驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

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。     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。     

聚氨酯夹层板舱口盖振动特性研究

聚氨酯夹层板(SPS)因其出色的力学性能、减振降噪特性等在船舶建造领域得到了广泛应用。以船舶轻量化、高性能设计为目标,以64000DWT散货船钢制舱口盖为替代目标,采用聚氨酯夹层板设计新型舱口盖结构,基于有限元软件Ansys Workbench开展SPS舱口盖结构振动特性分析,研究其模态振型、谐响应和随机振动。通过与钢制舱口盖振动特性的对比研究,论证了聚氨酯夹层板在船舶减重和结构减振方面的优势与前景。研究结果表明:SPS舱口盖设计方案,在实现整体减重12%的情况下,使谐响应振幅降低75%;在1σ区域内,使随机振动的位移、应力响应分别降低了63.4%和76.1%。研究结果可以为船舶结构轻量化设计、舒适性改善等提供参考。     

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.     

基于狄利克雷过程混合模型的城市活动聚类方法研究

手机信令数据不仅记录个体出行轨迹，也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法，以手机信令提取居民出行OD为基础，将每个基站的到发出行量作为表征该基站所处空间位置的活动特征，研究特征的聚类方法.引入狄利克雷分布作为先验分布，由中餐馆模型推定特征聚类数量.与其他聚类方法相比，该方法最大的优点在于无需事先指定聚类数量，避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中，结果能够有效地反应不同城市功能组团的活动特征.     

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。     

Extending Time to Collision for probabilistic reasoning in general traffic scenarios

Vehicle-to-vehicle communication systems allow vehicles to share state information with one another to improve safety and efficiency of transportation networks. One of the key applications of such a system is in the prediction and avoidance of collisions between vehicles. If a method to do this is to succeed it must be robust to measurement uncertainty and to loss of communication links. The method should also be general enough that it does not rely on constraints on vehicle motion for the accuracy of its predictions. It should work for all interactions between vehicles and not just a select subset. This paper presents a method to calculate Time to Collision for unconstrained vehicle motion. This metric is gated using a novel technique based on relative vehicle motion that we call “looming”. Finally, these ideas are integrated into a probabilistic framework that accounts for uncertainty in vehicle state and loss of vehicle-to-vehicle communication. Together this work represents a new way of considering vehicle collision estimation. These algorithms are validated on data collected from real world vehicle trials.     

大规模运输网络二阶段随机规划模型的可积性

分析了大规模运输网络随机规划模型的凸性，证明了该类模型为一随机凸规划问题。     

一类大规模运输网络多阶段随机规划配流模型

利用随机规划理论，分析大规模运输网络的基本特性及优化，是近几年交通运输领域发展起来的一种新的研究方向，已广泛地应用于交通运输管理的各个部门。本文在分析了一类大规模运输网络在市场经济模式下的基本特性的基础上，提出了一类适用范围更广、更复杂的多阶段和广义多阶段随机规划配流模型。