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.     

托运人在不同时空下的选择行为差异揭示

某一因素对托运人选择行为的影响会随着空间和时间变化. 既有研究多关注特定空间或时间的托运人选择行为,较少进行横向(空间)和纵向(时间)比较. 为探索托运人选择行为差异及变化规律,采集不同时空的5 个数据集,构建多类线性或非线性效用函数的多项 Logit 模型及混合Logit 模型. 结果表明：在空间维度,某一地区托运人选择行为与其他地区显著不同;在时间维度,伴随货运业快速发展,货运方式选择模型适用年限呈缩短趋势.     

基于复杂网络的我国高铁演化特征研究

为深入认识我国高铁网络演化的拓扑特性和规律,将高铁站点所在城市抽象成网络节点, 将高铁线路抽象成网络的边,运用复杂网络理论对我国2003—2015 年高铁网络演化特征进行分 析。研究发现：我国高铁网络密度不断提升,但依然存在东、中、西部节点城市被割裂,整体网 络密度偏低的现象;网络中介中心势不断增强,一些关键节点（比如：武汉、郑州） 具有较大的 网络控制权,不均衡性逐渐扩大;网络发展后期呈现出小世界特性。因此,提出如下建议：加快 西部地区网络规模和城市网络地位建设;提升网络均质性,弱化关键节点控制力;选择性地建设 关键中、东部和西部城市之间的长线路,提升整体网络性能。     

轨道交通线网多站连续换乘客流 组织研究

为研究轨道交通线网多站连续换乘下的客流组织,将连续换乘站客流分为本线同源客流和邻线同源客流,通过Pearson 相关系数判断连续换乘站的相关性,将相关性高的连续换乘站组团,作为大客流情况下客流线控、网控的研究对象以制订相应的方案。最后以广州市轨道交通网络为例,对满足条件的各组团本线、邻线同源客流相关系数进行计算,当同源客流相关系数 大于0.6即具有高相关性时,可制订客流线控、网控方案;以地铁3号线体育西路—珠江新城组 团试点制订线控、网控方案,得出两种方案下各关联站点的限流值,并提出线控、网控方案的启动时机。结果表明,采用线控、网控方案可以有效提高连续换乘站的客流控制效果和客流疏散效率。     

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.     

基于分子动力学的车流运行动态特性及其模型

车辆跟驰行为受前导车和道路环境等的影响,将车辆抽象成相互作用的分子,基于分子动力学构建相互作用势函数,建立基于相互作用势函数的分子跟驰模型.采集试验路段不同点位的交通流样本,从视频中获得所需数据,并对加速度波动特性进行分析.将车辆运行状态分为常态行驶,起动加速和减速停车3种,根据实测交通数据对3种车辆运行状态进行模型参数标定,同时对分子跟驰模型进行稳定性分析验证,结果表明,相对于经典GM模型,分子跟驰模型稳定性更好,对实际交通状态拟合程度更高.     

路侧公交专用车道模式下右转交织长度建模

在设置路侧公交专用道的交叉口处,可通过划定交织区的方式允许右转车辆借用一定长度的公交专用道通行.合理规划公交车与右转车的交织区长度有利于提高借道右转的通行效率,减少在交织区前的排队车辆数从而降低道路混乱程度,保障公交车的专用路权.本文分析了公交站点影响下的公交车车头时距分布,建立了右转车穿越交织区长度计算模型,并结合实际调查数据进行了算例分析和模型验证.研究成果可为公交优先条件下的交叉口空间优化设计提供理论参考.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于PCA-聚类分析的高铁旅客购票行为特性研究

铁路运输中旅客购票行为是铁路客运运营策略制定的重要基础.旅客购票行为直接影响着列车能力的占用过程,是铁路客运票额组织的重要依据.根据贵阳—广州高速铁路的旅客购票统计数据,以高铁购票旅客为样本,运用主成分分析法购票行为的特征属性进行综合分析,获得购票行为中重要特征变量.结合单次购票强度提出基于模糊C均值的双重聚类算法,对购票旅客进行聚类,并利用模糊聚类有效性指标Xie-beni和分离系数法确定最佳聚类数.结果表明,高铁旅客购票行为的关键特性为单次出行旅客人数、购票提前天数、出行OD城市人均GDP和购票渠道;不同旅客类型的购票行为有明显特性.     

考虑拥挤的轨道交通网络时刻表协调优化建模

以非连通型城市轨道交通网络为研究对象,根据城市轨道交通网络周期性运行特点,在深入考虑拥挤及换乘客流脉冲性到达特征的前提下,给出1个循环周期内城市轨道交通网络运营费用及乘客出行费用计算方法.并在此基础上,以各运营线路发车间隔及发车时刻相位差为决策变量,以乘客及运营企业的综合费用最小为目标,以列车发车间隔、列车容量、站台容量、运营补贴等为约束,建立城市轨道交通网络列车时刻表优化模型.根据模型特点,提出了一种基于仿真的遗传算法对模型进行求解.算例结果显示,与既有优化方法相比,本文模型能够更加细致地刻画乘客换乘过程,有效降低系统综合费用,并确保各项服务指标在安全范围之内.