摘要：在分析应用型高校中外合作办学现状的基础上,提出多主体参与模式;以新工科为引领,明确多主体协同治理目标,构建基于SFIC的多主体协同治理模型;从优化起始条件、完善制度设计、突出领导牵引、建立多主体沟通渠道及迭代优化评估反馈机制等方面,提出中外合作办学多主体协同治理的优化路径,以期提升协同治理成效,更好地服务于国际化应用型人才培养。

摘要：为评估暴雨内涝对城市道路交通系统的安全韧性影响,通过分析道路交通系统安全韧性因素,划分排水网、道路网、交通网及应急网等4层网络,构建城市道路交通系统韧性网络分层模型,并给出模型内涵与机制;结合该分层模型设计系统韧性评估指标体系,采用模糊层次分析法(FAHP)给出定性和定量相结合的系统韧性评估方法;最后,以北京某区域暴雨内涝灾害实例进行验证分析。结果表明:3次降雨后,系统韧性机能曲线均产生严重下降,降幅分别为68.18%,51.28%和59.52%,系统平均韧性为0.57,韧性评估结果为0.53,评估结果和实例分析基本一致。所提方法能够开展暴雨内涝下的城市道路交通系统安全韧性及演化趋势分析,准确评估系统安全韧性,从而提高系统安全韧性的管理水平。

摘要：微观交通仿真能够再现城市道路交通状况,其关键步骤是建立仿真模型.为使模型最大程度地反映实际道路运行状况,需要对所建立的模型进行校正.首先本文设计了改进的自适应步长的人工萤火虫算法(IAGSO)和以排队长度为指标的目标函数.然后,设计了基于IAGSO算法的VISSIM模型参数校正的方法.最后,设计和实现了基于B/S结构的交叉口仿真分析系统,应用VISSIM对北京市某交叉口建模,利用系统对此模型进行参数校正,比较模型校正前、校正后和现场调查的四个进口方向的排队长度.通过比较结果验证了基于IAGSO算法的VISSIM模型参数校正的有效性.

摘要：城市路网交通控制直接影响着交通运行效率,对其优化研究已成为缓解城市交通拥堵问题的热点之一.鉴于此,针对高峰交通路网将其分为过饱和区域与过饱和关联区域,在采用灰色关联分析-谱聚类方法对关联区域划分的基础上,构建路网交通分布式协同控制模型,进一步提出基于多学科设计优化的过饱和区域及其关联区域协同优化求解方法.通过搭建实例路网模型分析算法优化效果,结果表明所提出方法能够明显改善路网交通运行效率,有助于缓解城市通勤高峰时段的交通拥堵和扩散问题.

摘要：在基本的人工萤火虫算法(GSO)中,萤火虫的固定移动步长导致算法容易陷入局部最优并可能出现函数适应值的震荡现象。在一些自适应步长的人工萤火虫算法(A-GSO)中,算法迭代过程中会出现一些萤火虫的邻域集合为空集的现象,这将导致算法收敛速度降低并陷入局部最优值。为此,设计了改进的自适应步长的人工萤火虫算法(FA-GSO),改进的算法针对邻域无同伴的萤火虫引入觅食行为寻找优化方向并自适应调整移动步长,进一步提高求解精度和稳定性,并给出了算法的收敛性分析,结合GSO、A-GSO 2种算法对多个标准测试函数进行寻优并提取相关指标。通过指标对照,验证了FA-GSO算法的有效性,表明算法可以改善函数寻优的精度并提高迭代速度。

摘要：为了解决交通高峰时段城市区域路网过大的交通需求引起的路网通行效率下降以及区域内部交通流分布的异质性产生的道路资源浪费等问题.本文提出了基于区域路网固有属性宏观基本图(Macroscopic fundamental diagram,MFD)的过饱和区域控制优化模型,建立了边界控制信号和内部控制信号目标函数的双层规划优化,进一步设计了基于BP(Back propagation)神经网络的自适应动态规划(Adaptive dynamic programming,ADP)模型,对建立的双层规划区域交通信号进行求解,实例仿真结果验证了本文方法的有效性.通过本文的研究分析,对城市区域交通的需求管控、拥堵政策制定等城市区域交通管理具有一定的指导意义.

摘要：城市道路行程时间预测对于提高交通管控效果具有重要意义.本文综合应用平行系统、集散波、误差反馈修正、多模型自适应控制及模型库动态优化策略等方法与技术对间断流行程时间预测问题进行了研究.首先,介绍了平行系统理论的基本原理及计算实验的基本方法;然后,给出了基于平行系统理论的路段行程时间的预测模型,设计了基于集散波的行程时间计算实验方法,提出了多模型自适应行程时间预测并给出了模型动态优化策略.最后,通过实验证明了本方法的有效性.结果表明,本文方法预测精度较高,且能够对行程时间预测值进行持续优化,可为后续的间断流行程时间预测研究提供借鉴.

摘要：降雨天气导致城市道路交通运行效率明显下降,现有道路交通信号控制一般尚未建立针对性的信号优化方案。考虑降雨天气降水量、道路积水等因素影响下的交通运行情景,设计了面向交通控制的城市道路交通信息物理系统体系,搭建了基于信息物理系统的城市道路交通控制框架,并建立了交通信号控制优化模型,进一步利用BP神经网络方法设计了模型求解方法。通过搭建实例路口交通仿真模型,对比3种方案下延误时间等多个指标,分析结果表明本文方法在改善降雨情景下交叉口交通运行效率等方面的有效性。

摘要：为解决干线公交速度引导存在多要素关联约束强,全局效果差的问题,本文提出基于分级多目标决策的干线公交速度引导模型。基于公交线路运行特性的全局优化指标优势分析,设计以公交线路综合准点率为主,交叉口停车次数和分段引导速度均衡为辅的线路全局优化目标体系,并考虑多目标间的关联约束和优先控制差异,构建基于拉格朗日乘子法和遗传算法分层组合的干线公交速度引导分级多目标递阶决策模型;最后,通过实际场景测试,验证模型的有效性。测试结果表明:模型能够克服非全局指标优化的局部最优问题,将全线路各班次综合准点率和交叉口停车次数由非全局指标的69.67%和2.37次·班^(-1)提升到90.53%和1.23次·班^(-1);并且综合准点率比全局多目标加权方法提升8.65%,能够较好保障综合准点率目标的优先性,有效提升干线公交的通行效率和服务可靠性。

摘要：潮汐车道快速清空成为提高潮汐车道控制效率的关键环节之一.本文基于集散波理论对直行绿灯汇入及左转绿灯汇入流量差异状态下的车辆运行状态进行分析,构建车道指示灯切换时刻、下游路口信号控制和相应车道清空时间之间的关系模型,在此基础上设计车道清空时间与下游路口车均延误的组合优化模型.最后,利用遗传算法对目标函数进行最优求解,获取最优组合控制方案.经仿真验证发现,不同的车道指示灯变换时刻及下游信号优先策略,会提高车道的清空速率,但也会带来下游路口车均延误的增加,而通过组合优化模型的筛选可以寻找出平衡两者需求的最佳控制策略.