基于需求弹性的城市公交票价优化方法及实证分析

城市公交票价是公交系统健康发展的重要因素，票价制定需兼顾公交企业的市场性和公益性双重属性，在保证服务质量的同时，考虑运营成本和最大限度吸引公交需求，实现经济效益和社会效益的双赢.在本文中，根据用户均衡理论，构建了城市多方式交通出行的需求分析模型，采用灵敏度分析方法给出了城市公交价格-需求弹性的计算方法.在此基础上，充分考虑了各种方式的交通特征、公交需求弹性、公交运营成本及政府限价等因素，提出了城市公交票价优化的数学规划模型，并给出了求解算法.最后，以国内某城市居民出行调查及公交运营数据为基础，分析了不同条件下公交客运需求的变化规律及城市公交票价的优化策略.     

基于遗传算法的道路车辆自组织网络源路由机制

在当前基于交叉路口的城市车辆自组织网络(VANETs)路由协议中，道路上数据包传输大多采用基于地理位置的贪婪转发策略，当数据量较大时，个别节点负载较重，极易引起传输延迟增大乃至丢包的情况.本文提出了一种基于遗传算法的源路由机制，通过记录单体车辆的驾驶信息而非传统方法中的车流均值数据，来预测道路上车辆网络的连通情况，并借助遗传算法，首次基于道路连通性、节点负载和连接跳数这3 点综合考虑，计算得出道路上最佳的源路由节点序列.仿真实验结果表明，在传输率与延迟时间上，性能均优于传统的贪婪路由机制，尤其在车流量为250 veh· lane-1· h-1时，传输率提升约13%.该研究可为智能交通信息通讯提供可靠助力.     

基于家庭属性差异的大学生出行方式选择行为研究

为剖析家庭属性差异对大学生出行方式选择行为的影响，基于非集计理论，构建家庭属性差异的大学生出行选择多元Logit 模型. 根据四川省2 571 份大学生出行行为调查问卷，运用SPSS 软件标定模型参数，获取影响大学生出行选择的主要家庭属性因素，并进行敏感性分析. 结果表明：家庭平均年收入、经济净流对大学生出行方式选择有显著的影响；以航空运输为参考，家庭平均年收入、经济净流对公路运输方式选择的影响大于铁路运输；“祖辈替孙辈购买机票”的折扣票务形式可提高大学生选择航空出行的概率.     

基于智能路钮的超高速公路虚拟轨道系统研究

为提高超高速公路行驶安全性，使用结构分析和数学模型的方法研究基于智能路钮的高速公路虚拟轨道系统. 该系统由路面子系统、车载子系统和服务中心子系统组成. 安装车载系统的车辆接近写入路钮时激活虚拟轨道系统，阅读器读取标签路钮的位置坐标和该处道路线形信息，同时数据处理模块读取线形参数并处理得到道路切线与车身角度，读取前轮偏角、车辆速度和相邻两个标签路钮之间的距离，利用计算模型得到车辆在相邻两个标签路钮之间行驶时方向盘的转动角速度，并将控制参数发送给转向电机. 研究结果表明，当超高速公路设计车速分别为140，160，180 km/h时，只要保证路钮间的距离分别小于1.33，1.50，1.69 m，就可保证车辆偏离中心线的距离小于0.5 m. 因此，基于智能路钮的虚拟轨道系统可将车辆限制在虚拟轨道内行驶，保证超高速公路的安全性.     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

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.     

货车自动驾驶技术及标准法规发展分析

目前,自动驾驶技术在乘用车领域已获得突破性发展;为提高通行效率和出行安全起到了极大的作用。自动驾驶技术在商用车领域的应用,有望较好解决高昂的人力成本和难以提高的效率等问题。然而,目前自动驾驶技术在货车的应用大多采用跟乘用车同样的标准进行规范,这在实际应用中存在着诸多的问题;例如,在FCW和AEB功能中货车在相同车速的制动距离要远大于乘用车,而其所采用标准规定的碰撞预警时间却并无多大不同,这在实际场景中存在着较大的安全隐患[1,2]。此外,货车质量和体积较大,且较多应用于长途运输,运输过程中会经历包括高温、严寒、山区等多种复杂气候场景,这些都将对货车自动驾驶技术在车辆制动效能、能耗以及多场景应用等方面提出更有针对性规范的要求。本文针对货车的应用场景特点,为其自动驾驶技术应用标准化提出了建议。     

基于改进Copula 的海上运输关键节点应急保障能力评估

海上运输关键节点的应急保障是最大限度减少突发事件造成损失的重要方面. 考虑影响海上运输关键节点应急保障能力各因素之间的关联性，因素变量分布情况的影响，以及多维变量导致Copula 函数的参数求解困难等问题，构建基于因子分析(Factor Analysis)和 Copula 函数(FA-Copula)的海上运输关键节点的应急保障能力评估模型，对海上运输关键节点应急保障能力进行评估，分析不同因素的影响. 计算结果显示：整体对比来看，应急能力比较好的是直布罗陀海峡、马六甲海峡和巴拿马运河，比较差的是苏伊士运河；从其中提取的公共因子FA1 来看，马六甲海峡比较好，苏伊士运河比较差；对不同因子变量联合分布比较发现，不同因子变量分布会对结果产生不同的影响.     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题，提出基于环境车辆偏离车道程度识别运动模式的方法；构建动态环境车辆横纵向轨迹预测模型，并求解；构建保持、先行、避让在内的决策集，提出基于预测轨迹的单个车辆决策方法，并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11，0.29，0.80 m，预测精度较高；复杂动态环境下，本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

Large-scale dynamic transportation network simulation: A space-time-event parallel computing approach

This paper describes a computationally efficient parallel-computing framework for mesoscopic transportation simulation on large-scale networks. By introducing an overall data structure for mesoscopic dynamic transportation simulation, we discuss a set of implementation issues for enabling flexible parallel computing on a multi-core shared memory architecture. First, we embed an event-based simulation logic to implement a simplified kinematic wave model and reduce simulation overhead. Second, we present a space-time-event computing framework to decompose simulation steps to reduce communication overhead in parallel execution and an OpenMP-based space-time-processor implementation method that is used to automate task partition tasks. According to the spatial and temporal attributes, various types of simulation events are mapped to independent logical processes that can concurrently execute their procedures while maintaining good load balance. We propose a synchronous space-parallel simulation strategy to dynamically assign the logical processes to different threads. The proposed method is then applied to simulate large-scale, real-world networks to examine the computational efficiency under different numbers of CPU threads. Numerical experiments demonstrate that the implemented parallel computing algorithm can significantly improve the computational efficiency and it can reach up to a speedup of 10 on a workstation with 32 computing threads.