创刊时间：2003
出版周期：季 刊
主管单位：中华人民共和国
主办单位：西南交通大学
主 编：刘晓波 贺正冰
邮 箱：jtt@swjtu.edu.cn
IS S N ：1672-4747
C N ：51-1652/U
影响因子学科排序：11/154
CI 学 科 排 序：31/154 所 属 分 区：Q1 复合类影响因子：2.479 复合类即年指标：0.574
城市道路交通网络作为城市运行的重要基础设施，在交通系统中发挥着不可替代的作用。然而，随着全球极端天气频繁发生，城市道路交通网络往往最先受到影响，如暴雨引发的严重内涝、洪水、地震等自然灾害能够广泛地对城市内部道路交通系统施加严重的破坏，从而严重地影响城市内部正常运转，造成大量经济损失、负面社会影响等。本文以非常规事件下的城市道路交通网络为对象，针对事件后恢复阶段的路网构建韧性评估框架，综合考虑维修调度成本、路段重要度，以及路网修复过程中用户的出行行为，建立了非常规事件下路网最优修复策略双层规划模型，并设计了基于修复重要度的大邻域搜索启发式算法求解模型。最后运用Sioux Falls道路网络验证本文所提方法的可行性与有效性，通过分析各维修方案在不同资源环境下的路网性能和路段流量变化，得出在确定资源环境下的最优维修方案。结果表明，在一定数量的维修队约束下，该模型得到的路网修复策略能最大限度地提升路网韧性，在修复过程中路网性能呈阶梯式上升。调度费用权重系数影响修复策略的制定，维修队数量为3，调度费用权重系数取值为0.50时，路网的恢复效果最好，韧性最高。本文所提出的方法不仅为实际修复方案制定提供理论支撑，还为管理者在非常规事件下的决策提供建议。
作为智慧交通发展的重要内容，车路协同技术通过人-车-路-环境之间实时通信主动感知交通安全风险，对预防道路交通事故具有重要作用。为了探究基于车路协同技术的道路交通安全研究进展，从车辆紧急碰撞与危险预警、车辆防追尾控制、不良驾驶行为分析、交叉口冲突分析及道路安全风险评估等方面概述了相关研究成果，梳理了相关研究方法、理论模型及系统架构，发现当前研究重点围绕微观驾驶行为建模和仿真评估、基于虚拟现实技术的驾驶模拟实践、多层次控制方法融合的评估与优化、安全场论视角下的道路风险评估等开展。通过梳理发现以下不足：首先，当前的碰撞模型构建过程存在一定限制，未综合考虑人-车-路-环境等关键特征要素，尤其基于驾驶人多维特征要素（如生理、心理、行为等）的碰撞风险建模不足，因此所建模型往往夸大或者低估实际风险水平，与此同时，多源信息获取与融合研究未充分考虑各种传感器和数据源的多样性，忽略了数据关联和权重分配的误差问题，尤其基于车载和路侧传感器融合的大范围道路交通信息感知研究亟待加强；其次，由于车路协同环境下驾驶人容易对自动驾驶系统产生过度依赖，从而丧失危险判断能力，目前研究缺乏对驾驶人判断决策变化机制、自动驾驶系统与驾驶人多模态交互机理、驾驶人安全接管可靠性评价的深入探讨；接着，对不良驾驶行为的研究尚缺少密集交通流条件下车辆集群间危险驾驶行为的量化分析，对车辆集群之间的交互作用和协同行为的研究亟待关注；最后，在交通冲突分析与安全风险评估方面，现有研究未探索一定时空范围多类型交通风险诱发与转化机理，基于多源交通风险叠加的道路交通安全量化评估仍是亟待解决的研究难题。综上，从感知融合、效能评价、集群分析、叠加量化等角度进行了未来展望，为车路协同环境下道路交通安全研究及技术应用提供参考。
模块车能通过中途分离与合并来调整车队容量、实现无缝换乘，兼具规模化与“门到门”灵活性优势，但其轻量化的电池设计也在一定程度上限制了车辆续航能力。为了探索模块车在需求响应公交中的应用，并解决车辆中途充电问题，本文建立了模块化需求响应公交路径规划模型，优化车辆路径计划、车队编组策略、车内换乘策略以及换电和机会充电计划。针对模型特征设计了改进的自适应大邻域搜索算法，根据各车辆路径之间需要进行编组和协同交互的特点，定制化设计了车队类修复算子和能源类修复算子等。使用安徽宣城的出行数据进行实验，结果显示：与传统公交相比，模块化需求响应公交系统使乘客总出行用时降低48.81%；与车辆单独运行的方案相比，车队编组方案能够使系统总成本平均降低13.24%；相比仅充电策略，充换电结合策略能在少量增加备用电池固定成本的情况下，使能源成本减少21.09%；此外，企业可以通过调整等待时间惩罚系数来平衡企业经营成本与乘客时间成本，达到动态最优。
可变线路公交可以在一定距离内偏离固定线路接送乘客，具有提高公共交通服务可达性的优势。然而，公交车过多访问非站点处的乘客，会增加车辆的行驶距离与时间，导致车内和站点等候乘客时间延误。因此，本文提出以浮动票价来调控乘客的接送需求，优化可变线路公交的固定站点个数、发车间隔和基础票价以实现单位时间内的社会福利（运营商利润和消费者剩余之和）最大化。首先，本文利用连续近似法分别在无财政限制（允许盈利赤字）和有财政限制（在财政补贴下确保运营不亏损）的情况下构建了最优化模型；其次，通过BONMIN求解器，求出无财政限制的模型的最优固定站点个数、发车间隔和基础票价；最后，通过对潜在出行需求、服务区域的矩形长宽比、票价调整系数及车容量等进行灵敏度分析，验证了模型的有效性。结果表明，单位时间财政补贴存在两个阈值。实例分析表明，对洛杉矶MTA 646路夜间公交分别实行统一票价和差异化票价时，潜在出行需求存在一个阈值。当潜在出行需求超过120人/h时，票价调整系数为1时对单位时间社会福利的优化度比票价调整系数为0.2、0.4、0.6和0.8时更高，约为1%。本研究为可变线路公交系统的服务设计与财政补贴计算提供了重要参考依据。
自动驾驶汽车需要具备预测周围车辆轨迹的能力，以便做出合理的决策规划，提高行驶中的安全性和舒适性。为了能准确地预测汽车行驶的未来轨迹，本文运用神经网络的方法，设计了一种基于改进Informer模型的多意图轨迹预测模型。该模型使用编码器-解码器结构，输入数据为交通场景中的历史时域信息，输出为车辆的多意图预测轨迹。模型的编码器使用交互信息提取网络，根据特征间的依赖关系提取车辆交互信息，解码器根据编码器的输出特征向量预测表征多种驾驶意图的多意图轨迹。通过使用真实高速公路轨迹HighD数据集对模型进行训练、验证和测试，试验结果表明，本文提出的多意图轨迹预测模型能准确地预测出目标车辆的未来可能轨迹，并且在预测精度上优于基于长短时记忆网络的轨迹预测模型，增加交互信息提取网络使模型预测具有更高的准确率，输出多条表征不同驾驶意图的轨迹有利于反映客观真实轨迹分布，提高车辆主动安全性。本文还进行了通过预测轨迹判断换道意图的补充实验，通过本文模型预测轨迹判断换道意图准确率在换道前3 s达到97%，从侧面反映出本文提出的模型预测轨迹的性能优异。
探究机场网络延误传播因果关系及获取因果时延效应对于剖析机场网络延误传播机理，提出机场网络延误应对措施具有重要意义。为科学、准确地挖掘机场网络延误传播因果关系，本文运用卷积神经网络的方法，提出了一种基于注意力机制的深度学习框架。该框架主要分为两个部分：基于注意力机制的深度可分离扩张因果卷积神经网络的因果关系探究和基于置换重要性方法的因果关系验证，并提出延误传播因果时延指数的概念，用以表征机场间延误传播所需要的时间步长（本文中的1个时间步长等于1h），进而构建了机场网络延误传播因果时延效应网络图。为进一步验证所提方法的有效性，选取我国2019至2020年夏秋和冬春航季的国内离港航班运行数据进行实例分析，实验结果表明，我国机场网络中存在广泛的延误传播因果关系，且夏秋航季中的因果关系多于冬春航季。在延误传播中，机场的重要程度与其规模并不完全一致，大多数延误传播因果关系中的“因”机场主要为我国中小型机场，应重点关注该类机场的延误治理能力提升。此外，针对延误传播因果时延效应，我国夏秋（冬春）航季机场对之间延误传播的平均时延指数约为4.5(5.6)个时间步长，这表明夏秋（冬春）航季中“因”机场的延误将在4.5(5.6)小时内传播至“果”机场，“果”机场可根据时延指数及时调整机场运行管理措施以应对“因”机场带来的延误，防止大面积航班延误的发生。综上，本研究可为航司、机场、管制等部门在减少延误、提高民航运行安全与效率方面提供相应的决策支持。
针对危险品运输车辆路径优化问题，本研究基于运输公司多车辆服务全部客户的现实需求，通过多智能体系统提高车辆之间的协同效率，以不同权重的旅行时间和安全风险最小为运输路径优化目标，同时兼顾时间窗、载货量等约束，构建多智能体强化学习模型，并采用元强化学习方法，建立更具泛化能力的元模型。将不同权重下的危险品运输问题抽象为带时间窗的多车辆多行程运输路径优化子任务，利用深度网络模型的不同嵌入层刻画子任务的高维特征。通过有效结合元学习Reptile算法思想与滚动基线方法训练元模型，前者增强了优化方法对不同子任务的适应性，后者则通过贪婪地选择具有最大概率的动作提高了优化方法在各子任务求解计算中的灵活性。实验结果表明：本文采用的多智能体元强化学习方法相对于迁移强化学习方法，在非支配点数量和超体积两个指标上，分别提升了12%和22%，说明其更接近帕累托最优解；而在不同解码方法中，集束采样方法更具优势。
本文深入研究了换挂模式在公路卡车货运中的应用，通过卡车间的挂车交换，有效减少卡车空载现象，进而降低运输总成本。为了探讨卡车个体特征对换挂模式的影响，基于一般换挂模式扩展了受限换挂模式，并构建了两种模式下公路卡车货运优化问题的混合整数线性规划模型。该模型旨在最小化卡车的总成本，包括卡车运输成本和货物延迟送达惩罚成本。鉴于原模型无法在可接受的时间内求得问题最优解，引入两个辅助参数，将原模型转换为纯整数规划模型。然而，受限换挂模式下的卡车个体收益四维约束求解难度依然很大，因此，基于卡车潜在换挂节点集和节点潜在换挂卡车集的分析，对卡车个体收益约束进行了拆分和删减。实验结果显示，相较于传统模式，一般换挂模式和受限换挂模式在降低总成本、减少油耗、降低卡车空载率、缩短行驶时间方面均取得显著效果，具体地，两种模式分别使总成本平均降低28.3%和25.1%，油耗减少33.3%和29.7%，空载率下降33.1%和29.4%，行驶时间缩短35.0%和27.6%。然而，换挂模式在货物时效性方面略显不足，延迟送达率平均为15.4%和12.9%。此外，一般换挂模式下，部分卡车的行驶时间会略微延长，平均增长率为7.4%。最后，卡车空载系数灵敏度分析结果显示，在不同系数下换挂模式的性能仍然显著。
本文提出了考虑汽车流冲突的汽车滚装码头泊位分配问题。首先，定义汽车滚装码头前沿的汽车流冲突情况，引入冲突惩罚时间系数，量化汽车码头前沿汽车流冲突惩罚时间，建立允许发生汽车流冲突和不允许发生汽车流冲突的两种以最小化船舶总工作时间为目标函数的混合整数规划模型。其次，根据滚装船和汽车流的对应关系，设计滚装船-汽车流多层对应编码的遗传算法和基于规则策略的解码算法。然后，生成4组不同规模的测试算例进行数值实验，根据实验结果确定遗传算法的相关参数。在小规模算例下，遗传算法的最优解与CPLEX精确解之间的差距小于1%；在大规模算例下，遗传算法的最优解明显优于基于经验排班的策略解，进而验证本文提出的模型正确性和遗传算法的有效性。最后，在两种冲突策略的场景下对冲突惩罚系数进行敏感性分析，结果表明当冲突惩罚系数低于0.5时，两种策略的目标函数值有明显偏差，汽车滚装码头制定泊位分配计划时应该考虑汽车流之间冲突情况的影响。
为解决自动化集装箱码头的自动导引车（Automatic Guided Vehicle,AGV）调度模型中传统数学模型难以实时可视化调度和仿真模型内调度策略效率难以提升的问题，本文在建立的仿真模型和运筹规划模型的基础上研究了深度强化学习算法与AnyLogic自动化集装箱码头仿真模型交互的路径方法。随后，利用自动化集装箱码头进口箱仿真模型低任务产生率情况下AGV作业数据训练深度强化学习算法的网络模型，再将其加载在高任务和低任务产生率仿真模型中进而实现了对模型中AGV高效的作业调度，有效地突破了AnyLogic系统内策略效率难以提升的瓶颈和系统外CPLEX工具求解运筹规划数学模型时难以处理大规模数据、求解过程繁杂的局限。实验结果显示，深度强化学习DDQN算法在低任务产生率仿真模型中前端堆场的AGV作业调度中效率相较于AnyLogic系统内自定义表现最好的策略和系统外CPLEX求解的策略分别平均提升522 s和1 604 s，在高任务产生率的自动化码头仿真模型前端和后端堆场AGV作业调度中相较于系统内自定义策略平均提升了3 000 s。深度强化学习算法与AnyLogic仿真模型交互的路径方法不仅实现了可视化的实时动态调度，而且提升了AGV作业调度效率和整个自动化集装箱码头仿真模型的效率。
我国刚刚正式迈入深度老龄化，老年友好型社会仍处于探索建设阶段，为弥补建成环境、心理状态、社会交往交互作用下对老年人休闲散步意向影响研究不足，本文选取60岁及以上老年人为研究对象，通过问卷调查获取数据，构建包含建成环境要素（可达性、道路质量、安全性）、心理状态因素（态度、主观规范、感知行为控制）及社会交往的结构方程模型，探究三者交互作用下对老年人休闲散步意向的影响研究，包括建成环境要素、心理状态因素及社会交往对老年人休闲散步意向的直接影响，以及建成环境要素通过心理状态因素和社会交往对老年人休闲散步意向的间接影响。基于路径假设结果中的标准化路径系数发现：可达性（0.099）、道路质量（0.079）、态度（0.318）、主观规范（0.089）、感知行为控制（0.312）及社会交往（0.150）对老年人休闲散步意向有直接显著影响，安全性未产生直接影响；可达性通过态度（0.075）、主观规范（0.016）、感知行为控制（0.055）及社会交往（0.029）对老年人休闲散步意向有间接显著影响，道路质量通过态度（0.039）、主观规范（0.015）、感知行为控制（0.028）及社会交往（0.020）对老年人休闲散步意向有间接显著影响，安全性未通过心理状态因素和社会交往产生间接影响。研究结果可为建成环境和社会-心理因素干预下老年人休闲散步方面研究提供理论依据，在保障老年人休闲散步出行顺畅和老年友好型社会建设方面具有指导意义。
高速公路瓶颈处极易因通行能力受限而诱发交通拥堵，进而导致通勤时间延长、燃料消耗增加、驾驶舒适性降低，尤其是在连续多瓶颈处，更容易对道路网络造成连锁反应而大范围增加事故风险。既有拥堵控制策略聚焦于孤立瓶颈处拥堵消除，通过对多个瓶颈路段实施多个孤立瓶颈控制策略，由于控制策略间交通状态与控制参数缺乏协同，致使控制效果受限，且极易因策略协同失衡导致更为复杂的交通拥堵。本文提出一种基于模型预测控制方法的连续多瓶颈拥堵消除的协同可变限速控制策略：首先，针对连续多瓶颈主动管控场景改进元胞传输模型，以模拟高速公路多瓶颈生成、通行能力下降、随机交通流波动和可变限速控制状态与效果；其次，基于拉格朗日坐标系改进LWR模型，以精准预测交通拥堵场景下的交通流随机状态；再次，构建以多瓶颈路段总体交通运行状态作为输入的可变限速控制策略，并采用反馈式控制框架协同多瓶颈可变限速控制策略；最后，通过构建仿真实验测试了所提出控制策略消除连续瓶颈处拥堵的控制效率，并与其他控制策略进行了效果对比。实验结果表明，本文所提出的协同可变限速策略可有效消除连续瓶颈的多处拥堵，且控制效果显著优于其他控制策略，车辆总行程时间和总延误时间分别降低21.3%和70.6%。
为提高驾驶员泊车效率，本文考虑不同停车库占用率下的停车库运营者及驾驶员泊位分配需求，构建大型停车库泊位分配模型。本文引入停车库占用率将停车库空满等级划分为空闲泊位充裕时段、空闲泊位适中时段、空闲泊位紧缺时段，综合考虑停车库运营者运营管理需求与驾驶员快速寻泊需求，以寻位行驶时间、离开停车库行驶时间为参数构建运营管理时间效用函数，以寻位行驶时间、停车入位耗时、步行时间为参数构建驾驶员泊车耗时效用函数；将运营管理时间效用与驾驶员泊车耗时效用加权统一为总时间效用，以总时间效用最大化为目标，建立兼顾停车库运营者及驾驶员泊位分配需求的泊位分配模型；引入泊位利用率、停车总耗时量化模型性能。以西安市某大型商业停车库为例，选取9:00、11:30、13:00表征空闲泊位充裕、空闲泊位适中、空闲泊位紧缺时段进行泊位分配。不同停车库空满等级下，停车库内空闲泊位的总时间效用与停车总耗时均呈负显著相关，其中，空闲泊位充裕时段，停车库内空闲泊位的总时间效用与停车总耗时的相关性最弱，相关系数为-0.461；空闲泊位紧缺时段，停车库内空闲泊位的总时间效用与泊位利用率呈正显著相关，相关系数为0.710。研究表明本模型可在优选停车总耗时较小泊位的基础上，为停车高峰时段预留利用率较高的泊位，提高空闲泊位紧缺时段的泊车效率及驾驶员的泊车满意度。
城镇化、机动化的持续快速发展催生了城市停车问题，为缓解日益严峻的停车窘境，共享停车应运而生并受到广泛关注与研究。为弥补经典共享泊位分配模型对用户停车成本刻画及用户效益评价的缺失，基于共享停车既有研究及调研数据，构建共享停车选择意愿结构方程模型以分析用户偏好，标定结果显示：模型识别出停车费用、步行距离、违停罚款、寻停时间四类停车偏好，且路径系数依次降低。将结构方程模型识别结果及路径系数作为用户停车成本建模的依据，以经营平台收益与用户停车成本的差值表示系统效益，将系统效益最大化作为优化目标，综合泊位时空间约束，提出考虑用户偏好的停车场共享泊位分配模型。设计随机生成分配方案的蒙特卡洛算法，定义平台让利程度以评价用户效益。数值算例表明：设计的蒙特卡洛算法能够有效求解模型，在模拟次数约10000次后得到系统效益最大值；考虑用户偏好的停车场共享泊位分配模型能够将用户效益提升约7.5%，为共享经营平台权衡自身收益及用户效益提供一定的理论参考。
<正>《交通运输工程与信息学报》为季刊，每季末月20号出刊，主要关注交通运输系统（包括道路、铁路、航空、航海等各种交通方式）运营管理与信息化相关创新理论方法研究。尤其鼓励面向国家重大需求与领域热点的探索与创新，如:国家综合立体交通网、交通强国、川藏铁路、碳中和与碳达峰、自动驾驶、大数据与机器学习等。本刊采取双盲审方式审稿，审稿人从以下几个方面对稿件打分:(1)研究内容（参考国内高水平期刊):创新价值、方法先进性、论证充分性;(2）文字表达:论文题目、中文摘要、英文摘要、文献综述、研究动机与贡献、文字表述。本刊编辑部本着严谨的科学态度认真对待每一份投稿，力争在两周内完成一轮审稿（请及时查询)，并给出处理意见和建议。