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.     

电动自行车突然起火 中山乘务员奋力相救

12月14日8点21分,208路线驾驶员殷运君驾驶粤T08496D号公交车,与乘务员刘海靖一起由市博览中心发车开往黄圃公交枢纽站。9点22分左右,当车辆行驶至三宝沥大桥时,发现前方桥梁边停着一辆正在起火的电动自行车,旁边有一位中年男子站在着火电动自行车附近,神色慌张地看着着火的电动自行车,浓烟滚滚,并不断迸出火苗。刘海靖见此情况,马上和殷运君说:“有一台电动自行车着火了,快靠边停到安全地带”。殷运君第一时间将公为方便市民公交出行,12月9日起,公共汽车12路线增开“南朗消防大队”站开往“珠海下栅检查站”的区间车,补充12路早上开往珠海下栅检查站方向的公交出行服务,更好地满足群众上班、上学的出行需求。12路线(中山汽车总站——珠海下栅检查站),是连接中山市区与珠海的跨市线路,全程约35公里,客流量大,途经西区、东区、火炬开发区、南朗镇等镇区,终点站为珠海下栅检查站。现增开的区间车是从“南朗消防大队”站开往“珠海下栅检查站”。“南朗消防大队”站发车时间为6:30、6:40、6:50。创新公交服务方式,满足市民多样化的公交出行需求,是中山公交不断优化供给推动服务从量变到质变的重要举措。近年来,公交集团持续优化完善常规公交、快速公交、大站快车、跨市公交、定制公交、高峰线路等多元化公共交通网络体系,通过公交枢纽、运营调度组织等进行有效公交增开区间车到珠海衔接和整合,提高了公交系统的整体服务水平和出行效率。当前,每日运送约50万人次,乘客满意率88.7%。交车停靠在路边安全地带并打开双闪灯,和车厢里的乘客简单解释后,立即打开中门,刘海靖迅速从驾驶座旁拎起一支灭火器从中门下车,往起火方向跑去。     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.      

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。      

城市轻轨交通网络优选的物元可拓表达

针对识别判断或衡量评估各种轨道交通规划设计优劣性等问题,首先分析建立起多层级评定要素主框架,并考虑了客观化的信息熵权策略,然后提出了一种面向数据对象、灵活客观的城市轻轨交通网络多准则物元可拓处理方法,从而帮助实现其优选排序以及决策支持过程。基于建设城市轻轨交通网络的多重目标和不同部门愿景,确定了与城市发展协调性、网络结构属性、运营管理水平、建设项目可行性四个准则,通过济宁市轻轨交通线网规划的具体案例分析,讨论验证了所建模型的有效性、公平性与合理性,并获取了最优网络方案#1。实验结果表明该方法不仅科学可靠、适应性强,同时克服并避免了主观人为因素的噪声和偏差,本文建模步骤流程亦可为其他城市规划管理者、政策制定者等提供指导依据及借鉴参考,或移植应用于相关工程领域。     

基于复杂网络的我国高铁演化特征研究

为深入认识我国高铁网络演化的拓扑特性和规律,将高铁站点所在城市抽象成网络节点, 将高铁线路抽象成网络的边,运用复杂网络理论对我国2003—2015 年高铁网络演化特征进行分 析。研究发现：我国高铁网络密度不断提升,但依然存在东、中、西部节点城市被割裂,整体网 络密度偏低的现象;网络中介中心势不断增强,一些关键节点（比如：武汉、郑州） 具有较大的 网络控制权,不均衡性逐渐扩大;网络发展后期呈现出小世界特性。因此,提出如下建议：加快 西部地区网络规模和城市网络地位建设;提升网络均质性,弱化关键节点控制力;选择性地建设 关键中、东部和西部城市之间的长线路,提升整体网络性能。     

快递网络的要素、结构与上海节点的空间格局

在对快递网络要素、结构详细阐释的基础上,明确快递网络节点的分级和命名;运用GIS 方法对国内外重要快递企业聚集地——上海的主要快递企业服务门店、一级节点（区域中转中心）、二级节点（城市中转场） 及其空间格局的展示和分析表明：（1） 上海主要快递企业的城市 服务门店数量分布从城市中心向外围郊区递减,门店空间集聚表现为“一极多核”格局,门店密度与人口密度分布高度吻合;（2） 上海主要民营快递企业的一级节点、二级节点布局集中于浦东、青浦郊区,且邻近高速公路以及浦东机场、虹桥机场两大枢纽;（3） 国际快递巨头的区域总 部位于上海市中心城区;民营快递巨头总部除了国通位于松江之外,申通、圆通、韵达、中通等 都在青浦区。     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

基于OpenStreetMap的城市自行车网建模与多判据路径规划

自行车交通是一种健康、绿色、环保的交通出行方式,合理地规划自行车出行路线对于满足骑行者多元化出行需求、构建安全规范的城市交通出行环境具有重要的意义.在对真实骑行者路径选择行为深入分析的基础上,提出了基于Open Street Map的城市自行车网络的构建方法及基于其上的多判据自行车路径优化的数学模型,并给出了求解该模型的一种基于聚类的最优多判据路径规划方法.实验仿真结果表明,该模型及方法能够生成满足骑行者真实需求的多判据路线方案.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.