客运枢纽"人群迷路区"的快速识别与优化 ——以北京南站为例

为缓解大型客运枢纽因诱导服务不到位而产生的人流拥堵问题，采用室内WiFi 定位技术和Mysql获取行人交通流分布热力图，通过百度地图坐标拾取系统识别人流聚集区的具体位置。通过定义迷路人群的交通特征参数，提出“人群迷路区”概念；应用视频识别追踪技术，分析行人速度与加速度的方差，于人流密集区运用视频识别技术寻找“人群迷路区”。最后以北京南站为例进行实地调研，利用调研数据识别北京南站的“人群迷路区”。基于人群速度与加速度方差，“人群迷路区”被分为四类：单纯人流聚集区、因标识不足而产生的人群迷路区、因标识过于复杂而产生的人群迷路区、因商业设施或障碍物遮挡而产生的人群迷路区。同时提出加大商业活动监管力度、简化部分引导标识、增加其他交通方式换乘区域标识等优化方法，可使人群行进效率提高约25%。     

Cellpath: Fusion of cellular and traffic sensor data for route flow estimation via convex optimization

A new convex optimization framework is developed for the route flow estimation problem from the fusion of vehicle count and cellular network data. The issue of highly underdetermined link flow based methods in transportation networks is investigated, then solved using the proposed concept of cellpaths for cellular network data. With this data-driven approach, our proposed approach is versatile: it is compatible with other data sources, and it is model agnostic and thus compatible with user equilibrium, system-optimum, Stackelberg concepts, and other models. Using a dimensionality reduction scheme, we design a projected gradient algorithm suitable for the proposed route flow estimation problem. The algorithm solves a block isotonic regression problem in the projection step in linear time. The accuracy, computational efficiency, and versatility of the proposed approach are validated on the I-210 corridor near Los Angeles, where we achieve 90% route flow accuracy with 1033 traffic sensors and 1000 cellular towers covering a large network of highways and arterials with more than 20,000 links. In contrast to long-term land use planning applications, we demonstrate the first system to our knowledge that can produce route-level flow estimates suitable for short time horizon prediction and control applications in traffic management. Our system is open source and available for validation and extension.     

基于磁处理法的隧道永磁体排水管防结晶试验

为预防隧道排水管结晶堵塞，提出永磁体排水管关键技术指标，通过自制的永磁体排水管开展室内试验和现场试验，研究磁场强度、流量、磁体布置间距对永磁体排水管内结晶的影响，根据不同条件下结晶物的质量变化和SEM图像进行试验分析。结果表明： 1）磁场强度为0.1~0.3 T时永磁体排水管具有较好的防结晶效果，磁场强度超过0.2 T后防结晶效果逐渐降低，当磁场强度为0.4 T时永磁体排水管内结晶量反而大于普通排水管； 2）随着试验管段内溶液流量增大，永磁体排水管的防结晶效果增强，但当流量超过450 mL/s之后，防结晶效果不再随流量增大而增强； 3）经永磁体处理后，管道内的结晶物由规则的立方体形状转变为粗糙松散的不规则体，由硬质块状转变为粉末状，有从方解石向文石、球霞石转化的趋势； 4）随着管道永磁体布置间距减小，管道内最终结晶量呈下降趋势，在10、40、70 cm 3种永磁体布置间距中，最佳布置间距为40 cm。     

基于客流导向的长大市域轨道交通组织优化方法研究

以北京市轨道交通平谷线为依托,基于线路功能定位和客流需求,对车辆选型、运营交路方案进行探索性创新研究。提出一种行车组织优化模型及求解算法,并以运力运量、工程投资、客流-车流匹配率等关键性指标为比选目标,确定该市域快线的最佳行车组织方案,以期为类似市域快线行车组织方案的合理选择提供理论支撑。     

燃气调压器声发射信号特征与流量关系分析

文中提取燃气调压器声发射信号的标准差、峭度这两个时域特征及重心频率、均方根频率这两个频域特征,分析特征与流量的对应关系,使用相关系数进行评价。基于北京某调压站采集的声发射信号及流量数据,实验结果表明,流量与标准差、峭度、重心频率、均方根频率的相关系数分别为0.8192、0.2889、0.7745、0.641。可见标准差、重心频率及均方根频率与流量相关性较强,峭度与流量相关性较弱。     

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。     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

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。     

单叶片螺旋钢桩竖向承载特性数值分析

为分析单叶片螺旋钢桩在砂土地层竖向抗压承载特征,结合单叶片螺旋钢桩现场静载试验进行有限元软件模拟。将数值计算结果与现场实测数据进行对比分析,验证其数值计算结果的可靠性,其次采用该有限元软件分别模拟不同相对密实度砂土中几何参数不同的单叶片螺旋钢桩静载试验而得到不同荷载-位移曲线,同时将螺旋叶片直径的5%位移值对应荷载作为桩极限承载力。考虑砂土相对密实度,钢桩埋深,螺旋叶片直径,中心钢轴4个参数变化对单叶片螺旋钢桩极限承载力影响。结果表明:单叶片螺旋钢桩桩周土层的相对密实度和桩埋深是影响承载力的主要参数,螺旋钢桩叶片直径影响次之,钢轴直径的影响最小;同时,单叶片螺旋钢桩极限承载力增量百分比在松砂中最大,中密砂次之,密砂最小。     

Learning marginal-cost pricing via a trial-and-error procedure with day-to-day flow dynamics

This paper investigates the convergence of the trial-and-error procedure to achieve the system optimum by incorporating the day-to-day evolution of traffic flows. The path flows are assumed to follow an ‘excess travel cost dynamics’ and evolve from disequilibrium states to the equilibrium day by day. This implies that the observed link flow pattern during the trial-and-error procedure is in disequilibrium. By making certain assumptions on the flow evolution dynamics, we prove that the trial-and-error procedure is capable of learning the system optimum link tolls without requiring explicit knowledge of the demand functions and flow evolution mechanism. A methodology is developed for updating the toll charges and choosing the inter-trial periods to ensure convergence of the iterative approach towards the system optimum. Numerical examples are given in support of the theoretical findings.