私家车出行者ATIS信息选择影响因素研究——以大连市为例

私家车出行者对ATIS信息的选择意愿受到多种因素的影响。开展大连市私家车出行者ATIS信息需求意向调查,以探索性因子分析和累积Logit模型理论为基础,对ATIS信息内容进行分类,同时引入出行者性别、年龄、收入水平、交通补助情况等特性变量,建立私家车出行者ATIS信息选择模型。模型标定结果显示,私家车出行者个人特征与ATIS信息特性对ATIS信息选择意愿存在不同程度的影响：私家车出行者主要关注与出行质量相关的信息,收入水平、交通补助、驾照保有情况等对私家车出行者ATIS信息选择意愿影响显著。     

城市道路景观过度设计的探讨

针对目前城市道路景观建设过程中过分强调人工化的号观环境、忽视道路实际功能的问题进行研究。首先阐述了对城市道路景观过度设计的理解,指出存在装饰性过度、技术性过度、功能性过度三方面的问题。分析造成道路景观过度设计的原因,包括过分强调视觉“冲击”、外来景观设计的影响,以及忽视人性化。最后提出通过“人性化”的适度设计、建立道路景观设计规范体系,避免过度设计,创造优美且实用的城市道路景现空间。     

与交通标志信息有关的驾驶人短时记忆衰减研究

研究驾驶人交通标志信息记忆量随时间的变化规律,能够为城市道路交通标志设计及实施应用提供有力支撑。在分析短时记忆时间规律、交通标志信息传输及度量的基础上,以一条有交通信息标志的实验路段为例,采用实验车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,探究交通标志信息记忆量随时间变化的规律。结果表明,驾驶人对交通标志信息的短时记忆衰减规律符合艾定浩斯遗忘曲线。     

城市道路指路标志文字信息的布置

过多的信息使城市道路指路标志尺寸较大,设置与维护成本增加,有必要研究指路标志信息布置方法。通过室内仿真试验,比较了高信息量条件下,驾驶人对两种指路标志信息布设方式认知时间的差异。利用现场试验,研究指路标志字间距、行间距与视认距离的关系。结果表明,高信息量条件下采用两块标志显示信息有利于驾驶人阅读,建议字间距为汉字高度的1／10,行间距为汉字高度的1／5。     

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系.通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型...     

基于列生成启发式的单线电动公交车与司机整合调度优化

在考虑电动公交车里程约束与司机连续工作时间和总工作时间约束的基础上,研究单条公交线路的电动公交车与司机整合调度问题,即将给定时刻表车次分配给电动公交车和司机,同时,生成车辆运营计划和司机排班计划,设计基于列生成启发式方法求解提出的整合调度问题.列生成方法用于生成线性松弛最优解,将整个问题分解为一个主问题和两个定价子问题...     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

考虑游览船运营特征的航道通过能力评价方法

为构建客货船舶协同动态运行控制技术体系，以经典航道通过能力模型为基础，构建基于游览船运营特征(发船高峰性和航线集中度)的航道通过能力模型.根据黄浦江游览核心区船舶自动识别系统(AIS)数据，对所提出的航道通过能力模型进行实证分析.研究结果表明，本文航道通过能力模型能够较为准确地评价研究区域的实际航道通过能力.游览船发船高峰时期与现有航线规划条件下，黄浦江游览核心区航道通过能力(76艘/h)趋近饱和状态；当过境船到达超过69艘/h时，建议海事相关部门采取“错峰”航行等相关政策.     

Plate scanning tools to obtain travel times in traffic networks

The management of vehicle travel times has been shown to be fundamental to traffic network analysis. To collect travel time measurement, some methods focus solely on isolated links or highway segments, and where two measurement points, at the beginning and at the end of a section, are deemed sufficient to evaluate users' travel time. However, in many cases, transport studies involve networks in which the problem is more complex. This article takes advantage of the plate scanning technique to propose an algorithm that minimizes the required number of registering devices and their location in order to identify vehicles candidates to compute the travel times of a given set of routes (or subroutes). The merits of the proposed method are explained using simple examples and are illustrated by its application to the real network of Ciudad Real.     

Robust traffic assignment model: Formulation,solution algorithms and empirical application

ABSTRACT

The deterministic traffic assignment problem based on Wardrop's first criterion of traffic network utilization has been widely studied in the literature. However, the assumption of deterministic travel times in these models is restrictive, given the large degree of uncertainty prevalent in urban transportation networks. In this context, this paper proposes a robust traffic assignment model that generalizes Wardrop's principle of traffic network equilibrium to networks with stochastic and correlated link travel times and incorporates the aversion of commuters to unreliable routes.

The user response to travel time uncertainty is modeled using the robust cost (RC) measure (defined as a weighted combination of the mean and standard deviation of path travel time) and the corresponding robust user equilibrium (UE) conditions are defined. The robust traffic assignment problem (RTAP) is subsequently formulated as a Variational Inequality problem. To solve the RTAP, a Gradient Projection algorithm is proposed, which involves solving a series of minimum RC path sub-problems that are theoretically and practically harder than deterministic shortest path problems. In addition, an origin-based heuristic is proposed to enhance computational performance on large networks. Numerical experiments examine the computational performance and convergence characteristics of the exact algorithm and establish the accuracy and efficiency of the origin-based heuristic on various real-world networks. Finally, the proposed RTA model is applied to the Chennai road network using empirical data, and its benefits as a normative benchmark are quantified through comparisons against the standard UE and System Optimum (SO) models.