关键词： 交通运输系统工程   最后一公里出行   计划行为理论   随机系数Logit模型   无人驾驶汽车  

摘要： 为了研究出行者选择偏好异质性和共享无人驾驶汽车解决地铁出行最后一公里接驳问题的潜力，基于计划行为理论，对出行者最后一公里的出行方式选择进行了分析。首先，建立了潜变量模型，获取出行者对无人驾驶汽车的态度、主观规范、感知行为控制和行为意向等心理潜变量；其次，将心理潜变量纳入随机系数Logit模型，进行实证分析研究了地铁出行“最后一公里”出行行为的影响因素；最后，进行弹性分析，研究了出行时间对出行方式选择的影响程度。研究结果表明：随机系数Logit模型比传统的多项Logit模型拟合度更优；不同出行者对出行时间的偏好具有异质性，出行时间系数不是一个固定值，而是服从均值为-0.153、标准差为0.520的正态分布；出行者对无人驾驶汽车的态度和感知的主观规范对出行行为具有显著影响；共享无人驾驶汽车的出行时间每减少1%，共享无人驾驶汽车的选择概率上升0.799%；而共享自行车的出行时间每增加1%，选择共享无人驾驶汽车的选择概率上升1.155%。

关键词： 交通运输系统工程   延误不均衡   多目标配时优化   泰尔指数   蒲公英算法  

摘要： 为解决进口道交通负荷不均衡导致交叉口信号控制效率不高的问题，基于蒲公英算法提出一种交叉口多目标信号配时优化方法。采用泰尔指数量化交叉口延误不均衡度，以信号周期车辆总延误和延误不均衡度为目标函数，构建多目标信号配时优化模型，并提出蒲公英算法对模型求解。选取实际交叉口数据对方法进行仿真分析，对比分析Webster和NSGA-Ⅱ方案的交通运行效率。结果表明：本文方法使车均延误和排队长度均得到降低，可有效提升交叉口运行效率。

关键词： 交通运输系统工程   红外图像   可见光图像   图像融合   判别器   注意力机制  

摘要： 针对严重交通事故现场出现火灾、浓烟等情况影响探测设备完成被困人员搜救的问题，提出了一种基于卷积注意力机制自适应改进损失型双判别器条件生成对抗网络（CBAMIL-DDCGAN）的红外和可见图像融合方法。首先，利用添加注意力特征融合模块的解码网络从空间和通道对图像进行恢复重建。然后，设计了一种基于梯度信息的自适应权重计算方法。最后，进行了融合图像连续帧的测试实验。实验结果表明，本文图像融合算法表现出色，相较于传统算法和生成对抗网络算法，在PSNR、SSIM和MSE等指标上均取得了超过7%的显著提升，验证了该融合算法在复杂交通事故救援中的可行性和优越性。

关键词： 交通运输系统工程   城市轨道交通   吸引范围   吸引强度   点阵算法   灰色距离衰减模型  

摘要： 为明确城市轨道交通站点吸引范围及吸引强度，提出轨道站点多接驳方式吸引范围及吸引强度模型。基于轨道交通最主要接驳方式，将轨道站点吸引范围分为直接吸引范围及间接吸引范围两类。考虑站点空间特征，分别提出基于阈值的点阵算法及灰色距离衰减模型研究直接和间接吸引范围。在此基础上，构建了轨道交通站点的多接驳方式吸引强度模型。结果表明：直接吸引范围不是规律的圆形，各站点直接吸引范围不相同，随着距离的增大，直接吸引强度呈现逐渐减小的趋势；间接吸引范围中，各站点的间接吸引范围同样存在差异，随着距离的增大，间接吸引强度呈现先降后增再降的趋势。

关键词： 交通运输系统工程   驾驶人接管行为及意图   因子分析   K-means聚类分析   长短期记忆神经网络  

摘要： 为识别自动驾驶环境下驾驶人的接管行为及意图，面向18.95 km双向六车道高速公路场景，借助驾驶模拟器和眼动仪，实施驾驶人10次面对5种紧急情境之一接管自动驾驶车辆的模拟试验。利用所得车辆运行和视觉注意力数据，根据因子分析提取得到3个公因子，采用K-means聚类分析定性识别驾驶人接管行为及意图。将因子分析分别与支持向量机和长短期记忆神经网络进行结合，获得两个定量识别驾驶人接管行为及意图的模型。研究结果表明，驾驶人接管行为受其纵向反应、横向反应和视觉注意力影响；聚类分析可定性描述不同类型驾驶人的接管行为及意图，并揭示潜在的驾驶安全隐患；相比支持向量机、长短期记忆神经网络和因子支持向量机模型，因子长短期记忆模型能更有效地识别驾驶人接管意图，其精确率、召回率、F1分数和准确率4项性能指标均最优；利用因子分析进行数据降维和有效信息浓缩所得公因子有助于提高驾驶接管意图识别模型的分类性能。本研究有助于识别出接管风险较高的驾驶人，进而设计有针对性的驾驶辅助策略。

关键词： 交通运输系统工程   轨道交通网络   韧性评估   恢复策略   自适应遗传算法  

摘要： 针对现有研究基于拓扑网络效率分析城市轨道交通网络韧性的不足，提出以网络性能响应函数为基础的韧性评估方法，提出的网络性能响应函数是OD客流损失率和网络服务效率损失率的加权求和，采用德尔菲-熵权法确定指标的综合权重，构建以网络韧性指标最大化为目标的恢复优化模型，采用自适应遗传算法进行求解。以西安市轨道交通网络为例，考虑随机攻击和蓄意攻击策略提出4种假设扰动情景，对比分析目标恢复策略与随机恢复策略、偏好恢复策略在4种假设扰动情景下对网络韧性修复效果的差异。结果表明：目标恢复策略对轨道交通网络的修复效果最好，其次是偏好恢复策略；与随机攻击策略相比，蓄意攻击时不同恢复策略得到的网络韧性差别较大；选择修复受损车站顺序时，不能仅考虑受损车站在网络拓扑结构中的重要性，还应当考虑受损车站客流量对网络性能的影响；增加修复资源可以缩短恢复时间和提高修复效率，但修复资源的增加与网络韧性的提升不成正比。研究结论可以为城市轨道交通网络的韧性评估与抢修恢复提供决策依据。

关键词： 交通运输系统工程   多式联运   物流模式   联盟   利益分配  

摘要： 为支撑商品车多式联运联盟的组建和发展，聚焦联盟成员选择和利益分配两个核心问题，通过分析我国商品车现有物流模式，确定商品车多式联运联盟组织形式。从运输能力、服务能力、信息处理能力、财务能力、应急能力5个方面建立了评价指标体系，将熵值法与物元分析模型相结合，构建了可用于筛选联盟核心成员备选企业的物元评价模型。用人工蚂蚁模拟联盟成员的分工合作，构建了适用于联盟成员间利益分配的蚁群劳工模型。最后，以企业实际运营数据为依托设计了案例，并进行了应用研究。结果表明：本文所提出的模型和方法能够较好地解决商品车多式联运联盟核心成员选择与横向联盟成员见的利益分配问题，支撑商品车多式联运联盟的组建与运作。

关键词： 交通运输系统工程   检测器布局   扩样系数推断   逐次识别   迭代算法  

摘要： 基于出行样本数据估计的城市交通起讫点（OD）需求需要进一步扩张到全体出行者数量上，运用数学规划理论研究了检测器布局策略和扩样系数推断方法。考虑路段和路径覆盖信息最大原则，提出检测器布局模型以确定最优的检测器布设数量和位置。根据布设检测器上的观测路段流量，建立扩样系数推断双层规划模型，其中上层目标函数最小化观测流量与待估流量之间的偏差，约束为扩样系数、OD需求和路段流量之间的解析关系，下层采用随机用户均衡分配获取OD-路段关联比例。设计了逐次动态识别检测器和迭代算法分别求解检测器布局与扩样系数推断模型。通过算例表明，整合的检测器布局与扩样系数推断模型估计的扩样系数精度为0.01，建立的检测器布局模型可以用来确定改装检测器的最优策略，设计的算法均可以快速收敛于均衡解。

关键词： 交通运输系统工程   汇入引导策略   深度强化学习   高速公路专用道   信号控制   自动驾驶汽车  

摘要： 为满足自动驾驶车辆（CAV）与人工驾驶车辆混行过程中安全和效率的需求，自动驾驶车辆专用道应运而生。当高速公路内侧车道设为自动驾驶车辆专用道时，引导自动驾驶车辆从普通车道汇入至专用道的策略研究具有重要的理论意义和实际价值。首先，设计专用道入口并提出车辆控制规则；其次，以使更多自动驾驶车辆换道至专用道为目标，基于深度强化学习，选择换道信号动作引导车辆换道；最后，通过Python语言编译进行数值仿真验证。结果表明：在自动驾驶车辆渗透率、到达专用道自动驾驶车辆比例等不同因素构建的9种场景下，本文算法能够快速收敛；能够有效引导自动驾驶车辆汇入专用道，保证通行效率；相较无信号控制情况，渗透率为20%～40%时，第2车道交通拥堵显著减少；在两段式专用道入口场景下，CAV换道至专用道的比例比单入口场景明显提高。所提出的策略具有较好的适用性，能为工程建设提供参考借鉴。

关键词： 交通运输系统工程   路链组划分   交通预测   密度峰值聚类   长短时记忆神经网络   时空  

摘要： 为更准确预测城市路网交通流状态，通过测算各路段重要度及最短距离路径长度表征路段的空间特征属性，提出了基于密度峰值聚类算法识别交通流时空相关性较强的关联路链集合。以同一路链内所有路段时空二维矩阵作为模型输入，构建基于路链组划分的长短时记忆神经网络（RCGD-LSTMNN）的交通流预测模型。以北京市路网为例，将四环路内骨干路网分为8个关联路链组，模型精度可达95%以上，且皆优于传统的LSTM和BP模型的预测结果，表明本文模型有良好适用性和精度稳定性，适用于不同时空模式的路链组交通状态预测。