“十四五”铁路科技创新规划

为贯彻落实党中央、国务院决策部署,推进“十四五”时期铁路科技创新工作,推动铁路高质量发展,支撑科技强国、交通强国建设,国家铁路局组织编制了《“十四五”铁路科技创新规划》。为方便广大读者学习,以下刊登《“十四五”铁路科技创新规划》。     

基于细节层次模型的公共自行车调度方法

公共自行车系统作为城市公共交通的重要组成部分，对于缓解城市交通拥堵和建设低碳、环保的出行体系起到了积极的作用。然而，由于公共自行车系统的借还车需求在时间和空间分布上存在不均衡性，在使用公共自行车时，经常遇到“借车难”或者“还车难”的问题，使得出行者不得不放弃使用公共自行车出行。为了有效地提升出行者借还公共自行车的成功率，研究了1种基于细节层次模型的自行车调度方法。基于公共自行车站点之间的相似度，采用谱聚类算法对站点进行层次划分，形成基于空间范围（即公共自行车站点所占据的地理空间区域）的站点簇；在每个划分层级上统计不同簇之间的自行车借/还需求，结合遗传算法对调度车辆的运输路径进行求解；将不同层级上的调度方案叠加，形成1种调度粒度由粗到细的自行车调度方案。通过对比实验证明:基于细节层次模型的公共自行车调度方法较传统方法减少了42.70%的调度路径，进而减少了相应的调度时间。      

电子信息技术在智能交通信号控制系统中的运用研究

当前电子信息技术的发展水平已经达到了一定的高度,并且在智能交通信号的控制系统之中应用的频率非常高,对于系统的稳定运行起到了保障作用。本文主要针对智能交通信号控制系统与信息技术之间的关系进行研究,希望能够推动智能交通信号控制系统运行水平的提升,从而为广大群众的日常出行提供便利。     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

学会季讯

上海市交通委主办、上海市公路学会承办的第二届智能交通上海论坛圆满举行2022年11月7日,在第五届中国国际进口博览会举办期间,上海市交通委主办了以“数智·出行”为主题的“第二届智能交通上海论坛”。本次论坛设主论坛和分论坛,上海市公路学会作为论坛承办单位之一,会同交通委和各合作、承办及协办等多家单位,确保了论坛活动的圆满举办。     

基于机动车右转弯内轮差的交叉口慢行优化设计

在机动车右转弯内轮差的形成机制及计算模型基础上，分析设计车辆内轮差在典型车辆轴距、路缘石转弯半径情况下的变化规律。通过对非机动车道断面组合型式下机动车右转弯与非机动、行人的冲突进行仿真分析与对比评估，提出了相应的建议措施，为预防交叉口右转弯事故提供设计参考。     

山地城市建成环境对居民小汽车拥有影响研究——以贵阳市为例

为分析山地城市建成环境对居民小汽车拥有的影响，探究不同坡度下居民地形感知对小汽车拥有影响的差异，采用贵阳市中心城区不同坡度下的小区居民调研数据，引入3个观测变量来评价居民的地形感知，将结构方程模型（SEM）计算出的潜变量适配值融入Logit模型中，构建包含潜变量和显变量的SEM-Logit模型来研究主客观建成环境与小汽车拥有的关系。结果表明:坡度对小汽车拥有产生积极影响，但不同坡度下的地形感知对小汽车拥有的影响有所不同。在地形条件相对较好的环境中，当小区坡度小于8%，居民对地形感知并不强烈，并认为从小区步行到公共交通站点的距离和时间花费在其承受范围内。因此，地形感知并未对小汽车拥有造成显著影响；在小区坡度为8%~15%时，地形感知对小汽车拥有产生显著负效应。生活在该小区类型的居民，尤其是收入相对偏低的居民，更喜欢选择电动自行车出行，削弱了小汽车拥有量；当小区坡度大于15%时，小区坡度与小汽车拥有量具有正相关性。该小区类型的道路坡度大，居民出行过程中通常会经历频繁的上下坡，造成出行时间花费长，继而形成强烈的地形感知。这严重降低了居民出行选择步行或骑行的可能性，转而提升了小汽车拥有的概率。同时，在SEM-Logit模型中也证明了除地形因素外，家庭年收入、到地铁站最近距离、土地利用混合度、目的地可达性、出行态度对小汽车拥有具有较大影响。      

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。