网络首发
考虑步行寻车的巡游网约并存出租车市场建模
刘天亮;卢飞宇;王皓;【背景】网约车与巡游车并存已成为城市客运交通的典型形态，构建二者的竞争模型有助于系统解析混合市场的内在机理与互动关系，并为出租车行业的规制与发展提供理论依据。然而，现有研究普遍忽略了乘客在实际场景中通过步行搜寻巡游车的行为，导致模型与现实之间存在一定偏差。【目标】针对这一研究空白，构建一个综合考虑乘客步行寻车行为与网约车司机工作时长决策的出租车市场集计模型，系统分析巡游车与网约车双模式服务的供需互动与市场竞争机制。【方法】基于供需均衡框架构建出租车市场集计模型，引入Cobb-Douglas匹配函数描述司乘双向搜索。通过数值算例求解均衡结果，并开展参数灵敏度分析。【结论】忽略步行寻车行为会显著高估乘客未被服务时间，偏差将随其关于等待时间的弹性减小和步行成本增加而增大；巡游车市场份额在运力充足时将被高估，运力不足时则被低估。此外，网约车司机自主决策工作时长时，“无效追逐”（WGC）现象仍然可能存在，但提高司机分成比例有助于改善网约车的供给效率，从而削弱这一现象。【应用】通过将乘客步行寻车行为引入建模框架，有效修正了传统模型中乘客未被服务时间与市场占有率估计的系统性偏差，提供了更贴近现实的理论模型，对政府制定运力调控、平台佣金监管等政策具有参考价值。
多日观测下准稀疏两阶段随机规划OD估计
代晓敏;刘清亮;江沙沙;【背景】链路观测有限使OD估计具有高度欠定性，日间波动、异常观测及先验偏差易放大噪声并诱发OD结构漂移，降低估计结果的稳定性与结构可解释性。【目标】面向多日观测条件，实现平均—日度OD协同估计，并稳健识别关键OD结构。【方法】构建准稀疏两阶段随机规划OD估计模型(SP-QSOD)，以跨日共享的平均OD为第一阶段结构锚点，以日度OD为第二阶段追索变量，联合利用K日观测；通过对先验修正、日间偏移和观测残差施加三类L1约束，并采用样本平均近似将模型转化为确定性线性规划求解。【数据】在SiouxFalls路网构建基准、重尾异常、映射误差、先验偏移和小样本五类场景，并与普通最小二乘(OLS)、广义最小二乘(GLS)及确定性准稀疏OD估计(D-QSOD)进行对比。【结果】相对先验OD，SP-QSOD在映射误差(S2)、先验偏移(S3)与小样本(S4)场景下的平均OD RMSE改善率分别为21.5%、22.5%和16.8%；以非显著OD为正类时，对应的F1non-sig分别为0.80、0.82和0.84，五类场景(S0–S4)下Accuracy稳定在0.71–0.75。扩展实验表明，该方法在更一般映射设定下仍保持较稳定的结构识别表现，并可迁移至更大规模路网。【结论】两阶段均值锚定—日度追索框架与准稀疏正则的耦合，可在映射误设、先验偏移与小样本等条件下抑制噪声放大，在估计精度与结构可解释性之间取得稳健平衡。【应用】适用于检测器布设稀疏且先验OD或OD–链路映射可能存在偏差条件下的OD推断与交通规划评估。
考虑运营商与用户协同参与的共享汽车调度机制及优化策略
王栋;张倩男;张雪;商晓婷;【背景】随着城市化进程加快与机动车数量持续增长，交通拥堵与出行资源错配问题日益严峻。单向共享汽车作为一种集约化出行方式，虽有助于缓解交通压力，却常因其灵活性而导致车辆供需失衡。【目标】针对单向共享汽车供需失衡问题，提出一种融合运营商调度与用户调度的协同调度策略，旨在提升共享车辆利用率与运营商收益。【方法】构建包含步行、私家车及共享汽车的多模式用户均衡模型，分析双方调度行为的交互机制。在此基础上，建立以运营商收益最大化为上层目标的运营商主导模型，下层基于用户均衡优化调度与定价；通过设计调度触发机制，实现运营商与用户调度的动态协调，并探讨收益与调度成本之间的权衡关系。针对模型中的双变量优化问题，提出基于路径交换的二维搜索算法（RSBTDS）进行求解。【结果】数值算例表明，所提出的协同调度策略可使共享汽车利用率提高约29%，运营商收益提升27.3%。【结论】该调度策略可为共享汽车系统的调度优化与资源分配提供理论依据与管理参考。
不同万吨编组列车空气制动特性对纵向动力学性能影响
周占松;王馨悦;王开云;【背景】空气制动系统仿真对万吨编组列车纵向动力学研究至关重要。【目的】本文旨在优化列车编组和司机操纵，提升万吨重载列车纵向动力学性能。【方法】针对我国货运列车常见的万吨列车编组形式，基于气体流动理论，考虑制动机结构以及控制原理，建立了万吨编组列车的空气制动仿真模型。模型中考虑管道气体流动、制动机中各阀体的作用机制及副风缸、加速缓解风缸、紧急风缸和制动缸等腔室结构。基于该模型仿真计算了常用制动、全制动及紧急制动下的列车空气制动系统特性，进一步对比分析了不同空气制动下的万吨重载列车纵向动力学特性。【结果】制动缸稳态压力随减压量增大而增加，紧急制动压力上升速度显著快于全制动；制动缸出闸延时随车辆位数近似线性增长，C80编组列车的制动与缓解时间均最短。【结论】纵向动力学性能对比表明，C80编组的车钩力与加速度指标最小，纵向冲动性能显著优于C64和C70E编组列车。
高速公路交通风险多因素叠加作用与特征解析
黄磊;郭淼;姚莹;秦雅琴;苏雨欣;【背景】交通事故发生的过程中多种风险因素之间的关联关系十分复杂，当多个风险因素同时叠加时，会由于要素间相互作用而形成“叠加效应”，增加交通事故风险评估的复杂性。【目标】为了解析交通事故风险影响因素之间的叠加关系，构建叠加模型对不同动态交通风险因素进行评估，旨在发现多维风险因素之间的叠加作用。【方法】首先对动态的交通风险源进行量化与标准化处理，然后根据广义自回归条件异方差（GARCH）识别的风险序列波动性与风险价值（VaR）的关系，构建GARCH-VaR模型，通过评估每一种风险的VaR序列，分析各个风险因素之间的叠加作用。【数据】采集高速公路部分路段的交通量、内侧车道速度、车道速度差、温度、降雨量、日最大风速、日平均风速、能见度以及交通事故等数据，构建多维动态风险数据库。【结果】研究表明，在进行叠加风险评估时，各个风险因素之间的叠加效应较为复杂，风险的大小并不随着风险因素叠加数量的增多而增加，它们之间的关系不是简单线性关系，而是存在一定的协同或抵消关系。【应用】在道路交通事故风险管理中，针对不同的叠加场景需考虑风险因素的复杂关系来制定综合的风险管理措施，提高道路交通安全水平。
基于改进聚类算法的大规模货车组队规划
戴宇航;张逸骥;卿三东;甘蜜;【背景】公路货运在我国物流体系中长期占据主导地位，是经济健康发展的重要支撑，同时也是国家“双碳”目标背景下交通运输领域节能减排的关键环节。【目标】针对公路货运运营主体分散、运输任务以单车运行为主、协同调度能力不足等问题，引入货车组队技术以提升运输组织效率，构建非固定路径条件下的货车计划组队成本最小化规划模型，实现系统层面的降本增效与节能减排。【方法】在模型构建层面，不仅将燃油成本、人工成本及超时惩罚纳入综合优化目标，还创新性地引入了“首车激励”机制以提升承运人的组队意愿；模型同时精细刻画了绕行决策、硬时间窗、多速度行驶策略及车辆异质性等现实运营特征。在求解算法层面，针对大规模规划难题，设计了一种契合货车组队时空特性的谱聚类算法；通过耦合可绕行边筛选技术与大M值收紧策略，有效削减了低质量组队组合，从而在保证解质量的同时显著提升了大规模场景下的求解效率。【结论】在标准网格路网与四川省高速公路网络场景下，对500辆和2000辆货车开展数值实验，结果表明所构建模型可实现8%以上的运输成本节约，最高达11.27%，且所用算法在节能效益和计算效率方面均优于基于时空分布相似性的传统聚类方法。敏感性分析结果显示，车队规模、起讫点聚集程度及时间窗宽松度对货车组队效益具有显著影响。【应用】提出的货车计划组队理论与方案求解算法可为我国大规模路网下货车组队规划及智慧物流系统设计提供理论参考与数据支撑。
面向路网监测的无人机配置与调度协同优化方法
邵悦;赵靖;林瑜;魏健洛;MALENJEJairus Odawa;【背景】传统路网监测方法易受时空因素影响，而无人机的快速发展为交通路网监测提供了新的视角。【目标】在无人机路网巡检过程中，环境状态不确定会影响无人机执行任务效率且监测需求不确定对系统效率构成主要挑战。为实现经济高效的路网监测，需在无人机配置与调度之间达成多目标协同优化，实现经济高效的总目标。【方法】本文基于分布式鲁棒优化（DRO）框架，通过状态模糊集刻画监测需求的不确定性，反映需求随环境状态变化的分布特征，构建两阶段状态描述模型。运用嵌套Benders分解算法拆分模型，进行对偶简化，求得在最坏情况下第二阶段的主问题与子问题最优解。【数据】采用上海市杨浦区20个主要路网节点及2001年至2020年的对应节点降水量数据，构建场景模型与状态模糊集，并对模拟算例与真实算例（杨浦区重要路网）进行数据模拟与分析。【结果】数值结果表明，所提出的DRO模型相较于传统SAA模型、OR模型能有效降低系统惩罚成本，在不确定性条件下保持解的稳健性，实际应用中能够应对各种不确定性带来的风险。
考虑图特征的时空交通需求集成预测模型
游欣;甘蜜;张义萌;蔡信豪;程靖怡;【背景】交通需求预测对于交通基础设施规划和资源分配至关重要。在时空需求预测中，模型性能在不同站点和时间段之间差异较大，因此在时间和空间维度上实现稳定精准预测构成了挑战。【目的】实现模型跨场景直接部署，提升预测模型在不同时空场景的实用性，以减少预测不确定对未来决策的影响。【方法】首先，提出了考虑图特征的时空交通需求集成预测模型（ST-SGAT），采用堆叠的集成学习策略融合不同的基模型和图注意力网络（GAT），ST-SGAT将长短时记忆网络、梯度提升决策树、多层感知机作为基模型捕获时间特征，并利用GAT对空间相关性进行编码，自适应分配关联权重，从而实现时空交通需求的稳健建模。随后，通过删除ST-SGAT的特定组件实现消融实验，系统分析各组件的贡献度与协同效应，并引入降水量作为外部特征，进一步探究模型在常规与突发气象场景下的鲁棒性与特征利用能力。【数据】研究数据来源于纽约市424个地铁站点688天的每小时客流量数据，预处理后生成2 h、3 h、6 h、12 h、24 h等多时间粒度数据集。【结论】ST-SGAT模型在交通时空需求预测中综合性能最优，时空适配性突出。时间维度上，于小时级至日级多粒度数据及工作日、周末数据中均展现最优综合预测精度；空间维度上，可自适应适配不同站点类型，泛化能力强。集成框架能够实现多组件协同互补，使模型在跨粒度、跨站点、跨时间类别的多场景中持续保持优异性能。同时，模型在常规与突发降水场景下均表现出更强的鲁棒性与特征利用稳定性，满足实际交通的多样化预测需求。
基于多智能体仿真的共享自动驾驶汽车对公交运营影响
郝峰;王亚宁;刘亚超;张瑾;霍月英;朱援;【背景】随着自动驾驶技术的迭代与成熟，共享自动驾驶汽车（SharedAutonomousVehicles，SAV）未来将成为一种重要出行方式，SAV出行相较于常规公交出行更加便利和舒适，然而SAV的投放会对常规公交运营产生影响。【目标】探究SAV的车队规模、合乘策略及定价对公交的运营影响，为未来SAV 在国内的规模化营运提供具有针对性的科学依据。【方法】研究以呼和浩特市为例，整合高精度GTFS（General Transit Feed Specification）公交数据及全市居民出行链，构建基于MATSim多智能体的SAV与常规公交运营仿真模型，模拟不同SAV车队配置与常规公交的动态交互。【结果】研究结果显示：随着SAV车队规模扩大到3至4万辆，SAV分担率超过51.5%，但公交的基础需求仍保持稳定；SAV引入合乘方式后，SAV车辆行驶里相较于非合乘方式平均缩减43.00%；在合乘方式下，当公里单价维持在1.0至1.5元/km范围内，同时车队规模控制在3万辆至4万辆的区间内能将新增加车辆有效转化为“座位供给”，可以获得更高的合乘效率，缩短公交和SAV乘客等待时间，并减缓公交运行压力，与公交形成互补，同时避免了低定价和高定价带来的过度合乘及乘车抑制情况的发生。【应用】本研究结果为探索城市交通中SAV投放策略与定价机制提供理论依据。
面向高价值货物的无人机配送网络鲁棒规划
施浩然;蹇明;吴玥含;【背景】在低空经济持续发展的背景下，无人机依托其高机动性的优势，逐步应用在应急救援及高价值货物的配送任务中。然而，现有研究多聚焦于微观路径规划，针对设施布局、干线飞行速度与风险控制等要素协同优化的宏观网络设计研究尚不充分，且对时效-风险的非线性耦合机理尚缺乏深入探讨。【目标】旨在构建一个结合设施选址与网络规划的集合模型。该模型刻画了飞行速度与失效风险的耦合关系，并将由货物价值波动带来的风险敞口，纳入无人机高价值货物配送网络的规划决策过程。【方法】在混合整数线性规划框架下，将选址、分配与干线速度联合起来决策，并在目标函数中显式表征速度选择与风险损失之间的关联，以反映时效性与风险之间的权衡关系。模型引入预算式鲁棒优化方法，通过鲁棒预算参数对由货物价值波动带来的风险敞口进行调节约束，以便在统一框架下刻画运行决策与参数不确定性的耦合关系。【结果】数值实验表明，混合速度策略能够有效应对局部供需刚性约束，并量化刻画了以配送时效换取风险缓释的权衡机理。外样本蒙特卡洛检验显示，鲁棒方案在名义成本平均增加约0.33%的基础上，在约85%的随机算例中改善了尾部风险暴露水平，且高分位损失的平均降幅约为4.5%。【应用】所构建的鲁棒优化框架深入剖析了速度调节与设施布局在风险控制中的协同机制，能够为复杂空域环境下高价值货物无人机配送网络在时效、风险与成本间的多维权衡，提供科学的决策支持。