公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

考虑均衡性的城市轨道交通线路负荷水平评估研究

线路负荷水平的评价工作是优化运输组织方案的重要前提。首先，本文分析了采用单一均值性指标表征负荷水平不能体现线路内负荷分布偏差的问题。为此，从城市轨道交通线路客流与运输能力匹配的角度出发，以列车负荷为评价单元，建立包括负荷均值和标准差率二维指标的线路负荷水平评估模型。负荷均值指标考虑了各评价单元加权计算，以反映每个评价单元对线路负荷水平的贡献程度，标准差率指标表征负荷均衡性。模型分析得出，线路所有区间的运力同等规模变化不影响标准差率指标，相对提高大客流区间或大客流方向上的输送能力能够改善线路负荷的均衡性。算例分析表明：客流方向不均衡系数超过 1.4 时，应考虑运力优化措施以提高运输能力利用的均衡；组织列车大小交路方案和不成对行车模式，能够提高线路负荷的均衡程度。     

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.     

市域铁路地下段全寿命周期水土风险控制对策研究

近年来,我国北京、上海、广州、成都、重庆等大城市已经将市域铁路规划和建设提上日程,其他诸多大城市也颇为关注。国务院同意国家发改委等单位《关于推动都市圈市域(郊)铁路加快发展的意见》,为市域铁路建设提供遵循,更加刺激市域铁路建设和发展。建设市域铁路地下段工程难度相较地铁更大,原因是市域铁路地下段线路埋深更深、车站规模更大、基坑挖深更深,城市穿越条件更复杂,所承受地下水土风险更加巨大。文章具体分析市域铁路地下段建设与运营可能存在的水土风险,从风险管控模式、监控技术及管控平台3方面提出应对建设期水土风险的控制对策,从巡查管理、立体感知和数据平台3方面提出应对运营期水土风险的控制对策,以期为市域铁路地下段建设与运营安全提供切实有效的保障与支撑。     

城市轨道交通车辆产品标准体系探索

分析了国内外城市轨道交通车辆产品标准体系的现状,重点介绍了城市轨道交通车辆产品标准体系的总体要求、结构搭建、产品标准的制修订,以及标准的实施和改进措施。     

多重功能复合的市域快轨速度目标值研究——以成都市轨道交通13号线为例

成都市轨道交通13号线贯穿中心城区连接新机场同时又串联温江、简阳新城、空港新城等外围组团,全长接近100 km,是一条兼顾城区和市域功能的快线。以13号线为例从两方面的约束出发:一是选用较高速度目标值来节省全线旅行时间,二是不同的站间距对速度目标值的影响,在此基础上,以满足时间目标为目的,考虑对速度目标值选取影响的大小,选择站间距的匹配性、时间目标的适应性、车辆购置费、线网适应性、能耗、土建工程等方面进行比选,通过综合分析法、定性和定量相结合的研究方法,综合各方面的比选结果最终确定全线选用140 km/h的速度目标值,在城区范围内按100 km/h限速的方案。     

Exploring the issue of integrating logistics and traffic control in urban areas

This paper proposes an optimization framework for urban transportation networks’ (re-)design which explicitly takes into account the specific decision-making processes of ordinary users and logistic operators. Ordinary users are typically commuters whose travels consist of well-defined pairs of origin and destination points, while logistic operators make deliveries at multiple locations. Obviously, these two user classes have different objectives and scopes of action. These differences are seldom considered in traffic research since most models aggregate the flow demand in OD matrices and use assignment models to predict the response of all users as if the dynamics of their optimization processes were of the same nature. This work demonstrates that better results can be achieved if the particular features of each user class are included in the models. It potentially improves the estimation of the responses and allows managers to shape their control measures to address specific user needs.     

城市综合体对社区居民出行行为影响研究

城市综合体作为一种高度复合的新型开发模式，通过改变社区建成环境，对居民日常活动产生了潜移默化的影响.本文从交通规划者视角，对城市综合体产生的社区居民出行行为影响进行了研究.基于问卷调查数据，通过倾向得分匹配预处理，弱化个人信息对于出行特征分析的干扰，以有城市综合体的社区居民自陈述的出行变化作拟纵向分析，初步把握城市综合体对社区居民出行特征产生的影响趋势.而后对有无城市综合体两类社区居民的出行数据进行对比分析.结果显示，城市综合体开发模式可有效促进居民产生更多的短距离慢行出行替代机动化长距离出行以满足弹性需求.本研究可为城市综合体区别于传统单一用地开发模式的交通系统配置提供方向指导.     

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。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题，提出一种基于图卷积网络和多头自注意力机制的自注意 力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的 STGCN (Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用 LSTM(Long Short-Term Memory)网络学习数据中时序规律，通过注意力网络计算道路自注意力及一阶临近道路注意力系 数，用图卷积网络对图信号重组，达到对缺失数据的精确修复。同时，采用多头自注意力网络计 算数据的注意力权值并对数据重组，捕获交通流数据中的二阶及高阶临近道路空间关联性，提取 已知数据与缺失数据的时间关系，以残差链的形式加入到模型中，作为对STGCN功能的补充。 基于真实数据的实验表明，在多种缺失模式和缺失率下，该模型能够学习路网拓扑关系，捕获数 据中的时间规律性和时空关联性，有效地修复缺失数据。