摘要：为实现在行人过街流仿真模型中更全面地考虑行人行走特性,并研究结伴行为对整体过街行人流的影响作用,本文利用元胞自动机建立了考虑结伴行为的行人过街模型.设计阻力参数、方向参数、空格参数、从众参数和结伴参数,来反映行人在过街中心理安全空间、前进、避让换道、从众心理和结伴行为等行走特性.通过计算机仿真实验,得出行人平均速度与时间步的关系数据,并控制过街行人总数及过街行人组成情况得出整体过街时间与过街行人总数的关系数据.研究结果表明,结伴行人平均过街速度一般要低于个体行人,结伴行为会降低行人流整体过街效率,结伴行人比例及结伴群结构都是影响整体过街效率的因素.

摘要：为提高公交出行信息服务水平,研究了公交出行信息条件下出行者通勤出发时间选择影响因素.采用均匀设计方法设计调查问卷,并在湖北省襄阳市开展了意向调查.考虑到出行者出行到达时间对出发时间选择有影响,引入了早到延误和晚到延误因素,建立混合Logit模型,对出行者出发时间选择影响因素进行了量化分析.结果表明:早到延误对出行者在公交出行信息条件下的出发时间选择有显著影响,且与晚到延误的影响作用不同;出行距离、道路拥堵信息和公交换乘信息会显著影响出行者的出发时间选择,公交车辆位置信息不会对出行者的出发时间选择产生显著影响;出行者个体的受教育程度、收入、日常乘坐公交情况等也是影响其出发时间选择的主要因素.

摘要：为满足自动驾驶车辆(CAV)与人工驾驶车辆混行过程中安全和效率的需求,自动驾驶车辆专用道应运而生。当高速公路内侧车道设为自动驾驶车辆专用道时,引导自动驾驶车辆从普通车道汇入至专用道的策略研究具有重要的理论意义和实际价值。首先,设计专用道入口并提出车辆控制规则;其次,以使更多自动驾驶车辆换道至专用道为目标,基于深度强化学习,选择换道信号动作引导车辆换道;最后,通过Python语言编译进行数值仿真验证。结果表明:在自动驾驶车辆渗透率、到达专用道自动驾驶车辆比例等不同因素构建的9种场景下,本文算法能够快速收敛;能够有效引导自动驾驶车辆汇入专用道,保证通行效率;相较无信号控制情况,渗透率为20%~40%时,第2车道交通拥堵显著减少;在两段式专用道入口场景下,CAV换道至专用道的比例比单入口场景明显提高。所提出的策略具有较好的适用性,能为工程建设提供参考借鉴。

摘要：为了识别低收入通勤者中公交出行的选择偏好差异,基于抚顺市居民出行调查,采用基于主观态度建模对公交出行市场细分.首先通过因子分析确定低收入通勤者的主观态度变量,然后利用结构方程模型研究主观态度与公交出行之间的因果关系,最后基于K-means聚类方法对低收入通勤者进行市场细分.根据出行舒适性需求、可靠性需求和环保意识3类态度变量,将公交出行市场细分为5个子市场,同一子市场中通勤者选择公交出行意愿类似,不同子市场间选择意愿显著不同.对比分析子市场间出行特征和主观态度的差异,剖析产生公交选择差异的主观态度方面的原因,并提出差别化公交出行改善对策.

摘要：探究公交客流量影响因素有利于针对性地进行公交规划管理,本文基于南京市多源数据,从站点层面分析公交客流量的影响因素,考虑空间依赖性和空间异质性两个角度的空间效应,构建空间杜宾模型和地理加权回归模型,揭示土地利用、交通基础设施、站点属性及社会经济因素在工作日早晚高峰两个时段对公交客流量的影响。研究结果表明:从全局角度来看,公交站点客流量间存在明显的空间依赖性,并具有聚集特征,空间杜宾模型优于多元回归模型、空间误差模型及空间滞后模型;各变量在早晚高峰时段对客流量的直接效应符合通勤规律;公共服务用地强度和公交站数量的空间溢出效应最为显著,且呈现出虹吸现象。从局部角度来看,各影响因素均具有显著的空间异质性,土地利用变量的空间差异性最大;车头时距与站点客流量负相关,影响程度以南京市玄武湖区域为中心向外递减;线路条数与站点客流量正相关,影响程度由老城区向外围区域递增。

摘要：通勤者作为公共交通乘客构成的核心部分,其识别提取是此类人群特征分析的前提。本文基于南京市常规公交、轨道交通和公共自行车的刷卡与设施数据,进行公共交通通勤者识别。首先,根据数据信息是否完整,分别采用两步聚类法和线路相似性整合法提取相似性出行;然后,识别职住地,再通过出行天数、单次出发时间差和工作往返出发时间差3项指标完成筛选。经通勤调查验证和方法有效性比较,各类参数取值合理,方法有效并存在应用优势。本文提出的通勤识别方法将出行时空规律与指标筛选紧密结合,考虑了数据完备与不完备条件下的不同数据处理思路,方法通用性和操作性强,识别结果能够为公共交通通勤乘客特征分析提供数据基础,有效指导后续城市公共交通设施布局和服务优化。

摘要：多模式疏散规划旨在兼顾低行动力人群和其他人群不同的疏散需求特征,对公共交通和个体交通相结合的多种疏散方式进行综合分析与优化。但是,国际上对多模式疏散的研究缺乏对公共交通的支持。针对我国低行动力人群比重高、应急疏散资源紧张等国情,提出应急疏散中的"公共交通导向"构想,建立了公共交通导向的多模式疏散规划理论框架,在疏散需求建模预测基础上,实施疏散小区划分、公交集结点选址、疏散网络设计等规划流程,构造分层集约化网络,探讨公共交通导向的应急交通组织策略和应急疏散网络优化模型等关键方法。结合南京青年奥林匹克运动会交通组织工作进行应用,在未采取强制行政措施的前提下,75.4%的市民认为日常出行基本未受影响。

摘要：目前共享单车分区运营管理中多以行政区为基础划分运营分区,未充分考虑共享单车出行需求的空间分布特征,导致较多跨区调度工作,严重影响运营效率。结合南京共享单车出行订单数据,研究了基于Leiden算法的共享单车活动社区识别方法,构建“出行起讫点-交通小区-空间交互网络”的3层数据结构;采用Leiden社区识别算法,识别共享单车活动社区,以活动社区作为共享单车的运营子区,进行运营区域划分;通过对比不同年份的共享单车活动社区识别结果,揭示共享单车出行空间分布的时变特征;选取网络模块度与计算效率2项指标,比较多种社区识别算法的性能,以验证Leiden算法在该研究问题中的有效性与优越性。结果表明:①针对2019年的单车出行数据,算法共识别出23个活动社区,共享单车区内出行的比例达到82.9%,相比传统分区方法增加了11%,表明本算法能够使得共享单车出行更多被划分于社区内部,可以提高区域内部的共享单车自循环率,改善分区运营效率;②相比于2019年,2022年社区尺度规模有所减小,社区数量有所增加,反映共享单车用户出行距离缩短,跨区出行比例降低。③Leiden算法的社区识别结果中,网络模块度达到0.55,相比传统的CNM算法(0.2)、Walktrap算法(0.31)和Louvain算法(0.42)有较大提高;运算时间为1.1 s,其他3种算法分别为6.4,1.6,1.4 s,在计算速度上也有明显提升。上述指标表明Leiden算法在分区质量和计算效率上优于同类其他算法。该方法揭示了共享单车出行的空间特征,可以获得更优的活动分区管理方案,为共享单车分区运营方案的合理确定提供了理论指导。

摘要：针对传统控制方法下的智能网联车辆(connected and autonomous vehicle,CAV)在动态交通环境中通行能耗较高且效率较低等问题,研究了基于强化学习的CAV通行控制方法,旨在降低车辆能源消耗,提升车辆通行效率以及行驶舒适度。通过考虑CAV与交叉口信控系统的信息交互和物理环境,收集信号相位和信号配时(SPaT)以及前车速度和位置等信息,构建强化学习框架的状态空间。以电池能量回收的上限作为边界条件,建立CAV的行驶能耗模型,并基于车辆行驶的关键特征指标,如单位时间电能能耗、通行距离以及加速度变化率,设计多目标加权奖励函数。利用层次分析法确定各指标的权重,进而采用深度确定性策略梯度算法对模型进行训练,并通过梯度下降方法对算法参数进行调整和更新。采用SUMO平台开展仿真实验,实验结果表明:在设计的算法控制下的CAV各方面行驶性能最为均衡,相较于DQN算法电能消耗和加速度变化率均值分别降低了9.22%和18.77%;相较于Krauss跟驰模型行程时间缩短了8.39%。本研究提出的CAV通行控制方法在降低车辆能耗、提高行驶效率和舒适性等方面具有较好的可行性和有效性。

摘要：针对智能车辆在换道过程中存在的安全性问题,提出了智能网联汽车的安全自主换道模型.在两车道的换道场景下,基于车车通信技术得到换道车辆及周围车辆的运动状态信息,借助博弈论建立换道车辆与周围车辆的协同换道决策模型,得到允许换道指令信息后,基于模型预测理论设计了换道轨迹跟踪控制器.通过仿真,对比其他研究模型,定量分析验证所建模型和设计的轨迹跟踪控制器具有良好效果,实现了智能车辆安全准确的自主换道.