<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城热点的探索与创新，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。
【背景】电气化公路作为一种新兴的低碳/零碳重卡运输系统，对实现交通领域“双碳”目标至关重要，但尚未有学者充分探讨其相对于其他重卡运输模式的经济性问题。【目标】构建不同模式重卡运输系统成本模型，从经济性角度推动重卡运输模式转型，促进公路交通运输的可持续发展。【方法】采用全生命周期成本法，综合考虑基础设施建设、车辆、电池更换、能耗及维护等成本，基于关键因素敏感性计算，分析不同模式重卡运输系统成本差异，揭示不同运营年限下各运输模式成本变化规律。【结果】随着运营年限的增长，电气化公路凭借持续降低的能耗成本和逐步摊薄的前期投入优势日益凸显，尤其在采用分段架设接触网方案时更能实现建设成本的有效控制。电价和电池单价对分段架设接触网方案成本影响较大，而油价波动对传统燃油方案的影响相比其他因素影响最为显著。【结论】随着化石能源成本的逐渐上升和电池成本的逐渐降低，采用分段架设接触网方案的电气化公路系统是降低碳排放和运输成本的最佳选择。
【背景】随着人工智能与物联网技术的深度融合，共享无人驾驶汽车正加速从实验场景走向城市交通系统，成为未来出行领域的重要发展方向，但在其高效运营和广泛推广的进程中，仍面临诸多挑战。【目的】针对共享无人驾驶汽车高速发展过程中面临的车辆资源与乘客需求分配不均等问题，提出了以社会福利最大化为目标的双向拍卖机制。【方法】构建基于混合“实时+预约”模式的共享无人驾驶汽车订单分配模型，设计时变评分函数以动态调整订单优先级，考虑供需情况制定支付规则以优化资源配置，引入滚动时域规划以缓解资源冲突，并结合改进遗传算法求解复杂约束下的最优匹配方案。【结果】数值实验表明，提出的混合“实时+预约”订单分配模型在实现最优社会福利值方面，分别优于实时机制与预约机制16.83%和51.87%，此外，改进的遗传算法在收敛速度与求解效率方面也优于传统遗传算法。【结论】研究表明，所提内容可以为共享无人驾驶汽车订单分配提供新的思路和方法，有助于提升平台资源配置效率和社会福利，推动共享无人驾驶汽车行业的快速发展。
【背景】现有共享泊位分配信息化平台对动态随机需求难以即时响应，鲜有针对用户需求差异化进行泊位分配，且平台收益具有一定优化空间。【目标】构建并求解考虑供需异质性的共享泊位滚动时域分配模型，优化停车资源配置及社会总效益。【方法】基于经典共享泊位分配模型框架，综合考虑停车供需异质性及低碳效益，制定“按需租用”策略，设计人工鱼群-遗传算法（Artificial Fish Shoal-Genetic Algorithm,AFSA-GA），利用Matlab进行数值仿真实验。【数据】重庆市沙坪坝区龙湖好城时光居民小区停车场总泊位数、空闲泊位数及其时空间特征。【结论】模型可实现泊位周转率近80%，用户接受率、请求时段接受率约90%，低碳收益占比约6.56%；与传统模型相比，可节省一定的车位租用成本，具有更高的系统收益，且泊位周转率与传统泊位分配模型相近；通过灵敏度分析发现，随需求量增加，收益先增后减，泊位周转率从剧增转为平稳，用户接受率、请求时段接受率降低速度逐渐加剧。【应用】该研究结果可为共享平台进行停车分配与管理决策提供理论参考。
【背景】城市公共交通站点空间布局的合理性对于改善城市公共交通服务质量、提高居民生活品质具有重要意义。然而，现有研究方法中较少分析居民出行全链条视角的站点可达性时态特性。【目标】从居民出行视角，研究衔接“站域-站间”出行链的公共交通多出行时段、出行时间阈值的站点可达性评价方法。【方法】首先，建立多出行时段、出行时间阈值情景下的公共交通出行累计机会值模型，从站域和站间两个层面定量评价站点的出发可达性和目的可达性；其次，设计站点吸引指数计算方法，用于表征公共交通多出行时段、多级出行时间阈值下站点可达性特征；最后，将站点吸引指数引入居民出行站点选择概率公式，并改进三步移动搜索法（3-Step Floating Catchment Area method,3SFCA），实现对公共交通站点时空可达性动态分布特征的多尺度分析。【数据】以烟台市滨海中路公共交通站点为研究对象，利用高德开放地图平台获取多时段公共交通出行数据。【结果】（1）不同出行时段、出行时间阈值条件下，滨海中路站点可达性时空分布差异显著，大体上呈现“T”字形的分布形态，沿海岸线向东西方向延伸，中段区域与莱山区方向站点之间的衔接较强；（2）从时空分布特征来看，公共交通站点各类可达性指标值均呈现明显的早晚高峰时段可达性较高的分布特征，对站点服务能力的依赖性较强；（3）基于供需平衡视角的空间可达性结果显示，站点供给与居民需求处于整体失衡的状态，而局部失衡主要集中于公共交通资源相对匮乏的东段。
【背景】现有的潮汐车道设置方法多针对平原城市，缺乏对山地城市复杂地形的特定考虑，并且大多侧重于单车道的控制优化，尚未充分探讨多条潮汐车道的协同控制问题。【目标】提出一种适用于山地城市的潮汐车道设置方法，通过优化车道位置选择、车道数分配和协同控制等，缓解潮汐现象引发的单向交通拥堵问题。【方法】在考虑道路条件和交通流量特征约束基础上，筛选出符合所有约束条件的路段作为潮汐车道设置的备选路段，以最小化路网总运行成本和优化流量分配为目标，构建了潮汐车道设置的双层规划模型，并通过遗传算法与Frank-Wolfe算法求解，确定潮汐车道的位置和车道数分配。然后，量化相邻交叉口的路径关联度，构建潮汐车道关联区划分模型，实现潮汐车道协同控制。【结果】对重庆某区域路网进行仿真分析，结果表明：潮汐车道设置后，方向不均衡系数降低了3.04%，饱和度降低了4.19%，有效缓解了潮汐交通造成的拥堵现象。【应用】本文提出的潮汐车道设置方法为山地城市的交通管理提供了理论支持，对优化路网运行效率具有指导意义。
【目标】为探究不同建成环境因子对网约车出行的交互影响，厘清影响显著因子对网约车出行空间分异性的影响。【数据】采用海口市滴滴出行数据和多源地理空间数据（Worldpop人口数据、路网数据、网格GDP数据以及POI数据），基于多源空间数据从密度、设计、多样性、公共交通近邻度、目的地可达性和社会经济属性6个维度构建建成环境指标。【方法】首先，运用最优参数地理探测器模型（OPGD）分析因子对网约车出行的独立和交互影响；随后，采用空间自相关和多尺度地理加权回归模型（MGWR）进一步识别工作日和周末不同时段建成环境对网约车出行的时空分异性。【结论】OPGD模型揭示了土地利用混合、人均GDP等对网约车出行影响较低，餐饮、居住区与其他因子交互能显著提高对网约车出行影响的解释力；MGWR模型识别显著影响因子对网约车出行影响存在明显的空间异质性。【应用】研究结果能够为城市管理和规划者提供建议，为优化网约车出行提供支撑。
【背景】快速、准确地识别交通扰动事件的严重程度及其潜在影响，是制定科学应对措施和优化调控策略的前提。然而，现有事件分级评价方法大多依赖于专家知识或人为经验，容易受到主观因素的干扰，限制了评价结果的客观性和有效性。【目标】解决现有交通扰动事件分级评价中主观性较强、自动化水平不足的问题，实现交通扰动事件影响后果的快速、客观分级评价。【方方法法】提出一种基于遗传算法的密度峰值聚类（Genetic Algorithm-based Density Peaks Clustering,GA-DPC）方法。首先，通过识别决策值斜率变化拐点，自动确定初始聚类中心和分类簇数量；其次，构建以最大化轮廓系数Silhouette Index(SI)为目标的优化问题，利用遗传算法求解最优截断距离；最后，基于最优截断距离迭代更新聚类中心和分类簇数量，得到最终聚类结果。【数据】利用公开数据集Spiral数据集、R15数据集和ThreeCircles数据集，以及仿真交通事故和真实降雨扰动事件数据集进行测试。【结果】GA-DPC在公开测试集上的SI值和Calinski-Harabasz(CH)值均优于ADPC、传统DPC、K-means和DBSCAN等聚类算法。在交通事故事件和降雨扰动事件影响的分级评价结果中，GA-DPC同样在SI和CH值上表现出更优的性能，验证了其在不同类型交通扰动事件分级中的有效性。【应用】GA-DPC为交通管理部门提供了一种基于数据驱动的分析工具，能够快速、客观地评估各类扰动事件对交通系统的影响程度，为资源调度和应急管理策略的制定提供决策依据。
【背景】随着低空经济的发展，低空空域正逐步成为城市交通变革的重要领域。无人机等新型交通工具在城市空间中的应用愈发广泛，但面临着路径规划、动态避障及多机协同等挑战。【目目标标】优化无人机路径规划算法，以增强无人机在低空复杂环境中的路径规划与避障能力、确保多无人机协同作业的高效性和安全性。【方法】引入N步更新策略与改进后的优先经验回放机制，提出一种基于强化学习的NP-MTDDQN算法。基于山东省济南市市中区的风流数据，构建包含多样建筑物和动态障碍物的三维低空环境，进行模拟实验以验证算法的有效性。【结果】三组对照实验表明，NP-MTDDQN算法在不同建筑物密度、不同优先级建筑物分布以及包含不同动态障碍物的复杂环境中，均能找到最优路径、区分建筑物优先级、识别并躲避动态障碍物，从而实现多无人机的协同作业。与传统的DQN和DDQN算法相比，该算法在路径规划的效率与准确性方面均有提升。【结论】NP-MTDDQN算法为低空智能交通网络中多无人机的路径规划问题提供了新的解决方案，有望提升城市空中交通的管理效率和响应速度。
【背景】汽车保有量的急剧增长导致城市交通拥堵和安全问题日益严重，城市快速路成为交通事故频发地，其交通事故发生率已经占城市公路交通事故的50%以上。【目标】为探究城市快速路上驾驶人状态变化、驾驶风格、驾驶风险程度之间的相互作用和关联机制，提出四种基于多源信息融合的驾驶风险辨识模型，辨识不同风格的驾驶人驾驶危险等级并寻找最优模型。【方法】以驾驶人生理、心理及车辆运行数据为基础，构建多源信息融合的驾驶数据集，首先使用皮尔逊相关性分析和K-means聚类得出驾驶人驾驶风格；其次通过熵权法并结合驾驶风格标签量化不同风格驾驶人的驾驶风险率；最后使用MLP、SVM、CNN、LSTM搭建四种驾驶风险辨识模型，采用模型性能评价指标选取最优模型。【结果】根据车辆运行数据将驾驶人驾驶风格分为保守、稳健和冲动型，基于驾驶风格结果将驾驶人风险等级量化为低、中、高三类；四种驾驶风险辨识模型中CNN-LSTM模型辨识效果最好，准确率为0.90，能有效辨识驾驶人风险等级；在城市快速路匝道入口、出口驾驶人车速平均变化率为22.14%、14.8%。【应应用用】研究结果可为城市道路交通安全管理和道路人因事故预防保障提供参考，更好地针对高风险驾驶人进行重点管理，后续可以结合驾驶人眼动数据进行进一步分析，提高城市道路运行安全。