辆和非公交车辆信控延误的计算模型,制定周期伸缩策略,确定公交车辆和非公交车辆两个优化目标。然后通过帕累托决策方法确定唯一的信号配时方案,并用仿真算例分析。最后构建了有公交专用道条件下的单个交叉口公交信号优先控制方法、无公交专用道条件下的单个交叉口公交信号优先控制方法、有公交专用道条件下的干线协同式公交信号优先控制方法。


    2A596



    汇报结束后,邹亚杰老师、王艳丽老师对PPT制作提出建议,周约珥提出对“阈值”和“区间段”的疑问,王海山同学做出了解释。李林波老师就两个优化目标的实现问题与王海山同学展开相关讨论。

    接下来是韩宛兵同学进行《基于DeepSurv模型的交通事件清理时间分析》的汇报。汇报从研究背景及意义、研究现状及方法、模型结果与讨论、总结与展望四个方面展开。交通事件是造成偶发性拥堵的主要原因之一,会增加行车延误,降低路网的通行效率,尤其是事故清理时间占事件时长的80%。研究采用了生存分析的方法,定义生存函数和危险率函数,使用DeepSurv模型拟合生存数据与非线性风险函数。研究使用华盛顿事件跟踪系统的数据,选取三种统计学方法(CPH、AFT和QR)和两种机器学习方法(SVM和RF)作为基准模型,验证DeepSurv模型的预测性能,利用SHAP方法对结果进行解释,表明响应时间、事件类型(碰撞)、车道封闭类型(所有行车道被封锁)、涉及火灾和交通管制是能显著影响事件清理时间的因素。


    1E81A



    韩宛兵同学汇报结束后,王砚轩、陆毅忱就相关方法提出疑问,韩宛兵同学一一解释回答。周约珥、李杨、邹亚杰老师提出了如何进一步验证模型的有效建议。

    这次学术会议使课题组其他同学清楚地了解到两位同学最近一段时间的主要研究成果,对自己的研究也产生更多的思考和启发。





    版权所有:吴兵教授课题组

    地址:上海市曹安公路4800号同济大学交通运输工程学院 邮编:201804 访问总数:31028