多方式诱导信息对通勤者出行链的动态影响模型

为研究多方式诱导下通勤者的动态选择行为,采用效用理论和多阶段决策方法,以出行链感知效用最大化为目标,建立了通勤者单日内以家为起点和终点的出行链选择行为动态规划模型,并利用Dijkstra算法求解.将出行链分割为相互联系的单次出行,每次出行均包含出行前和出行中决策节点,在每个决策节点上实现交通信息的动态加载,并考虑通勤者对信息的信任度和学习过程,使模型可更准确地描述实际决策过程.算例结果表明:多方式诱导信息使每位通勤者的出行链实际效用平均增加0.88%;且信任度越高,通勤者获得的收益越大,越倾向于通过缩短出行链长度,选择地铁或停车换乘方式以规避交通拥堵造成的效用损失.      

����������������������ָ���ϵģ��

山区高速公路连续长大下坡路段受道路条件和不利气候条件影响,发生交通事故的可能性和严重程度均相对较高.本文以提升连续长大下坡路段交通安全水平为出发点,通过典型山区高速公路连续长大下坡路段实车试验,采集驾驶员生理指标数据,并以心率增长率作为表征驾驶员心理变化的指标,建立了驾驶员心率增长率与车辆驶离连续长大下坡路段起点的距离、车辆所在坡段的曲率和车辆运行速度的关系模型;提出了基于驾驶员心率指标的连续长大下坡路段路线安全性评价方法;建立了评价标准和评价流程.本文模型充分考虑了连续长大下坡路段道路环境和车辆行驶特征,可以为山区高速公路路线安全设计提供理论支撑.     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

新冠疫情影响下居民共享出行方式选择行为研究

为分析新冠疫情对共享出行方式选择行为的影响，针对传统出行、网约车、合乘、汽车分时租赁及共享自行车的多方式交通系统设计SP(Stated Preference)问卷；对于疫情前和疫情期间的出行方式选择分别构建基于面板数据的混合Logit模型，比较解释变量的影响差异，分析感知疫情严重程度和方式选择惯性的联合影响；基于弹性分析预测疫情背景下不同管控政策对应的出行方式分担率。结果表明：感知疫情严重程度对合乘和分时租赁影响显著，方式选择惯性对网约车、分时租赁及共享自行车影响显著；当感知疫情严重程度降低至30%~50%时，1.6~3.0倍的停车费调整策略可将私家车分担率降低至疫情前，此时，低密接的分时租赁具有主要替代作用；当感知疫情严重程度在60%以上时，提高合乘出行安全程度至1.4~3.6倍可恢复其分担率。     

基于多方式广义费用模型的超级交通网络需求预测技术应用

针对综合交通网络规划各方式缺乏有机融合问题，通过建立以虚拟概化线连接的铁路、公路、水运、民航各方式交通线网和火车站、港口、机场等枢纽节点一体衔接的超级交通网络模型，运用广义费用函数计算客货在路网、枢纽及虚拟概化线上流动产生的广义费用，实现各方式交通网络融合。考虑公路客货运周转量占全方式总量比例高，但客货运平均运距短，以县级行政单元为基础将全国划分为2 540个综合交通小区，获取2018年各运输方式全年客货运起讫点（OD）数据，通过聚合、拆分等方法，将各方式OD表叠加形成现状综合交通小区客货运输量OD表；采用总量预测、自上而下分层控制的技术路线，对2050年全国总量、分区域总量和综合交通小区客货运发生吸引量进行预测，计算2050年综合交通小区客货运输量OD，实现各方式运输需求融合。基于Fisk模型，构建组合出行情况下多方式、多类别随机用户均衡分配模型（SUE），采用连续权重平均（MSWA）法对模型进行求解，并通过算例验证了模型和算法的有效性。结果表明：模型能够体现“宜铁则铁、宜公则公、宜水则水”的规划理念，实现乘客组合出行和货物多式联运，预测精度较高。研究成果可应用于宏观交通趋势判断，为实现综合交通网络规划中各方式有机融合提供借鉴，并成功应用于国家综合立体交通网规划研究中。     

城市轨道交通系统动态风险模态分析建模

城市轨道交通突发事件给系统运营和居民出行带来不利影响。为了分析导致突发事件的 关键风险因素和突发事件给运营造成的滞后时间长度，本文提出基于复杂网络的有向权重动态 风险模型。为了分析模型的拓扑特性，首先引入动态风险模态的概念，将每一时刻突发事件的风 险因素、滞后时间长度和事件等级有机组合为动态风险模态，以从不同角度整体反映这一时刻城 市轨道交通系统的风险状态。其次，提出相关性-时间敏感系数，分析在一定的滞后时间区间内， 前序风险因素与后序事件等级的显著关系，进而表征不同风险模态的相关性。最后，将动态风险 模态及其演化过程映射为基于复杂网络的动态风险模型，根据复杂网络模型的特性进行节点强 度分析，提取动态风险模态的关键信息，用以指导轨道交通风险管理工作。     

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.     

城市居民出行方式选择的结构方程分析

为克服Logit类模型的局限性,以出行链为分析单元,构建了快速城市化进程中居民出行方式选择的结构方程模型．首先,依据已有研究基础及城市化进程中居民出行特征,确定影响居民出行方式选择的3类因素,建立影响因素与出行方式之间的关系结构;在此基础上,构建结构方程模型,利用北京市居民出行调查数据对模型进行辨识与修正,最终得到了个人与家庭属性、土地利用、出行链等各类因素对出行方式的影响方向与程度．研究结果对优化居民出行方式结构、改善城市交通拥堵具有指导意义．     

基于改进密码本模型的视频对象检测

提出了自适应块均值码本模型,可以有效地处理动态背景。该方法考虑了块中像素在相邻帧间的时间联系,像素与其相邻像素间的空间联系,而不是认为像素间相互独立,并能够根据背景变化自适应调整图像块的尺寸。改进的码本模型将当前帧分割为大小自适应的非重叠块,当块中变化像素面积在一定阈值范围内时,将该图像块4等分,并用块均值建立粗糙的cache码本;在码本精细化过程中,用Mahalanobis距离计算cache码本问相似度,相似度高的码本融合为一个码本,最终得到精细码本;将改进模型与HSV色彩空间相结合,可以有效地对前景运动目标和背景进行分割。实验表明,改进的码本模型可以有效的处理动态背景,同时在处理速度上可以满足实时前景背景分割的需要。