基于自然驾驶数据的农村双车道公路平曲线速度和舒适度阈值建模
摘要：水平曲线上驾驶员行为参数的建模工作大多只集中在第85个百分点值上。然而，通过允许基于可靠性的设计和设计一致性，预测整个分布将有助于改进对准设计评价。本文利用自然驾驶研究数据，建立了汽车行驶平顺性曲线的速度和舒适性阈值分布模型双车道农村公路。提取并检验了沿逼近切线和曲线的几个变量。这一分析有助于确定评估水平曲线上驾驶员行为所需的驾驶员行为参数和自由流动条件。驾驶员水平模型（DLM）和面板模型（PM）用于预测曲线速度和舒适阈值除了传统的85%模型。所建立的模型可用于评估车辆的稳定性，驾驶舒适性和设计一致性。因此，这些模型可以作为水平曲线可靠性分析的基础方法已经建立，但实际数据相对较少。DOI: 10.1061/JTEPBS.0000246. copy;2019年美国土木工程师学会。
作者关键词：公路设计；几何；线形；驾驶员行为；曲线速度；驾驶员舒适度；自然驾驶。
1介绍
已经开发了许多模型来预测水平曲线。这些模型在分析中考虑的变量以及在数据收集、处理和聚合中使用的方法上有所不同。与数据收集和聚合方法相关的问题会影响分析和开发模型的准确性和适用性。例如，如果数据是人工采集的，速度数据可能会有人为误差；如果数据是用雷达/激光炮采集的，则需要考虑余弦误差等技术误差；在模拟实验中可以使用不具有代表性的样本；使用仪表车辆的驾驶员的驾驶行为和速度选择可能会因观察者和/或测量装置的存在或在短期现场试验期间而改变（Hassan 2004）。然而，影响车辆乘员的横向加速度数据大多是通过计算得出的和很少被收集（Said等人.2009年）。此外，数据收集通常在特定的、通常有利的天气条件下在短时间内进行。此外，将每个站点收集的数据聚合为第85个百分点值会导致与数据分布相关的信息丢失，并降低所开发模型的适用性
因此，长时间记录许多变量如果没有人为的干涉，这些问题中的大部分都会被克服 并提供反映自然驾驶行为的数据。这个第二个战略公路研究计划（SHRP 2）旨在收集大量参与者的驾驶行为数据，并在没有任何人的情况下长期收集驾驶行为数据干扰（Campbell 2012）。因此，它有可能提供比其他方法更真实的数据。SHRP 2于2005年获得授权，以便对自然主义驾驶行为进行最大和最全面的研究（Dingus等人，2015年）。这项研究记录了美国六个州3100多名志愿者司机3年的所有行程。安装在车辆上的数据采集系统记录了驾驶员的行为数据，包括车速、加速度、制动、车辆控制、车道位置、前方雷达以及车辆前部和后部以及驾驶员面部和手部的视频视图。自然主义驾驶研究（NDS）数据集包含3800车辆年的行驶里程超过33000000英里（Dingus等人，2015年）。
本文旨在建立模型，以估计驾驶员速度和使用NDS数据的水平校准舒适度阈值。这些模型用于预测每个参数的整体分布，以避免与数据相关的信息聚合关联到第85个百分点值。两种类型的模型重新检查了驾驶员级模型（DLM）和面板模型（PM）。这两种模型都可用于确定模型参数的分布，可用于可靠性分析和公路概率设计。最后，还开发了第85百分位模型，以便与分布模型进行比较。
1卡尔顿大学土木与环境工程系博士后研究员，1125上校，加拿大安大略省渥太华博士电子邮件:bashar.dhahir@carleton.ca
2卡尔顿大学土木与环境工程系教授兼系主任，1125上校，加拿大安大略省渥太华博士，K1S5B6(对应作者)。https://orcid.org/0000-0003-0135-1905.电子邮件:Yasser . Hassan @ carleton . ca；yasser_hassan@carleton.ca
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
