| 摘 要： | 随着轨迹数据可获取性及精度的持续提高,货车轨迹数据被广泛应用于公路货运系统的
规划与管理中,同时,人工智能和大数据分析技术的快速发展也为公路货运系统研究带来新的机
遇与挑战。本文全面梳理并总结了公路货运轨迹数据应用领域的相关研究,从基于轨迹数据的
货运出行信息辨识、货运系统关键特征预测、货运轨迹数据进一步应用3个方面回顾现有文献的
研究目标、主要内容和研究方法。通过文献分析发现：货运出行信息辨识研究聚焦于货运停留
点、车辆和货物、活动出行模式等热点主题,但现有辨识方法多移植于旅客出行研究,需要更多地
考虑货运出行的独特特征。在货运系统关键特征预测方面,研究者主要针对货运行程时间、空间
位置、出行需求等主题展开研究,并证明了基于轨迹数据预测货运特征的可行性,但预测时空范
围较为局限,需要根据具体的货运任务、货车司机特征和货运政策进行深入研究。此外,轨迹数
据也被应用于货运出行路径选择行为、货运停车休息行为、行驶安全、货运排放和能耗分析、货运
政策评估等研究。最后,在总结现有研究不足的基础上,本文认为未来研究应重点将货运轨迹数
据与其他多源数据相结合,从3个关键技术进行突破：一是针对货运实践个体,重点探索高效货车
驾驶员的出行特征和出行模式,并在货运系统中进行推广应用;二是针对交通运输新技术和新形
势,重点开发和优化自动驾驶技术和重大应急事件影响下的货运组织模式与策略;三是针对货运
供需关系及匹配机制,重点研究货运全流程供需状态辨识与预测,并结合深度学习等方法训练和
开发智能供需匹配模型,从而优化货运系统调度,助力社会散乱运力资源整合,提高货运系统的
综合效率。
|
