道路交通系统韧性及路段重要度评估

韧性可以全面描述扰动事件下系统吸收干扰并从干扰中恢复的能力. 针对已有韧性指标对系统性能评价不全面、未考虑交通流量影响等问题，从路段通行能力退化与恢复入手，以网络效率为系统性能指标，构建全面评价扰动事件影响期内系统性能的韧性指标. 分别基于乐观和悲观视角提出韧性增加值和韧性减少值路段重要度指标，提出识别路段重要度的启发式算法. 算例结果表明：本文提出的韧性指标可全面描述扰动事件下路网性能退化与恢复全过程的平均累积性能，更加符合韧性指标内涵；韧性增加值和韧性减少值指标均能有效识别路段重要度，大部分路段重要度随时间动态变化.     

基于时间阈值的旅客登机模型及动态登机策略

减少登机时间有利于提高旅客体验和航空公司运行效率，故优化基于旅客行为的登机策略尤为重要. 基于旅客登机过程中两个阶段的延时，建立考虑时间阈值的新登机模型；在干扰时间阈值分布的基础上，通过优化算法分配行李，从而使登机时间最小，进一步得到基于不同行李构成的动态旅客登机策略. 通过元胞自动机仿真和现场模拟实验比较动态登机策略的效率. 结果显示：新登机模型能准确反映登机过程，Steffen 次序具有最大的干扰时间阈值和优化空间；本文提出的动态登机策略可以缩短登机时间，使登机效率显著提高.     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

高峰期考虑乘客议价的网约车定价与平台收益及社会福利优化

现阶段有关网约车动态定价的研究主要是从司机和平台的角度出发，借助排队论、生灭过程等方法描述司机的运行状态，对市场需求的动态变化特征关注较少，同时也没有考虑乘客方的自主议价权力。本文采用动态匹配描述网约车市场中乘客与司机的匹配过程，通过构建动态匹配模型描述短时间内市场变化的影响，采用需求与供给函数描述乘客和网约车的状态，在此基础上，构建平台利润最优模型和社会福利最优模型；然后提出乘客议价影响因子并依据现有数据确定其在市场运行不同时段的函数，将影响因子引入已建立的模型得到修正后的动态匹配模型和定价模型；最后设置算例验证模型可行性，探讨价格变化对市场的作用，分析乘客议价对动态匹配网约车市场的影响。算例结果表明，随着价格变化因子倍数的增加，社会福利、平台利润和匹配量先增后减，在倍数为2.0时，社会福利达到最大，倍数为1.3时匹配量达到最大。对比分析发现，乘客议价将推动市场向供求平衡移动，同时增加网约车市场高峰时段的平台利润和社会福利。     

智能网联车辆交通信息处理技术与信号控制方法研究

随着科学技术的不断加强,智能网联车辆的数量也在不断增加,在智能交通系统发展中,车联网发挥了重要作用,人们对于车联网的研究也越来越多和越来越深入,为了能够使车联网更好的普及,应该加强对智能网联车辆交通信息技术和信号控制的研究。本文基于目前车联网发展现状对智能网联车辆信息处理技术和信号控制的方法进行探讨研究,以供参考。     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一，愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类，且随着交通大数据的不断充实，基于强化学习的数据驱动方法日益成为新兴发展方向。然而，现有数据驱动类研究主要偏重于决策模型设计，缺乏对智能体结构的探讨；同时，在多路口协同方面多采用分布式策略， 忽略了智能体之间信息交互，无法保障区域层面的整体最优性。为此，本文以干线信号为对象， 构建一种多智能体混合式协同决策的信号优化方法。首先，针对交通状态的多样性、异构性及数据不均衡性，设计分布训练-分区记忆的单智能体决策模型，并优化状态空间和回报函数，界定单路口控制的最佳方案；其次，融合分布式和集中式学习的模型优势设计多智能体交互方法，在单路口分布式控制的基础上，设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型，实现干线多信号的协同运行。最后，搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比，在支路交通流基本不受影响的前提下， 干线停车次数分别降低了14.8%和13.6%，具有更好的控制效果。     

一种“效率-公平-运力”多维权衡的需求可拆分配送方法

针对自然灾害及重大社会公共事件等各类突发事件的配送问题，本文以公路运输为研究场景，将配送时间最短、加权时间攀比值最小和使用车辆数最少为多维目标，在引入需求可拆分这一限制条件的基础上，构建“效率-公平-运力”多维权衡的需求可拆分应急物资配送模型。针对该问题设计改进的蚁群算法求解模型。从选择拆分点、信息素更新和引入变邻域搜索算子这3个方面改进了算法，并实现当解持续不变时，初始化信息素，以增加随机性。结果表明，与传统求解算法相比，改进算法的稳定性更高(平均偏差率降低7.00%)，寻优性更好(优化率提高7.41%)。 通过分析考虑三目标、双目标和决策者具有明显偏好的多重场景下的求解结果得知：效率、公平、 运力这3个子目标相互悖反，增加运力投入可以显著提高配送方案的效率与公平；当运力不变时，效率与公平之间近似呈同比例反比关系。研究结论可为救灾目标不确定条件下多因素考量的应急物资配送决策生成与优化问题提供方法改进与可量化决策支撑。     

滚装甩挂运输牵引车调度优化及作业模式类比分析

针对滚装甩挂运输新船型可“直进直出”条件下的“边装边卸”作业模式，与传统船型“船艉 进出”条件下的“先卸后装”作业模式对比，建立滚装甩挂码头牵引车调度的混合整数规划模型， 并设计遗传算法求解模型。通过对比不同规模算例下CPLEX与所设计遗传算法的实验结果，验证模型的正确性和算法的有效性。结果表明：相较于传统船型“先卸后装”作业模式，新船型“边装边卸”作业模式在运营成本方面可降低约15%；当装卸任务分布密集时，卸船任务靠近船艏运营成本越高，装卸任务分布稀疏时，卸船任务远离船艏运营成本越高；总体而言，“边装边卸”作业模式的运营成本低于“先卸后装”作业模式。研究结论可为“边装边卸”作业模式下的港口滚装甩 挂作业调度提供决策支持。     

编队飞行中基于危险区域的后机最优位置研究

编队飞行是实现民航绿色发展的重要措施之一。在前机尾涡危险区域分析的基础上，科学确定后机最优位置是编队飞行的关键。首先，以随机两阶段尾涡消散模型为基础，利用Hallock-Burnham涡模型和诱导滚转力矩系数模型分析后机诱导滚转力矩系数的演变规律。然后，基于设定的安全阈值，给出前机尾涡危险区域，并考虑飞行高度、速度和风对危险区域的影响。最后，基于后机不同位置处的燃油流量减少率，得出编队飞行中后机最优位置。研究结果表明：后机诱导滚转力矩系数随着前、后机之间横向距离的增加，呈先增后减再增的趋势；随纵向距离的增加，呈先缓慢减小后快速减小的趋势；高度越高、速度越小，诱导滚转力矩系数的峰值越高。飞行高度越高、速度越小，前机初始尾涡的危险区域越大；随着纵向距离的增加，危险区域不断减小，并随涡核的下沉不断下降。侧风使危险区域发生偏离，侧风越大，偏离程度越大。顺风会增加危险区域的纵向距离，顶风则与之相反。两架B737-800飞机在12000 m高度以0.78马赫数进行编队飞行时，前、后机纵向距离3000m处，无风情况下后机最优位置为横向距离30 m 或-30 m、垂直距离29 m，此时燃油流量减少率为7.01%。相较于无风，左侧风20 m·s -1 下，燃油流量减少率和垂直距离不变，横向距离增加；顺风20 m·s -1 下，燃油流量减少率增加，横向距离不变，垂直距离减少；顶风20 m·s -1 下，燃油流量减少率减小，横向距离不变，垂直距离增加。