考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响，考虑交通小区间的空间相关性，分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型，并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计，结果表明：交通小区间的空间相关性显著存在；以不考虑空间相关性的模型作为对比，基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优；在控制家庭层面社会经济变量后，居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应，表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

Asynchronous n-step Q-learning adaptive traffic signal control

Ensuring transportation systems are efficient is a priority for modern society. Intersection traffic signal control can be modeled as a sequential decision-making problem. To learn how to make the best decisions, we apply reinforcement learning techniques with function approximation to train an adaptive traffic signal controller. We use the asynchronous n-step Q-learning algorithm with a two hidden layer artificial neural network as our reinforcement learning agent. A dynamic, stochastic rush hour simulation is developed to test the agent’s performance. Compared against traditional loop detector actuated and linear Q-learning traffic signal control methods, our reinforcement learning model develops a superior control policy, reducing mean total delay by up 40% without compromising throughput. However, we find our proposed model slightly increases delay for left turning vehicles compared to the actuated controller, as a consequence of the reward function, highlighting the need for an appropriate reward function which truly develops the desired policy.     

面向传染病疫情防控的公共交通运行管理决策支持研究

近年来全球新发重大传染病疫情不断出现，已成为人类社会必须防范应对的重大风险。公共交通在传染病疫情防控过程中承担着阻断病毒传播和保障复工复产的功能，疫情期间公共交通运行管理的决策需求和技术支撑体系与日常情况有显著差异。现有研究多针对公交日常运行决策需求展开，虽有少量针对突发公共事件的应急管理决策支持的研究，但多针对自然灾害和事故灾难场景，无法迁移应用于传染病疫情防控。基于此，以新型冠状病毒肺炎（COVID-19）疫情为例，综合考虑突发公共卫生事件应急管理流程和疫情防控实际情况，系统梳理疫情不同阶段的防控目标和决策需求，提出一种面向传染病疫情防控的公共交通运行管理决策支持系统框架，建立基于公共卫生事件案例库、多源数据融合库、公交数据分析技术库和公交防疫策略库的功能架构，并设计不同功能模块的算法模型。研究以厦门为例，对提出的决策支持系统的功能架构和算法模型进行验证。研究结果表明，构建公交乘客出行链的成功率为89.7%，并可应用于疫情不同阶段的关联客流分析、感染者同乘人员的追溯分析、医护人员等防疫人员的通勤出行识别、公交运行满载率监控等方面。研究成果不仅对传染病疫情防控有实用价值，而且对突发公共事件应急管理决策支持方法亦有理论贡献。     

直线电机地铁车辆如何降低制动磨耗

由于直线电机车辆的固有特性及某轨道交通线路的运营特点,实施电制动时,导致空气制动被迫频繁补充,造成制动磨耗件消耗较快。介绍了改造前、后制动闸片、制动盘及制动施加情况,并进行了经济分析。通过改善空气制动施加逻辑及更换新型号的闸片,制动磨耗量明显降低,可大幅降低运营成本。     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力，获取车队周围多车的运行模式，同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化，为提升车队及交通流整体运行效率提供优化策略，提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法，将车队周围多车车辆的复杂运行模式视为混和高斯过程，利用狄利克雷分布作为高斯混和权重的先验分布，建立车队周围多车运行模式速度场，从而获取车队周围多车运行模式并分类；通过比较不同多车运行模式下车队的运行效率，提升车队对所处运行环境的认知能力。研究结果表明：利用非参数贝叶斯算法将复杂的多车运行状态进行分类，获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场；通过将车队周围的多车运行仿真数据分成多个运行模式，可获取不同多车运行模式下车队及交通流整体运行特性；通过更改车队运行参数，观察不同多车运行模式的占比变化，可获取车队运行参数对所处运行环境改变的影响趋势；车队周围多车运行模式的获取，不仅可以提升车队对周围运行环境的认知能力，使得车队能够选取有利路径行驶，同时能够为车队运行策略的优化提供有效的信息。     

新冠肺炎疫情下城市公共交通非常规防疫策略——以宁波市为例

在国家重大突发疫情面前，城市公共交通具有保障出行与阻断疫情的双重责任。面对新型冠状病毒感染的肺炎（简称新冠肺炎，COVID-19）疫情，城市公共交通既要保证有效运输，又要降低疫情扩散的风险。地铁和常规公交是城市公共交通系统不可缺少的一部分，在城市公共交通中占据重要地位。针对宁波市城市公共交通系统中存在的防疫问题，提出了基于问题驱动的城市公共交通非常规防疫策略。研究结果表明：新冠肺炎疫情形势下，城市公共交通系统防疫需要启动应急响应机制，遵循分区分类防控的基本原则，在保障人们刚性出行需求的同时，必须阻断疫情传播，减少通过公共交通运输造成的交叉感染，实现疫情可防可控。除体温检测、佩戴口罩与洗手消毒等防疫措施之外，还应结合地方实际和风险评估等级采取非常规的组合防疫策略，即：①面向城市常规公交，建议采取网格化运营策略、需求响应式运营策略以及应急公交接驳策略；②面向城市轨道交通，建议采取3级组合防疫策略，即暂停运营策略、车厢隔离防疫策略以及需求响应式防疫策略。以上常规公交与轨道交通的多种组合防疫策略需根据疫情的发展情况动态调整，及时启动相应级别的公共交通应急预案，被动防御与主动防控相结合，积极发挥城市公共交通在疫情时期的交通骨干作用和应急保障作用。     

高速公路改扩建作业区交通安全设施设置研究

根据高速公路改扩建施工区的交通特性及驾驶人的反应特征,将施工作业区划分为7个分段,构建驾驶人视认模型,并对各个分段安全设施进行设置,可保障高速公路施工作业区的安全与通畅,这已被郑洛高速公路所证实。     

旅游城市高铁站站前广场综合交通改善设计——以黄山北站为例

在全国高铁网络逐步构成的背景下,旅游城市高铁站站前广场在高铁运营后逐渐显现出了设施配套不足、交通组织混乱等问题.以黄山北站为例,通过分析黄山北站客流特征、站前广场交通设施现状、交通组织及运行,对黄山北站客流进行了预测,对交通设施规模进行了测算.根据预测结果,提出了交通改善策略,并从设施布局、交通组织等方面提出了近期和远期的具体交通改善方案.     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型，致使所得到的模型精度差。为此，提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析，论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量，通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9，证明了该模型的正确性。为进一步验证，以此模型为基础，评价智能驾驶系统的有效性。以自动紧急制动系统为例，对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%，验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息，能够获得更多的事故数据支持，从而可以更好地适应于不同类别智能驾驶系统的评价需求。