基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题，提出一种基于图卷积网络和多头自注意力机制的自注意 力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的 STGCN (Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用 LSTM(Long Short-Term Memory)网络学习数据中时序规律，通过注意力网络计算道路自注意力及一阶临近道路注意力系 数，用图卷积网络对图信号重组，达到对缺失数据的精确修复。同时，采用多头自注意力网络计 算数据的注意力权值并对数据重组，捕获交通流数据中的二阶及高阶临近道路空间关联性，提取 已知数据与缺失数据的时间关系，以残差链的形式加入到模型中，作为对STGCN功能的补充。 基于真实数据的实验表明，在多种缺失模式和缺失率下，该模型能够学习路网拓扑关系，捕获数 据中的时间规律性和时空关联性，有效地修复缺失数据。     

新时代公路行业环境保护的发展思路

公路环境保护管理工作是国家环境保护工作的重要组成部分,也是绿色交通建设和运营的重要组成内容。文章分析了绿色交通发展新形势下,公路行业环境保护的新形势和新要求,从强化组织管理、注重源头控制、加强过程控制、注重资源节约和集约利用、增强绿色环保科技支撑能力等方面提出发展思路。     

基于数据驱动的机场水泥混凝土道面性能退化预测

针对机场道面性能退化过程的精确预测问题，本文采用数据驱动的机场道面预测性维护方法，通过指示变量将两种数据集进行联合分析，考虑机场道面性能退化过程受飞行交通量和道面面层厚度的影响，以机场道面性能状况指数衰变的非线性函数为期望函数，建立一种机场道面性能退化双参数预测模型；根据模型的参数估计结果，采用边际效应分析结合预测性能曲线图示，对不同飞行交通量水平和不同道面厚度等级的道面性能退化过程预测进行分析。结果表明，采用数据驱动和非线性混合效应方法，搭载联合估计技术，能较为显著地提高机场道面性能退化预测的精度和效果。     

与铁路同台驳接地铁站台排烟方案探讨

针对地铁、国铁同台驳接入铁路枢纽的地铁车站,地铁地面站台位于交通枢纽内部的特殊形式,站台层的排烟方案需根据建筑形式进行特殊考虑。对站台层的排烟方案进行对比分析,通过火灾烟气模拟,对烟气自然扩散、自然排烟和机械排烟3种排烟方案进行对比分析。烟气自然蔓延条件下,能见度无法保证人员安全疏散。由于建筑形式的特殊,无法满足自然排烟条件。为保证安全,设置了机械排烟系统。对与国铁站房结合的综合枢纽中地铁车站排烟方式,应将自然排烟的可行性纳入其初期建筑方案中优先考虑。     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律，以整个航空出行链为视角，综合考虑空中交通、地面交通和旅客出行选择偏好，构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性，提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性，基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型，基于Logit模型建立旅客对航空出行路径的选择模型，将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解，从而得出客流在机场群间的均衡分布状态.算例结果表明，机场群系统均衡配流模型有效建立了客流分布状态，调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.     

中国乘用车工况构建

依托“中国工况”项目，对我国乘用车行驶工况进行深入研究. 在全国41 个城市采集乘用车共计1 600 万km的行驶数据，收集各城市交通量大数据用于权重因子开发；利用权重因子对采集数据进行加权，获取代表我国驾驶特征的、统一的速度-加速度分布，以其为基准，使用卡方检验选择最优短片段组合作为我国乘用车行驶工况(CLTC). 对比CLTC工况特征与其他典型工况及实测数据GIS加权结果，CLTC工况更符合我国实际.     

旅游交通规划成套技术探究

从行业、角度、目标和路径四大方面更新旅游交通规划理念,建立时空、资源、体验三大模块规划体系,达到旅游交通网络构建、功能拓展、配套完善的效果。在此规划体系基础上,根据不同地区特色,突出主题品牌设计,创新产品供给,紧密结合当地规划与落地方案,形成了丰富的规划应用成果,为交旅融合快速发展奠定理论基础。     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。     

收费公路资产证券化定价及发行方法研究

从数据驱动视角出发，本文探讨收费公路资产支持证券的结构化定价方法。首先，构建反 映交通量风险特征的收费公路通行收入自回归积分滑动平均模型；其次，基于瀑布式偿付结构和 到期收益率Nelson-Siegel模型计算不同等级证券发债规模与息票利率；最后结合成渝高速和渝 蓉高速现实数据进行仿真分析。研究发现，高速公路成熟期的通行收入具有尖峰厚尾特征，成长 期的通行收入更兼具显著的波动聚集效应。数据驱动的定价模型能够刻画通行收入的风险特 征，合理估计优先级的证券融资比例，比只考虑利率风险的现金流折现法更具有优势；从发行方 式来看，合并发行的融资结构显著优于单独发行。管理启示是改变以单个高速公路项目为基础 的特许经营权融资，通过绩优绩差项目的合并发行优化融资结构。     

货车轨迹数据在公路货运系统中应用研究综述

随着轨迹数据可获取性及精度的持续提高，货车轨迹数据被广泛应用于公路货运系统的 规划与管理中，同时，人工智能和大数据分析技术的快速发展也为公路货运系统研究带来新的机 遇与挑战。本文全面梳理并总结了公路货运轨迹数据应用领域的相关研究，从基于轨迹数据的 货运出行信息辨识、货运系统关键特征预测、货运轨迹数据进一步应用3个方面回顾现有文献的 研究目标、主要内容和研究方法。通过文献分析发现：货运出行信息辨识研究聚焦于货运停留 点、车辆和货物、活动出行模式等热点主题，但现有辨识方法多移植于旅客出行研究，需要更多地 考虑货运出行的独特特征。在货运系统关键特征预测方面，研究者主要针对货运行程时间、空间 位置、出行需求等主题展开研究，并证明了基于轨迹数据预测货运特征的可行性，但预测时空范 围较为局限，需要根据具体的货运任务、货车司机特征和货运政策进行深入研究。此外，轨迹数 据也被应用于货运出行路径选择行为、货运停车休息行为、行驶安全、货运排放和能耗分析、货运 政策评估等研究。最后，在总结现有研究不足的基础上，本文认为未来研究应重点将货运轨迹数 据与其他多源数据相结合，从3个关键技术进行突破：一是针对货运实践个体，重点探索高效货车 驾驶员的出行特征和出行模式，并在货运系统中进行推广应用；二是针对交通运输新技术和新形 势，重点开发和优化自动驾驶技术和重大应急事件影响下的货运组织模式与策略；三是针对货运 供需关系及匹配机制，重点研究货运全流程供需状态辨识与预测，并结合深度学习等方法训练和 开发智能供需匹配模型，从而优化货运系统调度，助力社会散乱运力资源整合，提高货运系统的 综合效率。