高速铁路对高速公路交通量的影响——以四川省为例

为研究铁路客运专线对不同出行距离高速公路小汽车、大客车交通量的影响，本文将出行按距离分类，以四川省多个通道高速公路交通量数据为基础，考虑小交通量出行波动较大的因素，选取出行量较大的节点对客运专线开通前后高速公路小汽车、大客车交通量变化进行分析，得到不同出行距离的转移率。结果表明，铁路客运专线开通后对高速公路短距离出行影响较小，出行距离在500km内，小客车转移率呈现随出行距离增加而上升的趋势，大于500km后，小客车转移率下降。大客车转移率离散度小于小客车，且转移率随出行距离增加而上升。     

基于手机信令的区域出行特征研究——以长三角城市群为例

城市群空间出行流动塑造了城市空间组织形态，客观反映了城市间协同发展和一体化进程，一直备受行业关注。本文借助手机信令数据，以长三角城市群为例，从出行分布、出行频次、出行走廊、跨市通勤视角出发，多维度定量测度长三角城市群、都市圈不同空间组织形态的城际出行需求特征。研究表明，上海都市圈依旧是长三角城市圈的核心组成部分，跨城出行呈现明显的空间不平衡性，城际高频出行联系逐渐呈现的“圈层+飞地”形态特征。本研究形成了一系列手机信令数据在城市总体规划、出行特征识别方法，以期用大数据手段助力提高城市群规划和管理的综合决策水平。     

基于时空消耗模型的城市轨道交通承载力评价：以北京市为例

为监测城市轨道交通系统的供需矛盾及其时空差异化特征，引入时空消耗模型，分别以运输服务时空资源总量、出行需求时空资源占用量以及二者比值，计算了城市轨道交通供给能力、出行需求量和交通承载力。按照总体水平和均衡程度两个维度，选取轨道线网交通承载力、线网承载不均衡度和线网承载空间差异性作为城市轨道交通承载力评价指标，为更加精准地识别城市轨道交通出行需求与供给时空资源匹配关系提供支撑。实证研究结果表明：轨道线网供给能力总体高于出行需求量，全天轨道线网交通承载力位于高值区间，并呈现早晚高峰和午间小高峰的特征；线网承载力不均衡度显著偏高，轨道站间区段交通承载力差距悬殊，但在空间上总体呈现显著离散特征。     

寒地城市居民出行特征及交通发展对策研究

基于黑龙江省绥化市2017年居民出行调查数据,选取出行强度、出行方式、出行目的、出行时间分布、出行空间分布等指标,分析寒地城市居民出行特征。通过总结归纳绥化市城市居民出行的特征及其原因,对绥化市城市交通发展提出优化道路网络、优先发展公共交通、合理配置停车设施等对策,为寒地城市交通规划、城市改善与管理提供依据。     

新冠疫情期间人员流动恢复指数研究

2019年12月份爆发的新型冠状病毒肺炎疫情蔓延全国。疫情期间,全国范围交通管控导致交通状态明显有别于正常状态。为此,本文从公路、铁路、水路、民航、城市交通等多种交通方式出发选取客运指标,利用合成指数方法构建人员流动指数。在省级层面构建省际人员流动指数和省内人员流动指数,分析疫情期间省际和省内人员流动指数特征,以及公路、铁路、水路、民航、城市交通等各项子指标的变化特征,旨在准确监控疫情期间客运交通状态,准确掌握各种交通方式受疫情影响程度,为特殊时期管理部门对旅客运输采取针对性管控提供依据。     

基于车牌识别数据的车辆使用特征研究:以上海市快速路非沪车牌识别数据为例

随着智能交通技术的不断发展,交通信息采集系统日渐成熟,车牌自动识别系统,车牌识别数据包含了大量的牌照信息和出行时空信息。本文通过对上海市车牌识别数据,从时间维、空间维、车辆属性维、车辆使用特征维等多个维度对车牌识别数据进行挖掘,分析路网的交通构成,反映城市机动车的使用现状。该研究对于分析城市交通出行特征具有重要的参考价值,提供了新的分析技术手段,辅助决策者合理地制定交通政策,引导交通结构和交通方式的发展。     

基于空间网络分析的区域交通模式比较:以上海都市圈为例

以上海都市圈区域交通发展模式研究为目标,基于空间网络分析技术分别建立上海都市圈轨道网与道路网的空间句法线段分析模型,并以整合度指标分别定量评价区域内轨道网和道路网各空间组团的可达性。结果表明,都市圈道路网的空间可达性明显优于轨道网,都市圈交通体系缺乏能够与区域发展格局相匹配的轨道网络。结合上海市都市圈发展背景及交通运输方式特征对比,得出结论:构建高密度、多层次的区域轨道交通网络,以轨道交通引导区域空间发展规划是上海都市圈区域交通发展的较优模式。     

上海东站枢纽建设对长三角城市群空间结构影响

上海东站枢纽的建成将真正实现上海的内外连通，形成连贯的内外交通体系，充分发挥东站枢纽城市门户功能，势必会对长三角城市群产生影响。基于灰色预测模型，对2025年长三角地区（东站枢纽建成后）的数据进行预测，利用社会网络分析法对上海东站枢纽建成前后对长三角城市群空间结构的影响进行比较和分析。结果显示，在2025年长三角城市群的空间网络联系中，其整体网络的关联数和网络密度呈增加趋势；网络的点度中心度均值和中间中心度均值亦增加；子群内城市的位置也发生了相对变化，子群间的平均密度明显增加。研究结果证实，上海东站枢纽的建成将使这一枢纽片区具备比上海陆家嘴片区更高的区域中心度，可承接陆家嘴的部分中心功能,有利于优化长三角城市群的空间网络结构，促进长三角地区的一体化发展。     

基于灰色二次指数平滑的QAR参数关联度预测

由于QAR参数波动的后果具有潜在性和滞后性,因此分析人员容易忽视其危险性而使其发展为不利事件。针对该问题,提出运用QAR参数关联度分析的方法,建立QAR参数波动与事件之间的对应关系;并构建基于二次指数平滑-灰色关联法的关联度预测模型,进一步明确QAR参数波动与事件之间关系的动态变化趋势。运用实际数据对该模型进行验证,表明结论符合实际,该模型科学合理,可以用于QAR参数分析过程。     

疫情初期交通运输对经济影响研究

运输弹性系数可以很好的反映交通运输与国民经济之间相互影响关系，2020年疫情期间，人口出行量对全国经济复苏产生了举足轻重的影响。针对疫情防控初期，通过构建交通客运量与复工率之间的客运弹性系数模型，对疫情期间交通客运对全国以及典型省份经济复苏的影响进行了应用研究，结果表明，疫情初期交通运输客运量对复工率的影响弹性系数中位数达2.7，说明客运量对复工率有较强的影响作用，复工率对客运量有较强的依存关系，复工率的增加将进一步对经济产生积极的作用。     

新冠肺炎疫情对四川旅客运输的影响

基于非典疫情与新冠疫情的异同点，本文通过对比非典疫情对四川省旅客运输影响，分析新冠肺炎疫情对四川省旅客运输造成的影响。经比较，新冠肺炎疫情对四川省旅客运输的影响大于非典疫情时期造成的影响，运输恢复花费时间更长，但对运输行业长期发展趋势影响不大；对交通固定资产投资影响较小；对运输企业造成的冲击较严重；私家车出行量有所增加。最后，提出完善危机管理机制、帮扶运输企业和推动智能化运输发展等建议，以应对新冠肺炎疫情带来的影响和危机。     

上海市居民共享自动驾驶汽车使用意愿研究

作为极具潜力的新型出行方式，共享自动驾驶汽车的出现必将引起居民出行行为的转变。为了研究上海市居民共享自动驾驶汽车的使用意愿及影响因素，本文利用网络问卷调查的RP与SP数据，结合百度地图API数据，构建基于解析逼近估计方法的多项Probit模型。结果显示：共享自动驾驶汽车通勤和非通勤出行中时间价值分别为64.34元/小时和81.55元/小时，弹性分析结果显示居民对于等候时间的敏感性显著高于费用；男性、已婚、高收入、高学历、自由职业者、合乘通勤者、年龄小于18岁的人群，以及家庭有未成年儿童、拥有沪C牌照小汽车的居民使用意愿较强。居民对于共享自动驾驶汽车越了解，使用意愿越强烈，而体验过自动驾驶服务的居民使用意愿更为强烈。     

基于广义费用的城市轨道交通客流分配

为了更加客观全面地反映城市轨道交通出行者决策行为，提升城市轨道交通客流预测准确性，缓解线路运营面临的高峰时段客流拥挤现象，从出行广义费用角度出发，开展城市轨道交通客流分配研究。综合考虑票价、出行时间、舒适度、准时性等因素，构建了城市轨道交通乘客出行广义费用计算模型；以北京地铁5号线为例，将广义费用作为出行阻抗引入客流分配之中，构建了基于广义费用的随机用户平衡条件下的城市轨道交通客流分配模型，并提出了嵌套Logit模型的迭代加权法用以求解模型；基于分配模型及算法，对不同票价和列车容量条件下的城市轨道交通客流分配结果进行了对比分析。结果表明，基于广义费用的城市轨道交通客流分配模型能够实现对轨道交通流量的有效预测，可对各类缓解高峰时段拥挤措施的实施效果进行评估，辅助城市轨道交通领域相关决策。     

公交惯常出行与随机出行的时空分布差异

差异化和精细化的公交服务要求城市管理者和公交运营者加深对公交出行变异性的认识。本文将公交惯常出行定义为乘客个体多次在同一时段或空间乘坐公交的行为，随机出行的定义与之相反。利用厦门市30天连续的常规公交数据，使用DBSCAN算法对出行天数在10天以上的高频乘客进行划分，用核心点来表征惯常出行，用非核心点来表征随机出行。结果表明有78.70%的出行在时间上具有稳定性，有72.32%的出行在空间上具有稳定性。研究结论凸显了公交高频乘客也具有随机出行，且随机出行的统计特征和时空分布与惯常出行有较大差异。研究结论可以应用于个体时空模式挖掘、乘客人群划分、定制公交线路制定、公交差异化服务设置等方面。     

轨道站点共享单车和共享电单车接驳特征比较-石家庄的案例

近年来，中国城市中共享电单车出行在共享主动交通（Shared Active Transportation, SAT）出行中的比例迅速增加。在地铁站附近的共享电单车出行成为了轨道加慢行出行模式中的一种方式。但是，由于数据获取的限制和换乘出行识别的技术限制，现有研究对中国城市地铁站附近共享的电单车的出行特征的讨论尚不充分。本研究以共享电单车和共享单车出行特征比较为框架，对比了出行目的地可达性，时辰分布和出行产生率等指标。研究基于距离每个地铁站50米以内的订单信息展开，利用指标数值比较和双样本t检验，对距离、时间和范围的差异进行了描述性分析。时辰分布和出行产生率根据典型工作日分小时和位置汇总，并利用分层聚类方法对结果进行聚类。结果表明，共享电单车将地铁站的可达性从800米扩展到2000米。与共享单车不同，共享电单车可能会在沿轨道走廊方向和地铁具有客流竞争关系。共享电单车的出行目的也并不局限于通勤出行，不同地铁站的出行产生率有所差异。本研究提供了共享电单车的基本出行特征绩效指标，以及与共享单车出行特征差异比较结果。研究结果可对共享电单车和地铁的接驳提供政策建议，并可能对中国城市的公交导向（TO...     

基于重型载货汽车动态数据的区域公路货运量统计修正方法

为提高公路货运量统计的准确性，以重型载货汽车动态数据为基础，选取货车活跃数指标构建与公路货运量的回归模型并进行比较分析，选取平均相对误差最低的线性回归模型作为全国公路货运量的预测模型。基于华北、华东、中南三个区域共17个省（市）数据建立区域重型载货汽车活跃数与区域公路货运量之间的线性回归模型，判断以“车籍注册地”为原则统计的公路货运量与货车实际运行数据的区别。结果表明上海、北京、天津三地货车异地运营率较高，浙江、山东、江苏、湖南等地货车异地运营率较低。     

数字化转型：后疫情时代中国民航高质量发展的新动能

新冠肺炎疫情冲击、国内外发展格局变化、产业面临转段升级是中国民航“十四五”时期必须应对的挑战，以实现由单一航空运输强国向多领域民航强国的转变。本文基于对后疫情时代中国民航发展环境变化的研判，指出在百年未有之大变局叠加全球疫情的双重因素影响下，数字化转型对实现我国民航高质量发展的重要作用。从增强民航抗风险能力、推动新旧动能转换、实现人民美好出行视角出发，提出了数字化转型的实现路径。     

基于手机定位数据的个体出行行为特征分析综述

个体出行行为特征分析一直以来是交通规划、交通设计等领域的重要基础,传统的人工调查由于受主观回忆较多、调查成本较高等因素的限制,数据结果的准确度往往较低,无法支撑精细化的规划设计任务。智能手机与无线通信网络的成熟发展带来了海量手机数据,这为探究个体出行活动规律提供了新的数据源。本文综述已有基于手机数据分析个体出行行为特征的研究,分析当前研究的不足与待研究的问题,提出可从完善已有个体出行信息采集内容、探索基于精细化数据的模型改进以及多源数据融合等方面进一步研究,以更全面、更准确的信息反应个体出行行为特征,为交通规划等领域的建设提供依据。     

基于机器学习的铁路隧道施工碳排放预测模型研究

为构建适用于铁路隧道施工建设阶段碳排放预测的算法模型，以某铁路隧道建设工程为研究案例，首先基于碳排放计算体系量化得到案例隧道的施工碳排放量与各子阶段碳排放占比；然后采用多种机器学习算法构建不同预测模型，结合动物优化算法对预测模型进行参数调优，选用R²、MAE、MSE、RMSE、MAPE、SMAPE等评价指标对比分析拟合效果，筛选最佳预测模型，并基于SHAP值分析各参数变量的重要性程度。结果显示：建材生产阶段对隧道施工碳排放的贡献最大，建材运输阶段的碳排放最小；BP神经网络相对随机森林、LightGBM、SVR、极限学习机等算法的回归效果更好，并且通过对比使用PSO算法、WOA算法和SSA算法优化后的回归预测模型，WOA-BP算法的拟合效果最好；基于SHAP算法的分析，各参数变量的特征重要性排名依次为：开挖面积>围岩等级>开挖工法>埋深。     

时空特征深度融合下的城市轨道交通站点客流预测

探索挖掘URT站点客流时空特征并精准预测运营高峰期的站点客流，对提高URT系统客流组织效率、保障乘客出行安全具有重要意义。针对传统模型对于时空特征挖掘不够以及在多步短时客流预测的精度上有待提升等问题，引入时段相关性及站点关联度以量化客流隐式时空特征，并建立一种结合双层图卷积神经网络（GCN）与门控循环单元（GRU）的dmGCN-GRU短时进站客流预测模型，随后以杭州地铁为例，对工作日数据和非工作日数据分别进行了仿真实验。结果表明，dmGCN-GRU模型能够深度融合时段相关性、站点关联度、站间OD、邻接矩阵等多重时空特征，可在增加一定训练时长的前提下提高预测精度、模型稳定性。随预测步长增加，模型性能虽有所下降，例如工作日数据拟合优度从94.68%降至94.27%，但性能仍优于SVR、GRU、GCN以及GCN-LSTM等模型。