��������DEAģ�͵Ĺ����ͨ�ν�ģʽѡ�������о�

合理完善的不同层次的轨道交通线路衔接模式,对于发挥都市圈轨道交通网络的整体效率显得尤为重要.通过确定评价指标体系及其计算方法,建立了适用于轨道交通衔接模式的选择评价的模糊区间DEA（Data Envelopment Analysis）模型.以珠三角地区典型轨道交通线路为研究案例,应用模糊区间DEA模型对衔接模式进行评价分析.结果表明,模型计算结果与工程设计方案相一致,表明所建立的区间DEA模型在轨道交通衔接模式的选择评价中具有一定的适用性.     

����DEMATEL-ISM�ĸ��ٹ�·��ҵ����ͨ��ȫӰ�����ر�ʶ

为提高高速公路作业区交通安全水平,集成DEMATEL-ISM方法对其影响因素进行辨识和分析. 基于人-车-路及环境系统的观点,构建了高速公路作业区交通安全影响因素体系;采用Delphi法分析各因素之间的相互影响关系. 以集成DEMATEL-ISM方法构建了高速公路作业区交通安全影响因素辨识模型;根据多级递阶结构模型的分析结果,确定了影响高速公路作业区交通安全的最直接因素为驾驶员动态判断能力、超速行驶、速度限制、作业区交通量和安全设施布置. 研究结果表明,该方法切实可行,能够对高速公路作业区交通安全影响因素进行定量分析.     

��̼�����°��ֺ����䴬ģ�ͼ����㷨ʵ��

考虑到航速变化对航线配船决策所产生的非线性影响,推导了船舶航速与船舶往返航次时间、航次成本及航线配船数之间的数学关系式,把船舶航速作为决策变量引入传统的航线配船模型中,并且把船队的二氧化碳排放量作为优化目标之一,建立船队利润最大与碳排放量最小两个目标最优的双目标航线配船模型.针对模型非线性和混合整数解的特点,采用LINGO11.0优化平台,自编程序,应用分支定界算法,进行仿真算例研究.结果表明,该模型可以同时决策航线配船和船舶航速,其优化结果更符合实际情况,同时更有利于运力的有效利用,船舶燃油消耗的节省和碳排放的减少.     

HOV车道在上海城市交通管理中的应用探讨

介绍HOV(高承载率车辆)车道的概念及在洛杉矶的发展过程;针对上海目前公交专用道利用率不高的现象,提出利用公交专用道的富余设置HOV车道的设想;从必要性及可行性两方面运用数据对上海市延安东路隧道和四平路—中山东路的道路状况分析说明。     

����ͳ�Ʒ����Ļ�Ͻ�ͨ��϶ģ��

车辆间隙定义为到达路段某特定点相邻车辆的间隔.本文研究了非双车道异质混合交通情形下的车辆间隙模型,此类交通流在诸如印度等一些发展中国家普遍存在.其特征是具有大量“零间隙”的情况,这主要由给定车道宽度下车辆同时到达的情形所致.其另一特征是较大车头时距带来的尾区数据量偏大.然而,一些学者运用轻尾分布对车辆间隙进行建模并得到了满意的结果.原因主要是：(1)尾区数据融入单个面元;(2)分布拟合时卡方检验等方法具有一定的局限性.此外,一些学者还建议对同一范围的交通流数据采用其他一些分布进行拟合,产生了分布选择的分歧.同时,可表征任何分布拟合状况的面元在间隙模型中的作用逐渐减小.因此,本文就以上问题对现有间隙模型的研究进行进一步和标准化的分析.本文还分析了两种具有较好尾模型特性的广义Pareto分布(GP)、广义极值分布(GEV)、其他几种传统分布对550 vph至4 100 vph流量范围内车辆间隙建模,且使用基于区域和基于距离检验的方法进行分布拟合检验.结果表明,无论使用哪种检验方法,广义Pareto分布对于大于1 500 vph流量的间隙数据在整体和尾区均能得到较好的拟合效果.广义极值分布在使用基于区域的检验方法时对于大于1 500 vph流量的间隙数据产生较好的拟合效果.     

ú̿��������ṹ³�������ۼ�Ӧ���о�

煤炭运输网络是包括铁路、公路、水路运输等多种方式的复杂网络,处于动态、开放的环境中并受各种不确定因素影响.为了更好地测度煤炭运输网络抵御破坏的能力,提高煤炭运输网络的结构鲁棒性,本文基于煤炭运输网络特性,在分析影响结构鲁棒性的内部和外部因素的基础上,定义了煤炭运输网络的结构鲁棒性,建立了煤炭运输网络结构鲁棒性评价指标体系,并以山西煤炭运输网络为算例进行仿真分析.结果表明,煤炭运输网络对于边随机破坏和按照度攻击,表现出较好的里程可达鲁棒性和效能鲁棒性;随机攻击节点和按照度攻击节点时,网络的结构熵鲁棒性变化不明显;对网络进行攻击的同时以一定的概率修复网络,网络呈现出较好的恢复鲁棒性.     

�����䴬ģ�͵ĸĽ������ں���������λ�����е�Ӧ��

随着航运联营与联盟形式的出现,航运公司的船队及航线规模不断扩大,航线优化及运力配置变得更为复杂.本文结合航运业发展实际,在对传统的班轮航线配船模型进行改进的基础上,建立新的模型应用到航运联盟情况下航运公司箱位租赁决策与航线规划中.结果表明,在自身运力不足时,航运公司通过航运联盟箱位租用,对降低其系统成本、弥补航线运力、保证完成货运任务、加快船舶航班周期等的方面有突出的优点.     

机器学习——动力学耦合车辆跟驰模型

目前,跟驰模型的建立主要基于动力学方法和机器学习算法,将两者耦合起来建立跟驰模型的研究还没有.以线性组合预测为基础,对最优加权法中的目标函数进行改进,将经典的Gipps模型和基于BP神经网络的跟驰模型(BP Car-following Model,BP)耦合起来,建立线性组合车辆跟驰模型(Linear Combination Car-following Model,LC-CF).结果表明:BP模型的预测结果更加贴近真实值,Gipps模型的预测结果更加贴近安全值;LC-CF模型可以通过调整参数,来控制BP模型和Gipps模型在LC-CF模型中的权重,进而达到控制预测速度的真实性和安全性的目的.     

基于前景理论诱导信息的出行者路径选择模型

在前景理论的决策框架下,引入诱导因素,建立诱导信息影响下考虑出行可靠性的基于预算时间的参考点,以此得到相关的价值函数与概率权重函数。构建一个简单路网对模型进行验证,结果表明:基于前景理论诱导信息的出行者路径选择模型,较为符合出行者在实际状态下的路径选择行为,且可有效体现管理者的诱导意图,提高路网效率。     

跟车模型及其稳定性分析综述

交通流的仿真是以车辆的行为作为研究对象,最终达到模拟不同条件下交通流的目的. 跟车模型是文通流仿真中采用的一个基本模型.综述了跟车模型的发展过程,介绍了不同的模 型及各种稳定性的分析方法,同时对该方向的研究与最新进展进行了分析和展望.     

前后多车影响的跟驰模型及稳定性分析

驾驶员在跟车行驶过程中,通常会通过视野前后车辆的行驶状态来调整自己的跟驰行为,基于此本文提出了一种考虑驾驶员视野内双前车和后车对跟驰车辆影响的改进跟驰模型.根据线性稳定分析方法,得到了改进模型的中性稳定性条件,并通过计算机仿真模拟进行了验证.为了进一步加强验证结果及说明改进模型的优越性,同经典FVD模型进行了数值仿真对比.仿真结果表明：灵敏度α越大越有利于提高改进跟驰系统的稳定性;同经典FVD跟驰模型相比,改进模型抵抗干扰的能力更突出,能够消散交通系统中的微小扰动,具有抑制交通拥堵和稳定交通流的有利作用.     

沙尘环境下交通流跟驰模型及仿真

沙尘环境下,沙、尘土及其他异物会影响驾驶员的视线,让驾驶员额外增加辨别道路条件和周围交通状况的反应时间,带来一定的交通安全隐患.为探讨沙尘环境对道路交通流的影响,本文建立了基于沙尘环境下驾驶行为的跟驰模型(SDM).线性稳定性分析和数值模拟结果表明：沙尘环境下,SDM的稳定区域缩小,交通流出现小的扰动后,难以恢复到稳定状态;而且,交通流受沙尘影响越严重,车辆速度的离散性越大,加速度的波动幅度也越大.可见,沙尘环境使交通流处于不安全的状态,易引发道路交通事故.     

考虑实时停车场信息的出行方式选择仿真模型

停车App在交通出行中的广泛应用,使实时获取各类停车场信息更加便捷.然而,实时停车场信息在优化交通系统方面的作用机理尚无理论基础,其应用效果也缺乏量化分析. 本文将实时剩余停车位信息和停车诱导信息作为研究对象,基于点队列模型、学习理论和Logit选择模型,建立了实时停车场信息提供下的出行方式选择行为的仿真模型.然后,设计3种出行情景并结合仿真实验结果,对实时停车场信息提供影响出行者出行行为的机理进行分析,从而评估其对交通系统的优化效果.最后,基于对2类主要参数(学习因子和扩容因子)的敏感性分析,进一步讨论了提升实时停车场信息提供对交通系统优化作用的可行方式.     

基于扰动传播特征的随机Newell跟驰模型

为研究快速路场景下小汽车跟驰行为,本文从北京市快速路交通流视频中提取高时间分辨率的机动车运行轨迹数据.统计发现,在不同跟驰速度下,小汽车车头时距均服从对数正态分布;利用动态时间规整算法提取小汽车的反应时间与扰动传播速度等特征参数,分别标定其概率分布函数,证明跟驰过程中小汽车的反应时间分布峰值和数学期望分别为1.0 s 和1.57 s;在挖掘反应时间、扰动传播速度与车头时距量化关系的基础上,建立基于交通扰动传播特征的随机Newell跟驰模型,并标定得到分速度区间的模型参数.仿真结果表明,本文提出的随机Newell跟驰模型能有效刻画跟驰行为与扰动传播间的关联特征,同时生成符合预期的交通流基本图.新模型能够为跟驰行为随机特征对交通状态的影响研究(如交通流陡降、宽移动阻塞等)提供支持.     

基于扰动传播特征的随机Newell跟驰模型

为研究快速路场景下小汽车跟驰行为,本文从北京市快速路交通流视频中提取高时间分辨率的机动车运行轨迹数据.统计发现,在不同跟驰速度下,小汽车车头时距均服从对数正态分布;利用动态时间规整算法提取小汽车的反应时间与扰动传播速度等特征参数,分别标定其概率分布函数,证明跟驰过程中小汽车的反应时间分布峰值和数学期望分别为1.0 s 和1.57 s;在挖掘反应时间、扰动传播速度与车头时距量化关系的基础上,建立基于交通扰动传播特征的随机Newell跟驰模型,并标定得到分速度区间的模型参数.仿真结果表明,本文提出的随机Newell跟驰模型能有效刻画跟驰行为与扰动传播间的关联特征,同时生成符合预期的交通流基本图.新模型能够为跟驰行为随机特征对交通状态的影响研究(如交通流陡降、宽移动阻塞等)提供支持.     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.