摘要：为寻求提升交通预测时空计算任务性能的有效途径,探索图神经网络技术在交通预测中的应用前景和挑战,回顾了交通预测方法的发展,总结了模型驱动方法、统计模型、传统机器学习方法和深度学习方法的优势和局限性;阐述了图网络和交通网络的适配性,归纳了图的构造方法;将应用于交通预测的数据进行了分类,分析了不同交通预测任务的共性与差异;归纳了常用于交通预测任务的图神经网络模型,包括卷积图神经网络、图注意网络、图自编码器和图时空网络,分析了图神经网络模型应用于交通预测时主要考虑的因素和时空模块;对比了多种交通速度预测方法的性能,分析了图神经网络框架中不同组件对其预测性能的影响;从数据多源性、应用多样性、多模式、动态性、模型可解释性、不确定性和小样本学习等多个角度探讨了基于图神经网络的交通预测面临的挑战和机遇,并针对图神经网络发展趋势提出了相关建议。研究结果表明:与只考虑时间相关性的基准模型相比,基于图神经网络的预测方法性能显著提升;多模式时间相关性、时空注意力机制、边特征、外部数据均会显著影响预测性能;图神经网络为建模交通网络复杂动态的时空相关性提供了有力手段,目前针对交通状态预测问题开发了多样化的模型;未来研究可重点从设计高效的动态时空模块集成架构、设计有效整合外部数据的模块、拓展多样化的应用任务、实现多模式交通同步预测、开发高效可靠和易于解释的模型等方面进行突破,实现预测准确性和效率均衡提升,以期发展更高阶段的智慧交通。

摘要：生物质燃料是一种潜力巨大的可再生能源,近年来已引起人们越来越多的关注。生物质燃料在市政、交通领域的应用是碳减排的重要举措,得到了中国政府的大力支持。然而,原料供应、市场波动等因素的高度不确定性使生物质燃料产业面临巨大挑战。为提升生物质燃料生产比率、促进资源的合理配置,对生物质燃料供应链网络进行优化研究,分析原料供应、客户需求、价格波动的多重不确定性,以期望利润最大为优化目标,构建考虑多重不确定性的生物质燃料供应链多周期随机优化模型。在多周期背景下,综合运用随机离散场景模拟和情景树方法刻画上述不确定因素,构建等价确定性模型,并结合模型特征,设计基于嵌套Benders分解(NBD)与随机对偶动态规划(SDDP)相结合的求解算法。最后,通过算例仿真实验,对比分析不同不确定因素对利润和库存成本的影响。研究结果表明:需求或供应波动的增大,都会导致供应链利润减少,且与需求不确定性相比,供应不确定性对供应链的影响更大,因而决策者可更侧重原料的稳定供应,以获得更高利润;合理的库存可对冲市场波动带来的不利影响,保障生物质燃料的生产运转;产品价格波动或下降使企业面临较大经营风险。

摘要：为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网联汽车的渗透率、驾驶员的感知时延和车辆通信时延对混合交通流稳定性的影响.结果表明,智能网联汽车能够提高混合交通流的线性稳定性,而驾驶员的感知时延和车辆通信时延均不利于混合交通流系统平衡;与人工驾驶汽车相比,自动驾驶汽车对混合交通流稳定性影响仍较小,实验表明智能网联汽车在一定程度上能够减缓对混合交通流系统的干扰.

摘要：为解决高速铁路应急调度预案设计不当导致的调度员工作负荷问题,提出一种适用于高速铁路应急调度预案复杂度评估的客观量化方法,并进行实验验证。在对调度工作任务分析和主观调查基础上,综合确定调度预案逻辑复杂度与调度预案认知复杂度(DPCC)为应急调度预案复杂度的主要指标。图形化调度预案后利用熵值法获取调度预案逻辑复杂度值,基于元操作认知资源分析获取调度预案逻辑复杂度值,综合计算应急调度预案复杂度值。应用应急调度预案复杂度法对人工触发发车进路作业预案复杂性进行实例分析,并对应急调度预案复杂度法的有效性进行验证。结果表明:应急调度预案复杂度法的量值与预案平均执行时间及NASA-TLX分值相关系数分别为0.819、0.930,量值能刻画预案的复杂程度。

摘要：针对全天候运行条件下城市轨道交通车底运用与检修难以协同的问题,构建求解模型及相应算法。从实现运营综合效益最大化的角度,将问题抽象为网络流问题;在综合考虑车场配属车数和检修能力限制、接续时间制约、车底检修修制的基础上,先构建城市轨道交通车底运用与检修的接续网络,然后基于网络弧方法建立车底运用与检修协同优化的网络流线性模型。针对运输任务和列检任务分别设计合理的邻域搜索算子,借助大规模邻域搜索算法进行问题求解。以雄安新区地铁R1线为背景进行算例分析,结果表明:在列检能力配置充足、紧张2种情形下,模型及算法能最快得到以尽可能少的车底按要求完成所有运输任务的方案,列车运用计划在车底日夜套跑运用时无须额外配置运用车就可实现全天候运行。由此可见,模型及算法寻优效果显著,能有效解决全天候运行条件下车底与检修两难的问题;列检能力紧张时,车场组织日夜套跑运用时应按需求配置运行车底和检修资源。

摘要：高速铁路调度员监控作业的注意力水平识别是全周期注意识别的重要组成部分。针对监控作业交互少、反馈弱以及视觉特征不显著的特点,设计基于信息感知密度的注意诱导实验作为客观评价参照,采集全头脑电并提取了57个通道的7项频段指标为识别特征。采用Pearson相关系数进行特征初筛,采用Logistic回归-预测变量重要性排序的包裹式方法对特征进行进一步降维并进行注意水平识别。实验结果表明:基于左额叶和双侧枕叶的17个脑电频段特征的多项Logistic回归模型对低注意水平有81%的识别准确率。脑电频段特征对应负责大脑思维功能和视觉加工处理的脑功能区,反映高铁调度员在监控工作中的注意水平变化对应的认知功能变化。

摘要：考虑目前缺少评估日变路网性能的可靠性指标及其计算方法,根据可靠性理论中的随机失效序列分析,定义了基于首次失效时间的动态可靠性指标.该指标定义为日变路网性能维持在可靠水平的持续天数等于指定天数的概率,描述的是路网不间断地提供可靠服务的能力.随后采用近似方法估计该指标,并基于蒙特卡罗模拟设计了相应的算法.最后通过一个测试网络表明了动态可靠性指标及其计算方法的可用性.

摘要：智能网联汽车可通过彼此交互协同安全地通过交叉路口,自动交叉路口控制已成为未来发展趋势。为解决现有基于预约的自动交叉路口控制模型未全局优化车辆通过顺序及模型非线性导致求解效率低等问题,提出一种基于虚拟车队的自动交叉路口车辆时序优化模型,实现车辆通过时序的高效全局优化。首先,为构建到达安全时间间隔约束,基于车辆冲突分析计算交叉口进口道停车线到各相互作用点的距离。其次,为便于建模和求解,基于时间维度构建虚拟车队并形成车辆索引序列。然后,以交叉口车辆总延误最小为优化目标,车辆通过控制区段的最小行程时间和到达冲突区域边界的安全间隔为约束条件,构建自动交叉路口车辆通过时序非线性优化模型。在此基础上,引入0-1变量将该模型转化为混合整数线性规划模型,并基于开源求解器CBC对模型进行求解。最后,设计数值仿真试验验证模型的有效性并进行了模型的参数敏感性分析。研究结果表明:所构建模型在不同交通需求下优化效果均优于基于“先到先服务”规则的模型,车均延误和最大单车延误能够减少61.50%和39.73%;当安全间距和优化周期较大时,构建模型的延误控制效果更为显著;模型和算法为未来智能网联环境下自动交叉路口控制提供了一种可选的方法。

摘要：针对具有内部未建模动态和外部不确定扰动的水面船舶设计一种鲁棒自适应航向控制器,并同时解决转向过程中的漂角补偿问题.基于二阶非线性Nomoto模型和一阶漂角模型,建立非积分链结构的漂角-航向非线性状态空间模型,将航向控制系统未建模动态与外部不确定扰动合并为复合扰动,应用扩张状态观测器估计模型中的未测量状态和系统复合扰动.基于Lyapunov稳定性理论和自适应反步法设计航向状态反馈控制规律,为避免反步法控制过程中的微分爆炸问题,采用动态面控制技术获取虚拟控制信号的近似导数.所提出的扩张状态观测器和航向控制算法能够保证闭环系统内所有误差信号一致最终有界,提高航向保持和转向过程中的航向跟踪精度.仿真结果验证了所提出的航向控制规律的有效性.

摘要：运营商在调度车辆时单独采用员工或顾客调度策略均难以有效解决共享汽车分布不均衡导致的盈利难问题.为此,在传统时空网络基础上,考虑道路拥堵和用车需求随时间变化对运营的影响,基于C#语言和O2DES(object-oriented discrete event simulation)离散事件仿真框架,建立由模块化站点和路段模型组成、可高效率运行的共享汽车仿真系统;在此基础上,提出一个以运营商日均净收益最大化为目标,联合决策车辆库存量阈值和行程定价的仿真优化模型,并为解决随机环境下的全局优化问题,设计了EGA-OCBA(elitist genetic algorithm with optimal computing budget allocation)算法;最后,以成都市的5个共享汽车站点为例,验证了仿真优化模型的有效性.仿真优化结果表明:在相同车队规模下,与采用固定价格的顾客调度策略相比,联合策略可使日均净收益提升10.37%~162.30%;与单独的员工调度策略相比,联合策略可使日均净收益提升15.34%.