摘要：为提高电动公交系统运营效率,降低运营成本,本文提出一种考虑机会充电和行程时间可靠性的电动公交调度优化方法。首先,基于区域调度场景,提出在线路始末站配备快速充电桩,利用车次接续时间进行机会充电的策略;然后,考虑行程时间的随机波动,以表征特定可靠性的预留行程时间作为模型输入生成调度方案,同时,将发车延误成本纳入目标函数中,综合考虑公交企业从规划到运营阶段的整体效益,构建以总成本最小为目标的区域多车型电动公交调度优化模型,针对模型特点,设计自适应大邻域搜索算法进行求解;最后,以北京市大兴区4条公交线路为例,验证模型和算法的有效性。结果表明:基于本文方法得到的最优调度方案相较于传统单线路单车型调度方案,能使企业日均总成本下降37.93%,平均每辆车的发车延误时长减少5.63 min,说明本文所提方法能有效降低企业成本,提升公交系统可靠性。相较于不考虑机会充电和行程时间可靠性的区域多车型运营模式,本文最优方案能使总成本下降28.67%。此外,通过灵敏度分析,建议公交企业以240 kW的充电功率进行快速充电资源的配置,以90%的行程时间可靠性进行电动公交调度方案的编制。

摘要：近年来,狭窄空间疏散的研究引起了越来越多研究者的关注。因地铁隧道疏散平台空间狭窄、环境黑暗,行人在运动时往往需要寻找依靠物来保持运动的稳定性,而墙体就是行人最主要的依靠物之一。文中构建了考虑沿墙行为的拓展的元胞自动机模型,在传统模型的基础上融入了行人的沿墙倾向,并设计了多速度的运动规则。结果表明,沿墙倾向的增大会使人员疏散时间先减少再增加最后保持稳定,人流中墙体敏感型行人的增多会使疏散时间增加,但同时极大地提高了疏散的安全性。

摘要：在我国“碳达峰”“碳中和”战略目标下,科学准确地监测和评估个体出行碳足迹是推动城市交通低碳转型的基础,但同时也面临着巨大的挑战。因此,借助出行即服务(Mobility as a Service,MaaS)平台的数据开放与共享,旨在提出MaaS环境下城市个体出行链碳足迹监测与评估方法。首先,设计基于MaaS平台的城市交通碳源监测指标体系,实现对个体出行链多模式交通特征的提取与融合;然后,分别建立针对机动车和轨道交通出行的碳排放计算模型,计算不同交通方式的出行段碳排放,累加得到个体全链出行碳足迹;最后,以小汽车出行为基准线情景,评估个体出行链碳减排量。对在北京市采集的1865条出行链数据进行实例分析,结果显示:以小汽车、常规公交、轨道交通及非机动车为主导的出行链的平均人公里碳排放量分别为0.2380,0.0310,0.0390,0.0017 kg·pkm^(-1),相对基准线的平均人公里减碳量分别为0.029,0.220,0.230,0.280 kg·pkm^(-1);出行链人公里碳减排量与出行链中绿色出行比例正相关;对MaaS平台车辆电动化可使得减碳效益提高52.5%。

摘要：针对国内十字交叉口大多采用固定相位和配时方案的信号控制现状,对动态可变相位方案以及交叉口信号配时优化进行研究.首先,根据可穿越间隙理论计算左转车流通行能力,对比实际左转车流量,在相位库中选择合适的相位控制方案.其次,以机动车车均延误、行人人均延误和停车率为优化目标,构建了多目标信号配时优化模型,模型中设计两组权重体系,采用带精英策略的快速非支配排序遗传算法求取多目标模型的Pareto最优解集,使用变异系数法得到第1组权重,采用指标系数法得到第2组权重.然后,利用遗传算法求解多目标模型在两组权重下转化的单目标模型,得到优化方案,对比优化结果.最后,使用软件Vissim进行仿真,验证模型的有效性.研究结果表明:对信号控制方案进行优化后,案例交叉口若在平峰时段采用二相位控制方案,可以将机动车车均延误以及行人人均延误降低50%以上,将停车率降低20%以上,证明动态相位控制方案和信号配时优化方法的可行性.

摘要：在低碳发展政策指引下,全国各地已开始普及电动公交。然而,由于电动公交车技术性能和运营环境的特点,如续驶里程、充电时长约束、随机路网环境等,为电动公交车辆和充电调度带来新的挑战。随机行程时间导致车次衔接中存在延误,由于连续车次任务的相依性,上游车次延误可能造成下游车次晚点,引发车次延误传播的“连锁反应”,致使车次和充电计划的风险承受能力变得非常脆弱,电动公交调度的效能无法得到充分释放。考虑电动公交调度问题中的车次延误传播效应,在分析随机行程时间对电动公交车次与充电计划影响的基础上,从单线调度到区域调度模式建立优化模型获得经济可靠的公交调度方案。首先,运用网络流模型描述电动公交调度过程,并引入马尔科夫过程刻画延误传播效应。在此基础上,计算期望等待时间、期望延误时间等服务质量指标并纳入到目标函数,建立混合整数线性规划模型。然后,运用多商品流模型,将单线调度模型拓展为通用的区域调度模型,设计“延误状态层”用以计算延误时间分布并提高计算效率。最后,以广州市的2条电动公交线路实际数据进行案例分析,调用商业求解器Gurobi获得精确解。结果表明:充电计划的最优时间窗间隔为40 min;在最优调度方案下,车辆能充分利用日间运营的闲暇时段进行充电,且这一特性不受时间窗间隔大小的影响;随着延误惩罚系数的增加,期望延误时间均值先减少后保持波动,当延误惩罚系数大于2元·min-2时,期望延误时间均值小于15 s,相较传统模型降低幅度超过50%,说明模型能有效降低行程延误;随着延误惩罚系数的增加,期望等待时间均值先增加后保持波动,说明模型可以智能调整车次之间的衔接顺序,增加等待时间作为缓冲时间,从而减少延误的发生。

摘要：为了解决智能车动态组合定位过程中,因动力学模型与实际模型之间存在偏差导致滤波精度下降的问题,针对智能车全球导航卫星系统(GNSS)/惯性测量单元(IMU)组合定位系统,结合非线性预测滤波(NPF)和自适应滤波的优点,提出了一种考虑动力学模型系统误差实时估计和补偿的自适应非线性预测滤波(ANPF)算法。首先,根据NPF算法原理,通过最小化预测观测残差与系统误差的加权平方和,估计动力学模型系统误差;其次,结合自适应滤波原理,利用状态预测残差向量构造自适应因子,设计了一种自适应扩展卡尔曼滤波(AEKF)算法,用于估计系统状态向量,并通过自适应因子抑制动力学模型系统误差和线性化误差对系统状态估计精度的影响,克服NPF对系统状态估计精度有限的缺陷;再次,对动力学模型系统误差的估计误差和由动力学模型系统误差引起的系统噪声的等效协方差阵进行了分析和推导,以补偿动力学模型系统误差对系统状态估计的影响;最后,通过车载GNSS/IMU组合定位系统试验,从算法精度、鲁棒性和实时性方面对提出的算法和其他滤波算法的性能进行了验证和对比分析。研究结果表明:提出的自适应算法继承了NPF算法简易性和高实时性的优点,同时克服了NPF算法估计精度有限的缺陷,具有较好的滤波解算精度,水平定位精度小于1.0 m,算法单次平均执行时间约为0.013 9 ms,在精度和实时性的平衡方面显著优于其他滤波方法。

摘要：针对公交车进出站过程速度波动明显,能耗较高的问题,本文采集纯电动公交车自然驾驶数据,以进出站速度随距离的变化关系、进出站加速度分布区间及进出站时间3个指标分析公交车进出站驾驶行为参数特性。统计进出站百公里能耗及瞬时能耗与加速度的变化趋势,分析进出站的能耗特征。在此基础上,将进出站路段划分为定速段、调整段和恢复段,并依据进站时站内已经停靠公交车的影响,将进出站场景分为3类。进出站实质上是"减速-加速"过程,提出以加速特征参数表征的加速策略和恒减速策略,以此分别针对3类进出站场景提出几种节能驾驶策略,最后,基于AVL CRUISE仿真验证节能驾驶策略的有效性。结果表明,相比自然驾驶情况,本文提出的进出站节能驾驶策略在纯电动公交车进出站过程中节省电能达到12.17%~44.43%,具有可观的节能潜力。

摘要：为弥补传统的居民出行调查方法在都市圈出行调查中的不足,提出一套基于手机信令数据的都市圈跨市出行方式识别算法,通过分析不同出行方式在出行路径、出行时间、出行地点方面的差异,实现高铁、大巴及小汽车3类主要跨市出行方式识别。首先,在成都市成华区和资阳市雁江区设计都市圈出行试验,招募志愿者采集出行手机信令数据;然后,分析都市圈跨市出行连接信号基站分布特征,再基于Needleman-Wunsch序列匹配算法提取出行路径信息,区分高铁出行和公路出行;最后,针对公路出行方式构建模糊识别模型,划分小汽车和大巴车出行。研究结果显示,在志愿者出行识别中,通过与志愿者出行日志对比,所提模型出行路径识别准确率达93.80%,3种出行方式均被正确识别;在研究区域全部手机用户集计出行识别中,3种出行方式占比大致为12.79%,1.36%,85.85%,与成都交通发展研究院2021年公布的《成德眉资区域出行报告》中出行分担比基本相同(12.23%,1.36%,86.41%),证明所提算法识别效果良好。

摘要：为解决地铁运营延误事件因缺乏合理的结构化情景构建方法而难以形成准确有效的属性知识,来辅助应急调度处置决策、减少主观经验依赖的问题,引入EOC(Element-Object-Consequence)模型,结合人-机-环安全体系和运营延误事件特征,提出了以列车运行为主的“要素(Element)-对象(Object)-结果(Consequence)-管理与响应(Management and Response)”情景构建框架,建立了事件情景属性关联分析模型,并设计了辅助决策应用流程。在此基础上,以供电故障引起的运营延误事件为例进行情景构建应用及可视化表达,分析了属性间关联性和敏感性。最后,对新供电故障事件的延误时间进行了预测,并与实际结果进行了对比验证。结果表明,在考虑要素和对象权重相同的前提下,环境要素、线路开通年份、列车最大运营年限对供电故障事件的总关联度影响较大,而新事件的预测延误时间相比实际延误时间的误差在15%以内,验证了结构化情景构建方法在事件影响预测上的可行性。

摘要：分析停车预约的机理和影响因素,设计不同预约策略(时间共享性和实时性)下的停车预约机制,开展出行者的停车预约信息需求和出行意愿调查,构建了基于BL模型的停车泊位预约决策模型,并进行了敏感性分析.结果表明:出行目的、职业、行驶时间、年龄、实际停车时长、停车费率、时间窗长短、车位剩余数等因素对停车预约选择行为具有较大影响,并且随着时间窗的增加,出行者预约比例呈上升趋势.研究可为进一步掌握出行者停车预约需求、完善停车预约系统提供参考.