多模式公共交通系统的出行信息有效性研究

出行信息是影响公共交通系统服务水平的重要因素之一,有效的出行信息传递能够提高系统服务水平及对出行者的吸引力.基于出行全过程和多模式城市公共交通系统的角度,建立了出行信息搜寻模型,并对出行者的出行信息需求进行详细分析.基于物元分析理论提出了出行信息有效性的评价指标体系和评价方法,并给出一个出行信息有效性评价实例,验证了评价方法的有效性和合理性.     

�������������ν�ͨ�ɴ��Ը�ֵ�Ӱ�����

旅游交通可达性分析能够为区域旅游交通规划提供理论依据,而高速铁路的开通将直接改变区域旅游交通可达性格局.本文采用加权平均旅行时间作为节点城市旅游交通可达性的评价指标,利用Arc GIS可视化平台分析旅游交通可达性空间格局,获取高铁开通前后云南省旅游交通可达性的演变特征.在此基础上,对公路、铁路、航空和高铁的权重进行灵敏度分析,辨识出旅游交通可达性对各种交通方式权重的敏感度.结果表明:高铁途经的各城市客源地到达云南的旅游交通可达性水平均有大幅提升,旅游交通可达性的时空收敛效应显著,省外城市到达昆明的旅游交通可达性对铁路权重的敏感度较大;高铁开通之后,云南省旅游交通可达性格局总体呈现以昆明为中心向外围区域递减的"核心—外围"模式;高铁开通前后,云南省内旅游交通可达性的变化幅度较小,地区间的总体差异也不断缩小,省内高铁途经城市的旅游交通可达性对高铁权重的敏感度较大.     

考虑边界效应的运输联系网络建模及其复杂特性

边界效应是城市化进程中运输交流动态演变的必然结果,考虑边界效应的运输联系网络结构特征研究是运输组织优化和基础设施空间布局的关键。聚焦于区域运输联系在拓扑空间下的动态演变,将网络空间尺度的确定流程引入到传统运输联系网络的构建方法体系中,建立了考虑边界效应的区域运输联系网络的建模流程及方法。在此基础上,利用复杂网络理论,从无标度特性和小世界特性两个角度,构建了区域运输联系网络复杂特性的分析方法。以云南省为案例地区进行了实证分析,并将获取的网络复杂特性与传统运输联系网络构建方法获取结果进行了对比分析。结果表明:(1)城市尺度网络介于随机网络和无标度网络之间,正处于简单随机结构向复杂有序结构的转化期,且县域尺度网络呈现显著的无标度特性。(2)城市尺度和县域尺度下的运输联系网络均表现出小世界特征,但城市尺度网络表现出更小的平均路径长度和更大的聚类系数,说明其货运交流的运行效率优于县域尺度网络。(3)若不考虑跨界运输联系,城市尺度和县域尺度下运输联系网络的平均路径长度将偏小,网络的运营效率将被高估,县域尺度网络的小世界特征判断也将被误判,一定程度上验证了边界效应在运输联系特征刻画中的不可忽视性。     

二级公路交通流特征对事故严重程度的影响

为有效管控二级公路的交通安全,定量刻画二级公路事故严重程度与交通流特征之间的关系,以元(谋)-双(柏)公路为研究对象,基于长期监测的交通事故数据及交通流数据,利用结构方程中的测量模型实现事故严重程度的量化计算,并运用Spearman分析法、决策树算法及随机森林模型选取影响事故严重程度的关键交通流参数,进一步采用多变量多项式比率法建立关键交通流参数与事故严重程度之间的关系方程,获取二级公路交通流特征对事故严重程度的影响关系。研究结果表明:①相比于事故率、受伤人数、死亡人数等指标,事故规模更能准确且全面地表征事故严重程度;②大车(指大客车、中型货车、大型货车、特大型货车、拖挂货车、集装箱车)平均日交通量、轻型车(指拖拉机、摩托车)平均日交通量、v/c、车速变异系数是影响二级公路事故严重程度的4个关键交通流参数;③各交通流参数之间存在相互作用关系,且不同参数对事故规模的影响程度不同;④当大车平均日交通量、轻型车平均日交通量、v/c、车速变异系数分别取200~340veh·d-1,200~380veh·d-1,0~0.1及0.7~0.77,0~0.15及0.6~1时,二级公路的事故规模较小;当大车平均日交通量、轻型车平均日交通量、v/c、车速变异系数分别取0~200veh·d-1,0~190veh·d-1,0.32~0.63,0.16~0.2及0.4~0.6时,二级公路事故规模较大。     

基于ETC数据和A-BiLSTM神经网络的高速公路节假日短时交通流预测模型

电子不停车收费（electronic toll collection,ETC）门架系统为节假日高速公路短时交通流预测提供了数据支撑。针对节假日场景下高速公路交通流的非线性和复杂性特征,基于ETC门架数据研究了由注意力机制（attention）和双向长短期记忆（bidirectional long/short-term memory,BiLSTM）神经网络组成的Attention-BiLSTM(A-BiLSTM)组合模型。通过对ETC门架数据进行预处理,保证模型输入的可靠性;采用滑动窗口方法构建监督学习样本,提高模型学习效率。在模型中,使用BiLSTM神经网络,实现对交通流数据前向和后向时间依赖性特征的深入提取;引入注意力机制动态地权衡网络提取信息的重要程度,增强隐藏层特征的非线性表达能力;利用贝叶斯优化方法对模型进行超参数调优,提高模型的预测性能。采集大理-丽江高速公路白汉场至拉市镇的门架数据,处理成时间粒度为5,10,15 min的交通流数据进行模型验证。实验结果表明：(1)相比于自回归移动平均模型、支持向量机的预测结果,A-BiLSTM组合模型的均方根误差（root mean sq...     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征，一旦养成很难矫正，且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足，本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据，从风格聚类、风格识别和风格评估这3个方面，提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先，基于轨迹数据蕴含驾驶人驾驶行为模式的特点，构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集；其次，利用因子分析进行特征约简，并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格；然后，构建基于支持向量机的驾驶风格识别模型，并与梯度提升决策树的识 别结果进行对比；最后，基于疲劳驾驶特征和超速驾驶特征的累积分布，建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简，提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息；根据疲劳因子和超速因子可将驾驶风格划分为4种类别，即稳健型、超速型、疲劳型和危险型，相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%；基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%，整体表现优于梯度提升决策树；基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格， 其中稳健型驾驶人表现最好，75%以上的驾驶人风格评估总分高于60分；危险型驾驶人表现最差，75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

基于区位信息的城际公路货运分布量预测—— 以云南为例

为预测无精确现状货运OD矩阵的城际公路货运分布量,引入区位理论,根据城市的用地属性和社会经济属性指标,从城市聚集规模质因子和可达性2个方面量化城市区位信息,从而获取城市的产生区位影响因子、吸引区位影响因子和相对可达性;考虑区位影响因子,将其与改进重力模型相结合求得货运量分布概率矩阵,将计算所得的未来年货运产生量预测值通过货运量分布概率矩阵分配至相关城市,得到初始货运量分布矩阵;再根据Fratar模型预测城际公路货运分布量,最后以云南省为例进行验证.结果表明,通过建立公路货运分布量预测模型,并经过Fratar模型迭代计算能够获得云南省未来年的城际货运量分布OD矩阵.所提出的城际公路货运分布量预测方法可大幅简化基础数据收集与货车调查工作量,具有很好的移植性.      

铁路安全动态追踪与评价系统研究

建立铁路安全追踪与评价系统,可以迅速对所收集的各种安全信息进行筛选归类,并以此为依据对各部门的安全状况进行定量评价,为安全信息的及时反馈和调整安全管理策略提供高效的信息平台。铁路安全追踪与评价系统的总体结构主要由“数据采集子系统”、“数据处理子系统”、“安全评价子系统”及“动态输出子系统”组成。其功能主要包括:安全信息收集、分层次分部门安全状况评价、安全信息发布及安全预警等。     

基于案例推理的交通拥挤管理方法

提出了基于案例推理（CBR）的交通拥挤管理方法．介绍了交通拥挤管理案例的表示、检索与修正方法．本文提出的方法针对新的拥挤管理问题，从案例库中寻找最相似的案例和相应的处置方案．算例表明，CBR技术能够充分结合以往的经验处理交通拥挤．     

基于潜在类别的公路旅客群体细分模型

针对弥补当前公路旅客类别划分主观随意性强、缺乏科学依据的不足,采用聚类分析的方法,从社会经济属性和心理因素两个层面甄选旅客年龄、性别、收入、学历、出行目的及选择公路客运主要理由等6个指标作为外显变量,在对连续变量进行类别化处理的基础上,将各外显变量概率参数化,构建公路旅客群体细分的潜在类别模型。基于昆明市833份公路的有效调查问卷,使用Latent GOLD软件构建潜在类别模型,将旅客市场细分为具有不同特征的4种类别,并通过聚类分析方法对细分结果进行校核。研究结果表明:昆明市公路客运市场旅客可细分为4类,分别以在校学生、初入职场的毕业生、务工人员及商务人士为主体,分别占总体的40.06%,22.56%,21.59%及15.79%;4类旅客在收入、受教育水平及选择公路客运首要理由方面均有明显差异,该差异与各类别主体人群特征相匹配,且各类旅客均具有重视便捷性的特征;聚类分析的分类误差均小于5%,表明基于潜在类别的公路旅客市场细分结果可靠。