新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

新冠疫情防控对大湾区高速公路运输的影响分析

在新冠疫情常态化防控背景下，我国区域性疫情频发，如何量化疫情防控措施对经济运行和客货运输的影响成为社会亟待研究的问题。为此，本文设计了高速公路运输指标计算方法，提出疫情防控措施的等级与阶段划分流程，建立双重差分模型分析疫情防控措施对高速公路运输指标的影响。本文以粤港澳大湾区主要城市为对象，基于2020年5月—2022年4月高速公路收费数据和疫情防控信息开展案例研究。研究结果表明：I级(加强)防控措施下，客车流量显著下跌，各案例降幅在8%~27%之间，货运指标变化不明显。深圳和东莞在II级(严格)防控阶段，客货运指标均剧烈下跌，两市客车流量分别再下降 46.3%和 33.7%，货车流量分别再下降 42.7%和 27.6%，货运量和货物周转量降幅与货车流量相当。高速公路客车市际平均运距在I级防控措施下存在下降趋势，但在II级阶段下，客车和货车市际平均运距均显著提升。本文为城市与城市群疫情防控措施的制定与实施提供一定的参考价值。     

新冠肺炎疫情下武汉封城令对交通流的影响——以浙江省为例

为研究新冠肺炎疫情下武汉封城令对交通流的影响，基于新冠肺炎疫情期间浙江省移动手机漫游数据，采用数据挖掘和回归分析等方法，分析了交通流的时空分布及其与武汉封城令的关系。结果表明，武汉封城令发布后，浙江—湖北每日交通流量和疫区每日新增感染人数满足自然界的Taylor定律，即交通量的自然对数和疫区每日新增感染人数的自然对数线性负相关；人们往往倾向于在“不得不”离开的状态下逃离危险区域，而武汉封城令和紧急状态令对人口的出行影响具有1d的时间滞后性，其短期出行峰值持续时间为3d左右；政府发布武汉封城令使疫区交通出行量出现短期增长，但长期来看，使人们的交通出行更加谨慎，降低了流行病大范围传播的风险。据此，在全球新冠肺炎疫情加剧的形势下，建议政府部门可在海外各国疫情紧急发布状态后的1～3d内，实施海外输入交通流严格管控，并至少持续一周时间。     

出租车高效益行程特征

为提高出租车营运效率和服务水平，以重庆为案例，研究出租车行程特征与出租车驾驶员单位时间收入的关联机理。首先，基于关联的出租车营运数据和轨迹数据构建行程特征指标；其次，构建随机森林预测模型分析行程特征对单位时间收入的相对重要性及显著性；然后，构建多分类Logistic回归模型分析行程特征对单位时间收入的量化影响。研究结果表明：行程特征指标可用于预测驾驶员单位时间收入且准确性较好，送客速度、寻客时长、长单数量对平均单位时间收入预测的相对重要性最大；寻客行程迂回度、送客行程迂回度、寻客里程的增加会显著促使普通效益驾驶员降为低效益驾驶员，而寻客行程迂回度、寻客区域偏好度、寻客里程的减少及送客速度的增加会显著促使普通效益驾驶员上升为高效益驾驶员。高效益驾驶员具有寻客积极主动、不偏好特定区域、倾向预期通行速度快的短路径、有长单偏好但不刻意追求等特征。本文弥补了先前相关研究在行程特征与效益的关联性构建，多样化行程特征对单位时间收入的表征与预测，高效益出租车驾驶员营运特征勾勒等方面的不足；可为城市交通管理、出租车数量管控及运价调整等提供理论依据和技术支撑。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

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。     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

新冠疫情及建成环境对公交客流量的影响模型

为揭示新冠疫情背景下公交客流量变化的空间影响因素，以疫情前后公交站点层面客流变化量为因变量，以建成环境、病毒感染情况及病毒传播途径等指标为自变量，构建新冠疫情与建成环境对公交客流量共同影响的线性回归(Ordinary Least Squares, OLS)模型与梯度提升回归树(Gradient Boosting Regression Trees, GBRT)模型。以广州市为实证对象，基于公交IC卡数据、兴趣点数据(Point of Interest, POI)及道路网络数据等多源异构数据进行模型实证分析。结果表明：考虑非线性效应的GBRT模型比OLS模型具有更好的拟合度；同时，常规公交站点的公交线路数量(22.02%)和到市中心距离(13.56%)是影响疫情背景下公交客流量变化的最重要因素，片区病毒感染与传播情况对疫情防控常态化时期的公交客流量作用有限，居民日常公交出行已经从疫情的影响下逐渐恢复。     

基于乘客感知的多模式公交服务质量差异性研究

针对多模式公交服务质量的差异性，提出一种以TAN贝叶斯网络与支持向量机(SVM)为 基础的多方法组合评价模型，评价各模式公交服务质量，并预测检验了指标优化效应。首先，采 集2015—2018年市区线路、郊区线路、快速公交、定制公交的服务质量调查数据，基于公交方式截 面，使用TAN贝叶斯网络推理得出各因素对乘客满意度的影响能力及潜在影响关系；其次，结合 IPA分析方法，基于时间截面定位分析各模式公交选取指标的服务水平，辨识各模式公交需优化 的主要指标；最后，选取多层感知器(MLP)、长短时记忆神经网络(LSTM)与SVM进行对比，验证 了SVM回归预测的精准度，并采用SVM与OAT方法预测得到各模式公交满意度变化及指标敏 感性，参照因素间潜在的影响关系提出优化方案。结果表明：4种公交模式的服务质量影响关系 网络具有差异性，各模式公交均存在车厢拥挤问题，市区线路的指标优化效果最佳，正效应为 36.4%；市区和郊区线路均应与其他模式公交匹配发车计划，通过缩短乘客候车时长可分别提升 39%、32.2%的乘客满意度；快速公交需提升车辆行驶的稳定性，定制公交需要调整线路规划，减 少乘客乘车总时长，优化为整体服务质量提升带来的正效应分别为42.7%和37.4%。     

新冠肺炎疫情对民航的影响分析与政策建议

为给政府制定应对策略提供决策支持，基于航班运行数据分析了新型冠状病毒肺炎疫情对民航造成的影响。通过分析2003年“非典”和新型冠状病毒肺炎疫情对民航影响的差异，基于情景假设对2020年民航运输发展形势进行了预测分析，并提出有关政策建议。研究结果表明：新型冠状病毒肺炎疫情对民航市场需求造成了严重的冲击，2020年民航运输形势不容乐观，预计年旅客运输量同比基本持平或下降10.9%。政府部门需在做好疫情防控期间运输保障工作的同时，加快出台积极的产业政策以支撑民航发展。     

基于速度变化的偶发性交通拥堵时空分布特性研究

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积,从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先,基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性;接着,根据交通事故信息和事故路段流量与速度数据,建立了一种基于速度差异的拥堵判定模型,并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述;最后,依托仿真数据与北京市真实事故数据进行效果验证.结果表明,该方法可以有效地描述交通事故引起的拥堵时空分布特性.     

交通运输传播新型冠状病毒肺炎的系统动力学仿真

为研究交通运输对新型冠状病毒肺炎(COVID-19)传播的影响, 建立了基于系统动力学的交通运输传播新型冠状病毒肺炎模型; 在设定模型假设的基础上, 将人群分为易感个体、潜伏个体、感染个体和移除个体4种, 并根据COVID-19的传播特性建立了交通运输影响下疫区、港站、车船和关联地区的COVID-19修正易感-潜伏-感染-移除(SEIR)和易感-潜伏-感染(SEI)传播动力学方程; 在研究交通运输传播COVID-19过程的基础上, 绘制了交通运输传播COVID-19的系统动力学模型因果回路, 并进行了因果反馈回路分析; 构建了基于系统动力学的交通运输传播COVID-19模型, 并检验了模型的量纲一致性、机械错误、有效性和极端条件; 以A市为研究对象, 建立了3种仿真场景以研究交通运输对COVID-19传播的影响。仿真结果表明: A市COVID-19感染个体数量在疫情发生后第32天达到峰值, 累计感染77 726人, A市以外地区感染个体数量在疫情发生后第30天达到峰值, 累计感染28 084人; 交通运输对COVID-19的传播起正反馈作用, 交通运输影响下的COVID-19感染个体和移除个体数量峰值分别是无交通运输参与下的18.62、10.99倍, 因此, 实施交通管控措施对控制疫情发展、防范疫情扩散具有积极作用; 公共交通出行比例的增加将进一步加快COVID-19的传播, 因此, 减少人们出行需求, 降低公共交通出行比例, 加大对公共交通车船、港站的病毒消杀工作能有效减缓COVID-19的传播。      

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响，但现有成果主要研究疫情爆发期疫情对交通运输的影响，较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型，研究后疫情阶段新冠病毒，老年人个人统计学特征，老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中，新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响；新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响；此外，这两个因素也影响老年人外出概率和使用公交的概率.     

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响,但现有成果主要研究疫情爆发期疫情对交通运输的影响,较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型,研究后疫情阶段新冠病毒,老年人个人统计学特征,老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中,新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响;新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响;此外,这两个因素也影响老年人外出概率和使用公交的概率.     

机动车驾驶员人为因素与交通事故危害性关联分析

机动车驾驶员人为因素是导致道路交通事故形成,并产生事故伤害的最主要原因。将区域道路交通事故的死亡人数、伤亡人数和直接经济损失等统计指标值作为参考数列,将不同驾驶员人为因素组成的道路交通事故统计次数作为比较数列,可以建立驾驶员人为事故因素与其危害性的灰色关联模型。结合实例,通过对灰色关联矩阵的定量化结果进行分析,可以评价驾驶员人为因素对不同类型事故危害性的影响,为有关部门采取有效的安全管理和预防对策提供参考依据。