城市边缘区域大型建设项目通道交通分析

随着城市用地的不断向外扩张,大型建设项目向城市边缘区域拓展已经成为城市建设开发的必然趋势. 本文在分析以往交通影响评价方法局限性的基础上,提出了通道交通分析的基本思路,以项目临近的交通通道为研究对象,根据项目周边通道上的瓶颈路段确定研究范围,并在项目对通道交通影响程度分析的基础上引入通道建设敏感度分析,以确定按规划实施项目建设时所必须的交通通道. 应用案例研究表明,引入通道交通分析比较成功地缓解了城市周边大批建设项目实施和通道交通供需之间的矛盾,改进了以往交通影响评价方法的不足,可以确保项目建成后通道交通服务水平不会显著下降.     

����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.     

随机需求条件下道路网行程质量评估--行程时间可靠性

考虑日常OD需求变化,提出了随机需求条件下获取道路网路径行程时间概率分布的新方法,用行程时间可靠性描述道路网运行的质量的指标,针对其偏态分布特点,利用Johnson、Gauss曲线拟合行程时间的分布,通过小样本来估计分布的数字特征,并通过与蒙特卡罗法计算结果对比,验证结果的一致性,利用拟合的分布控制行程时间的中心线、上下限,从而对行程时间的可接受极限值进行界定,对道路网行程质量进行控制。     

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。     

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。     

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.     

基于深度学习的车辆轨迹重建与异常轨迹识别

车辆移动轨迹的不确定性及异常点段的存在使其在数字交通领域的应用面临挑战。本文构建基于数据增强的LSTM-AE-Attention深度学习模型，进行车辆轨迹重建和异常轨迹识别。首 先，使用对抗生成网络和贝塞尔样条曲线从样本量和种类两方面扩充数据集，实现数据增强；其 次，通过自编码网络与长短时记忆神经网络提取轨迹特征并完成轨迹重建；最后，结合自编码网络预训练和注意力机制构建异常识别模型。采用实际车辆轨迹数据测试，模型的评价指标明显优于支持向量机、随机森林和长短时记忆神经网络模型，重建实验中模型的决定系数为0.968，异常识别实验中模型的F1值较对比模型平均提升9.8%。结果表明，本文提出的模型可有效、可靠地运用于平滑车辆轨迹数据和纠正异常车辆轨迹。     

道路交通数据采集技术研究展望

交通数据是交通规划、管理与控制的基础,尤其对智能交通系统的建设和运营具有决定性作用。阐述交通数据采集技术的发展．分析、归类其技术特点,研究和展望新技术在交通数据采集中的应用前景,提出适合我国道路交通特点的交通数据采集技术。     

���н�����Ŀ��ͨӰ���������̽��

通过分析美国、英国、日本和我国目前的交通影响分析方法、过程和亟待解决的一些问题，探讨了在交通影响分析中增加环境影响评价、可达性评价等，提出了多指标交通影响分析方法.多指标交通影响分析方法不仅能定量计算城市建设项目带来的在道路和交叉口上新增的交通流量，而且能够计算新增交通量对环境和土地利用的负面影响，从而更全面地考虑城市建设项目对交通的影响.