天气因素对福州地铁客流的影响分析

地铁作为一种绿色出行方式，是缓解城市交通拥堵的重要手段。地铁客流受到多种因素影响，其中天气因素变化较快，会造成地铁客流的快速变化。了解天气因素对地铁客流的影响，有助于建立相应的运输组织响应措施。本文旨在量化分析天气因素对福州地铁客流量的影响，并考虑原始天气指标的局限性，引入体现舒适度的指标。建立地铁客流与天气因素(包括气压、相对湿度、风力、降水、风寒指数等级、综合舒适度指数等级等)之间的多元线性回归模型，量化影响方向和影响程度。此外，工作日与非工作日的客流模式差异较大，将两者分别建模分析。研究发现：工作日，降水、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响；非工作日，降水、气压、相对湿度、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响。总体而言，非工作日地铁客流对天气因素更加敏感。     

考虑移步需求的无桩型共享单车动态调度研究

共享单车系统自发的不均衡性导致单车数量分布与用户需求分布之间产生偏移，降低了系统服务能力，需要调度实现再平衡. 现有动态调度算法缺乏考虑起点车辆供给不足，用户在出行过程中“再次”取车的移步需求，难以准确识别用户真实的出行需求分布，降低了调度效果. 本文提出以用户出行选择行为为下层，以调度车辆路径规划为上层的双层规划模型框架，设计结合仿真系统的启发式求解算法. 算例场景基于上海市虹口、杨浦区共享单车历史出行数据搭建，并进行网格化处理. 算例结果表明，模型能有效识别移步需求，提高共享单车的供需匹配能力. 针对各类调度资源配置情况，共享单车的供需匹配率提升18.07%~ 19.89%，提高了共享单车系统的管理效率.     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.     

基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律，提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量，对输入的车辆到达数据序列进行切割构建时空相似度矩阵，得到相邻断面之间的时延参数. 基于时延特性建模，将多断面之间的流量信息进行融合，使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析，验证所提方法的有效性和实用性.     

交通可达性与城市经济活动的空间特征分析：以北京市为例

借助开源大数据平台，提出交通可达性及城市经济活动数据采集策略，利用全局常参数和局部变参数回归模型研究北京市六环区域内两者的空间特征.相比于全局模型，局部模型能够较好地刻画交通可达性与城市经济活动间的空间异质性特征.结果表明，私人交通可达性呈现以天安门为中心径向递减的多圈层结构，公共交通呈现轨道交通沿线区域高的特点.交通可达性与经济活动匹配度具有空间非平稳性，空间分离和匹配现象并存.西北部、中部区域空间匹配特征显著，东北部、东部区域次之，西南区域空间分离现象最为严重.丰台及良乡等分离区域，宜重视道路及轨道线网等基础设施建设工作；未来科学城等私人交通匹配，公共交通分离的区域，可考虑修建轨道线路，并增加公交运营服务水平；中关村科学城、北京经济技术开发区等匹配区域，以调整交通运营管理政策为主.     

基于Q-learning 的定制公交跨区域路径规划研究

考虑城市大客流通勤者跨区域出行需求，结合城市公交线网中乘客出行密集、客流走向规律等特点，提出一种跨区域定制公交的搭乘方案. 通过改进的Q-learning 模型对公交线路进行优化，为城市通勤者提供更加便捷和高效的出行服务. 通过综合路段拥堵状态、乘客需求及居民小区位置，设定了Q-learning 强化学习的奖惩函数，提升定制公交区域路径的直线系数、满载率、通行时间. 结果表明，所提出的改进方法能够降低通勤者跨区域通行的旅行时间，有效提高髙峰时段定制公交线网的通行效率.     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

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.     

基于多源数据的公交车能耗碳排放测算模型

公交车能耗碳排放强度与车辆、线路和驾驶员有显著相关关系，为精准刻画其能耗碳排放强度特征，整合OBD监测数据、加油(气)数据、运营排班数据等多源数据资源. OBD监测数据和加油(气)数据呈显著的线性关系，证明修正后的OBD监测数据可满足分析要求. 搭建“速度-能耗碳排放强度曲线”测算模型，幂函数关系的拟合优度R2 =0.972 6 为最高. 实证研究发现，平均速度在10~60 km/h 变化时，液化天然气(LNG)车比柴油车能耗碳排放强度高 3.3%~33.7%，双层车比铰接车高2.4%~13.3%；LNG铰接车在不同线路、相同速度下的强度相差9.6%；不同驾驶员在相同线路的能耗碳排放强度可相差24.2%. 模型为各城市基于多源数据开展公交能耗碳排放目标设定提供数据支撑.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发，提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想，以真实数据构造10万条随机路径验证该方法的可行性，并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照，利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量，结合基础属性建立二项Logit模型，从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类，其结果对关键路段识别模型的性能有提升效用；行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性，虽然其个数与路段关键性无明显关系，但其与常见波动程度指标相关性小，可保留用于描述行程时间波动常发性和聚集性.