关键词： 交通运输系统工程   纯电动公交车辆   碳排放   全生命周期   电力结构  

摘要： 为探究纯电动公交车辆生命周期内的碳排放及影响因素，本文基于全生命周期评价理论与碳平衡守则构建纯电动公交车辆全生命周期碳排放模型，将生命周期分为燃料周期与车辆周期，利用GREET软件计算车辆碳排放量，明确碳排放来源，深入分析碳排放影响因素。基于测算结果，探究不同发电结构、不同情景下未来发电模式对于碳排放因子的影响。结果表明：全生命周期内，纯电动公交车辆在PTW（泵到轮）阶段CO2排放近似为零，但能源加工阶段产生的CO2占比高达63%；清洁能源占比高的发电结构能有效降低纯电动公交车辆碳排放因子，最高可使车辆运行阶段碳排放因子降低95.7%。本文设置既定情景、可持续发展情景及承诺目标三种情景，得到2030年三种情景下车辆碳排放因子分别降低24.6%、36.10%和26.15%。

关键词： 交通运输系统工程   轨迹预测   深度学习   非机动车   层次空间注意力机制   行为分析  

摘要： 为揭示混行条件下不同骑行行为、不同特征参数对非机动车骑行轨迹的影响机理，基于层次空间注意力机制（Hierarchical Spatial Atten-tion Mechanism， HSAM）构建非机动车轨迹预测模型。针对跟驰、并行、避让、超越4种骑行行为，分析速度、间距、相对角度等特征参数对骑行轨迹的影响。通过卷积网络和全连接网络分支分别提取轨迹局部特征和全局趋势，注意力机制调整特征权重，融合输出预测轨迹。利用调查所得非机动车轨迹数据验证轨迹预测模型。研究结果表明，速度、与他车的间距和相对角度，均对产生交互的非机动车骑行轨迹有显著影响；与仅输入本车位置信息相比，同时输入上述4种特征参数的绝对轨迹误差、相对轨迹误差及均方根误差分别降低了0.68m、2.03%、0.81m。与传统CNN、FCNN、LSTM以及HSM模型相比，HSAM模型的绝对轨迹误差分别降低了0.31m（47.69%）、0.17m（33.33%）、0.14m（29.17%）、0.09m（20.93%）。该模型能精准预测交互轨迹，对规范骑行行为具有实践意义。

关键词： 交通运输系统工程   行车风险识别   行车风险场力模型   高速公路工作区   风险可视化  

摘要： 高速公路工作区因车道封闭成为瓶颈路段，显著增加了行车风险。为更准确识别高速公路工作区的行车风险及其致因，本文首先采集了四类工作区的行车数据用作研究；其次，在车辆静态风险场的基础上对车辆运动状态进行修正，并叠加工作区的道路环境，构建了以目标车辆为唯一场源的工作区行车风险场力模型WTRF(Work Zones Travelling Risk Field Force)，以描述目标车辆与交互对象间的交互风险。进一步采用碰撞时间倒数(TTCI)和避免碰撞的减速度(DRAC)确定其风险阈值，并进行对比分析以验证所建模型的有效性。最后，基于WTRF分析了工作区换道风险分布，同时对四类工作区行车风险进行可视化展示，并基于XGBoost-SHAP分析了工作区关键的风险特征。结果表明，WTRF的风险识别能力较TTCI和DRAC分别提升了70.25%与64.46%；分析车辆轨迹与换道起始点分布发现，换道起始点越靠近缓冲区起点，换道距离与操作时间受限，高风险事件显著增加；四类工作区行车风险可视化结果显示，75.64%的高风险车辆涉及变道或与变道车辆交互，表明变道是主要风险诱因；不同施工场景下的行车风险虽受到共性特征驱动，但其影响强度和机制因道路形态与封闭车道的不同存在显著差异。

关键词： 交通运输系统工程   交通运输网络   研究综述   韧性评估   韧性提升  

摘要： 韧性研究是提升交通运输网络抗灾能力的重要课题。为厘清交通运输网络韧性的研究脉络，对国内外相关研究进行了系统综述。在网络模型构建上，总结了单一和多种运输方式网络建模方法；针对交通运输网络韧性评估，梳理了基于网络指标、基于网络性能、基于仿真模拟和基于数据驱动的韧性评估方法；针对韧性提升策略，从预防策略、应急策略和恢复策略三个方面总结了交通网络韧性提升措施并归纳了常用的优化模型及算法。最后，对交通运输网络韧性的研究现状进行评述并提出了该领域未来研究方向。

关键词： 交通运输系统工程   换乘行为   公交换乘优惠政策   综合选择与潜变量模型   心理潜变量  

摘要： 为分析公交换乘优惠政策对居民换乘行为的影响，采用行为偏好（RP）和意向偏好（SP）组合的方式设计调查问卷，收集受访者的社会经济属性、出行特征、心理感知和不同换乘情景的偏好数据，采用包括心理潜变量的综合选择（ICLV）模型构建了公交换乘优惠政策下居民换乘行为模型，探究公交换乘优惠政策下居民换乘决策机理。分析结果表明：ICLV模型的拟合效果优于SEM-Logit模型；ICLV模型中个人的社会经济属性和出行特征可以直接影响换乘行为，还可以通过心理潜变量间接影响换乘行为；心理潜变量中的感知易用性和行为习惯对居民的换乘行为有正向和负向的影响，而态度是调节变量，居民对公交换乘优惠政策的态度越好，优惠幅度对换乘行为的正向影响越大；居民在公交换乘优惠政策下感知到的换乘便捷程度和公共交通出行习惯每增加1%，选择换乘的概率分别会增加4.67%和减少4.62%。通过引入个人的社会经济发生和出行特征等变量来估算潜变量，克服了以问卷测量题项估计潜变量的方法存在的测量误差问题，提高了模型估计的解释能力。研究结果可以为政府相关部门谋划、制定和实施公交换乘优惠政策提供理论支撑和借鉴意义。

关键词： 交通运输系统工程   街景图像   建成环境   非线性关系   极限梯度提升模型  

摘要： 为研究建成环境与行人量之间的非线性关联，以南京市主城区街景图像数据为基础，采用深度学习模型从中提取行人量与街景特征，并结合多源数据从社区和街道两个尺度构建建成环境指标。利用极限梯度提升模型(Extreme Gradient Boosting， XGBoost)，探究建成环境影响行人量的关键因素，分析各因素与行人量之间的潜在非线性关系。研究结果显示：在社区建成环境因素中，距市中心距离、生活服务设施数量和餐馆数量对行人量影响较大；街道建成环境因素中，非建筑区域地面指数、天空开阔度与绿视率对行人量的影响贡献较大。此外，建成环境各变量对行人量均存在非线性效应，且各变量的反馈机制不同。距市中心的距离和非建筑区域地面指数对行人量的影响呈现负反馈特征；生活服务设施数量、餐馆数量和绿视率对行人量的影响呈现正反馈特征；天空开阔度与行人量非线性关系则呈现倒“U”型分布。本文可为优化城市空间布局与完善步行友好型交通政策提供理论参考。

关键词： 交通运输系统工程   快速路   交互风险预测   机器学习  

摘要： 为明确城市快速路短交织区车辆交互风险特征及交互风险严重程度的关键影响因素，以昆明市大树营立交为研究对象，基于无人机航拍视频提取的轨迹数据，通过行车风险场模型计算得到两车交互风险值数据集，利用累计频率法将交互风险划分为四个风险严重程度不同的层级，结果表明严重风险主要分布于车道1以及车道3与车道4的上半段。选取11个影响交互风险严重程度的关键因素作为特征变量，分别利用XGBoost和RF算法构建交互风险严重程度预测模型，结果表明XGBoost算法预测的准确率为92.92%，F1分数为92.91%；RF算法预测的准确率为90.22%，F1分数为90.19%。为进一步揭示特征变量的作用机制，引入SHAP量化11个特征变量对交互风险严重程度的贡献度，结果表明纵向间距、横向间距、目标车速度、两车速度差是贡献度排名前四的变量。研究成果可为车辆主动防控和快速路短交织区交通安全管理提供依据。

关键词： 交通运输系统工程   事故严重程度   结构方程模型   自动驾驶汽车   接管模式   中介效应  

摘要： 为探究自动驾驶汽车事故伤害严重程度影响因素，本文构建考虑中介效应的结构方程模型对自动驾驶汽车接管模式和事故严重程度进行关联性影响因素分析。采用AVOID数据集中的自动驾驶汽车事故数据，从车辆特性、天气特性、道路特性和碰撞状况4个方面选取27个影响因素，利用中介效应和因子结构分析探究各因素对自动驾驶事故严重程度的影响。结果表明：交叉路口和街道可以显著降低自动驾驶汽车交通事故严重程度；路面状况、多云、雨、碰撞-左后方和白天通过中介效应对事故严重程度产生间接影响；其中路面状况可以显著降低交通事故严重程度；天气-雨明显增加了交通事故严重程度；自动驾驶汽车发生交通事故时的接管模式对事故严重程度具有显著负作用且二者具有复杂的关联性。