基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

广州三条城际铁路线的客流特征分析

城际铁路是珠三角城市群内部互联互通的重要通道,实现了广州与周边城市的快速联系。通过对比研究了广深、广珠和广佛肇等3条城际铁路线的客运总量、空间分布、时间分布及客流成长等特征,为国内其他城市群发展城际铁路提供借鉴。     

包海通道西安至安康高速铁路运输需求分析

研究国家高速铁路网包海通道西安至安康高速铁路的运输需求,可为本线主要技术标准、运输组织和建设方案的确定提供决策依据。首先通过旅客运输径路比较分析,确定本线主要承担我国蒙西、陕北、山西、北京、东北地区、关中地区与陕南、西南、广西、海南等地的旅客交流,兼顾陕南重镇安康等与关中城市群、陕北地区的城际客流,其次基于"四阶段法"基本原理,对区域铁路客运量进行分配预测,并按照趋势运量、转移运量、诱增运量进一步分析本线客流密度,最后研究本线客流构成、所在通道的综合交通方式结构,并综合确定本线客车开行方案。     

城市轨道交通信号系统信息安全风险辨识

从城市轨道交通信息安全面临的严峻形势出发,介绍城轨交通信号系统组成,并对信号系统各子系统功能进行阐述。城轨交通信号系统是保证列车安全、准点、高密度运行的重要技术装备,主要由列车自动监控子系统、列车自动防护子系统、列车自动运行子系统、联锁子系统组成。根据信息安全风险分析模型,识别城轨交通信号系统信息安全的威胁来源及核心资产。由于城轨交通系统属于工业控制系统的典型系统,城轨信号系统则具备工控系统的一般性特点,继承工控系统的脆弱性。针对国内城轨交通信息安全研究的空白之处,结合工控系统不同层级结构的脆弱性,从技术和管理两个方面进行信号系统的信息安全风险辨识,通过分析发现存在物理安全、网络安全、主机安全和应用安全等层次上的风险。风险辨识结果反映出城轨交通信息安全存在大量的薄弱环节,以期为日后的研究和防护工作的开展打下基础。     

青岛至连云港铁路运输组织模式研究

研究目的:青连铁路是一条承担中长途旅客运输和港口集疏运功能的干线铁路,速度目标值为200km/h,其旅客运输组织模式既不同于传统的既有客货混跑模式,也有别于纯客运专线的运输组织模式。如何合理确定青连铁路的运输组织模式,是影响青连铁路经济效益和社会效益的关键。研究结论:从旅行时间节省、能力利用均衡和动车组购置费等方面,经比较分析各种运输组织模式的适应性后,确定青连铁路性质为是以客运为主的客货混跑铁路,旅客列车采用动车组与普速旅客列车相结合的运输组织模式。该模式充分发挥了青连铁路的线路能力,极大满足了不同的客流需求,也兼顾了部分货物列车。     

基于利益相关者理论的城市轨道交通项目需求分析

城市轨道交通项目的定位及其价值的实现,是建立在项目各方的利益需求得到平衡与满足的基础之上,因此全面识别与城市轨道交通项目紧密相关的单位或群体,并分析其各自的利益需求,对城市轨道交通项目的定位及其价值的实现显得至关重要。此文基于利益相关者理论,通过对城市轨道交通项目利益相关者的识别、核心相关者的确定及其利益需求分析,以期为城市轨道交通项目建设工作提供帮助。     

公私合作模式下城市轨道交通项目风险识别研究

在PPP模式风险研究和城市轨道交通PPP项目特点研究的基础上,按照项目风险水平程度将城市轨道交通PPP项目风险划分为宏观、中观和微观3个等级,再采用德尔菲法和核对表法,识别出PPP模式下城市轨道交通项目的77个风险因素。     

考虑支路路段双向车流相互影响的单向交通组织优化

考虑支路路段双向车流相互影响的因素,从道路负荷与公平性的角度出发,优化单向交通组织方案。建立一主多从的双层规划模型,上层规划是多目标规划,以单行交通组织方案为决策,以路段饱和度超限量最小化降低道路负荷、以车辆绕行系数最小化提高公平性。下层规划是考虑支路路段双向车流相互影响的均衡交通分配(每个点对之间的最短路各自由1个下层规划确定,但所有下层规划确定的最短路可一次性求解)。双层规划可用模拟退火算法求解,求解效果明显优于支路路段通行能力等量划分为双向分道行驶的传统优化方法。