基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率，优化客运资源配置，依托人口迁徙大数据，建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离，分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型；利用人口迁徙大数据，绘制基于出行距离的客运方式分担率曲线，对优势出行距离模型进行求解. 结果表明，我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km，相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

基于层次分析法的汕头港内陆港选址研究*

汕头港是我国沿海主要港口，也是粤东地区唯一的主要港口。通过分析汕头港发展现状和腹地经济产业发展特点，提出汕头港未来布局建设内陆港的意义。在此基础上，选取广东、福建、江西和湖南共19个地级市作为汕头港内陆港选址的候选城市，构建了候选城市涉及地理交通、经济基础和成本因素三大要素的多层次指标体系。利用层次分析法（AHP）对内陆港选址进行初探，并提出相应选址和发展建议。     

基于数据包络分析的交叉口信号控制效率评价方法

随着城市汽车保有量不断增加,很多城市交叉口运行效率不高,频繁出现拥堵现象,信号控制效率难以匹配实际的交通情况,我国缺乏针对交叉口信号控制方案效率评价的统一标准.为了评价信号交叉口控制方案效率的优劣性,为给相关部门选择交叉口信号方案提供参考,采用数据包络分析(DEA)方法,选取交叉口车辆排队长度、平均行车延误、停车次数作为评价输入指标,绿灯利用率、交通量作为评价输出指标.最后选取实例进行验证,仿真结果表明:所提出的交叉口信号控制效率评价方法是可行的.     

一种气垫船自航模远程控制方法

由于气垫船自航模自由航行不受约束,且距离岸基有一定距离,其远程无线控制尤为关键.在保证远程控制指令数据长距离传输稳定的同时,气垫船自航模其自身操作的复杂性,也应保证其远程控制系统具备大量数据互换的能力.该文针对用于无约束状态下的模型试验气垫艇船自航模远程控制方法进行详细介绍,其中包括气垫船自航模自控系统与远程控制实施方法.此自控系统的控制方案是以SIMATIC S7-1200系列为基础设计的控制系统,同时无线远程控制选用的是ZP3000系列,以4G进行传输达到离岸控制的目的.该控制方法经实际试验验证能进行有效远程控制,是研究气垫船自航模的重要技术手段.     

吹填层厚度对疏浚淤泥沉积特性影响的试验研究*

疏浚泥向堆场内吹填的过程中，宜分层进行，吹填厚度的选择直接影响疏浚泥在堆场内的沉积。利用不同高度的沉降柱，对同一含水率的泥浆进行沉积试验，研究泥浆高度对于泥浆沉积规律的影响。结果表明，在相同初始含水率情况下，较低的泥浆高度易于使泥浆发生固结沉降，泥浆高度较高则易于发生阻碍沉降；泥浆高度对于阻碍沉降模式下沉降速率的影响较小，沉降阶段持续时间与泥浆高度呈正相关；泥浆高度越高，沉积物平均含水率越小，且随着泥浆高度的增加，沉积物平均含水率趋于稳定。在本次研究范围内，当泥浆高度达到40 cm以上，沉降速率和沉积物含水率趋于稳定，沉降模式不再发生变化，泥浆高度对沉积规律的影响较小。     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

基于组合拍卖与统一价格的停车位最优分配研究

考虑停车服务平台同时提供预约和即到即停两类停车模式，建立基于组合拍卖与统一价格的停车位最优分配整数规划模型，实现最大化竞标者与平台的整体效用。将长期停留在以竞价分配为目标的传统拍卖机制拓展为竞价分配与统一价格分配相结合的新式单边 VickreyClarke-Groves(O-VCG)组合拍卖机制，对预约与即到即停模式进行最优分配与定价，同时保证了激励相容、个体理性及配置效率这3个重要属性。通过算例分析，探讨了竞标者的出价分布、竞标者人数对两类模式停车分配策略及整体效用的影响。结果表明，当竞标者对单个停车时段出价的均值与单个停车时段的统一价格接近时，O-VCG组合拍卖机制能够实现两类停车模式的最优分配和系统鲁棒性。     

自动驾驶公众接受度研究综述

全面梳理并总结了自动驾驶公众接受度领域的相关研究, 从接受自动驾驶的可能性与态度、了解与信任程度、感知与关注点、支付意愿和使用偏好5个方面定义并阐述了接受度的内涵; 从调查对象的选取、问卷设计、调查方式与抽样、模型构建与数据分析方法等方面对比了现有研究采用的数据采集和分析方法; 总结了影响自动驾驶公众接受度的关键因素, 剖析了其对公众接受度的影响, 指出了存在的问题和未来研究方向。研究结果表明: 现有大部分研究重点关注接受自动驾驶的可能性、态度和使用偏好等问题, 对支付意愿的研究相对较少; 公众对自动驾驶普遍持积极态度, 对自动驾驶技术及其相关功能有所了解; 安全问题是人们对自动驾驶的首要关注点, 不同群体对该问题的担忧程度有显著差异; 人们为享受自动驾驶技术而愿意支付额外费用的意愿不够强烈, 来自发达国家受访者的支付意愿普遍低于发展中国家受访者; 个人心理和生理属性, 社会人口属性, 伦理、法律责任和车辆安全水平, 车辆自动化水平及相关属性, 出行相关属性以及环境因素等是影响公众对自动驾驶接受度的几类关键因素; 然而, 现有研究对伦理和法律责任等因素的量化分析还较为缺乏, 性别、年龄和收入水平等部分关键因素的影响仍存在争议, 还需进一步讨论; 相关研究在对样本的代表性分析、问卷和调查方案的精细化设计以及关键因素的具体作用机制分析等方面还有待进一步深入。      

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。