基于新型冠状病毒传播机理的交通出行易感度研究

为科学判断各交通方式出行过程中人群感染病毒的风险概率进而有效控制病毒传播,借助空气传染病模型,根据已发布的新型冠状病毒传播机理,构建了交通出行的病毒易感度评估模型,模型包含对病毒传播有重要影响的通风、载客密度、暴露时间等主要参数。选用各种运输方式中有代表性的运载工具进行不同假设情景下的易感度评估,结果表明,在各种有效防控措施均得以采用的情景下,乘坐交通工具的易感度相比高危情景降低97%以上,相比基准情景降低93%以上。研究可为交通领域的科学防疫、精准施策提供依据。     

新冠肺炎疫情对交通运输行业的影响及政策建议

2019年底开始的新型冠状病毒肺炎疫情对交通运输行业造成了明显冲击。为分析疫情对当前交通运输行业带来的影响,重点从客运、货运、港口生产、交通固定资产投资四方面进行了研究。然后,提出了四方面政策建议,包括加强交通运输疫情防控、积极发挥交通投资稳定器作用、加大高速公路通行服务保障和确保关系国计民生的重点物资基本运输需求,以便为各级交通运输管理部门决策提供参考,争取将疫情对行业的影响降到最低程度。     

基于乘客群体特征的城市轨道交通满意度研究

为提高城市轨道交通服务质量、优化乘客乘车体验、提升城市轨道交通在公共交通中的竞争力,对城市轨道交通乘客满意度开展研究。首先,选取乘客特征因素,引入皮尔逊积矩相关系数来分析乘客满意度与乘客特征因素的相关关系,提取对满意度存在显著影响的乘客特征因素。然后,运用主成分分析法刻画乘客群体特征,据此对乘客进行分类,并采用克鲁斯卡尔-沃利斯检验法来分析其满意度的差异性。基于此,对某城市地铁A号线2019年乘客满意度调查数据进行了分析,结果显示：地铁A号线乘客的出行频率、出行目的和收入水平与乘客满意度显著相关。通过主成分分析将乘客划分为常乘客与非常乘客,发现两者对城市轨道交通服务的关注点不同,常乘客更关注乘车效率,非常乘客更关注信息指引准确性,运营单位应针对不同乘客群体展开差异性服务。     

近郊小城市交通发展策略研究——以成都市新繁镇为例

城市发展有它内在的规律性,中小城市特别是近郊小城市交通发展不能照搬大城市经验,应找到一条实事求是的自身发展路径。在新型城镇化和经济发展新常态对城镇化质量提出新要求的背景下,以成都市近郊小城市新繁镇为例,从机动化水平、交通模式、道路网络与交通管理等方面系统梳理近郊中小城市交通现状特征和发展面临的问题,分析交通需求的变化趋势,建立近郊小城市交通组织的分析框架,在此基础上,提出未来交通发展的重要策略。     

基于绿色交通理念的安化县柘溪水库旅游交通规划实践

阐述了绿色交通的概念与发展现状,在分析与借鉴国内外绿色交通发展实践的相关经验基础上,结合湖南省安化县柘溪水库旅游交通规划实践,以柘溪水库的区位与功能定位为基础,考虑库区自身空间资源分布特征,对库区交通方式进行耦合分析,提出了"多元化、差异化绿色公路发展模式",并结合不同交通方式的出行特点对库区旅游干线、旅游支线、环库公路、慢行绿道的规划方案进行了分析。     

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.     

弹性工作制和动态停车收费组合策略研究

提出弹性工作制与动态停车收费的组合管理策略,探究组合策略下,出行分布的变化机理及动态停车收费费率的制定,以达到缓解通勤拥堵的目的. 构建双层规划模型建立动态停车收费费率的制定与多用户出行选择的相互作用关系,基于灵敏度分析的下降算法求解. 仿真模拟出不同弹性工作制规模时,均衡状态下多用户出行分布模式和优化的动态收费费率. 结果表明,组合策略能促使弹性与非弹性员工错峰出行,有效分散交通流,与单一策略相比,缓解路网拥堵的效果更好.研究成果为交通管理优化策略的制定提供了新思路.     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.