网络首发
面向能源自洽的高速公路智能网联基础设施源荷协同优化
马晓磊;赵嵘佳;陶砚盟;马文昕;朱兴一;【背景】随着高速公路智能网联应用场景的不断拓展，路侧单元（RSU）、边缘计算设备等基础设施规模持续增长，运行能耗显著上升。与此同时，路域振动能、温差能、气流能等高熵能源具有来源广、分布散、波动大的特点，亟需通过协同优化提升其利用效率。【目标】提出一种面向高速公路智能网联基础设施的源荷协同优化方法，以提升系统能源自洽能力。【方法】需求侧结合车辆泊松到达与聚类行驶特征，构建RSU部署与动态功率控制模型。供给侧则建立多源高熵能源捕获装置双目标部署模型，以能源自给率最大化和系统总成本最小化为优化目标，刻画负荷需求与能源出力之间的时空耦合关系。【数据】以成南高速既有智能网联示范路段和新建高坪段为案例，结合交通流、车辆运行速度、气象条件、道路结构和能源捕获装置输出数据，对所提模型进行验证。【结果】既有场景下，动态调节RSU通信范围可实现26.2%的能耗节省，系统能源自给率达75.6%。新建场景下，协同优化RSU布设间距与通信范围可节能29.5%，能源自给率达71.7%。敏感性分析确定在购电电价合理波动范围内，系统能源自给率仍可维持在60%以上。结果表明，交通流驱动的RSU动态功率控制可有效降低运行能耗，多源高熵能源协同部署可进一步提升路域能源自给能力。【应用】研究结果可为高速公路智能网联设备的节能降耗与本地供能协同优化提供决策参考，并为可再生能源时空分布不均条件下交通基础设施的多源协同供能与低碳运行提供理论依据和技术支撑。
动车组交路、灵活编组与乘务交路联合优化方法
刘宗贤;何世伟;迟居尚;蒿泰宇;赵日鑫;【背景】在运行图和预测需求已知条件下，动车组交路、灵活编组与乘务交路强耦合，分阶段编制易造成车辆接续、编组转换和乘务覆盖不协调。【目标】面向运行图和预测需求已知的计划编制场景，研究动车组交路、编组状态和乘务覆盖的联合优化问题。模型同时考虑短编、重联和长编状态转换，以及换编能力、库存容量和乘务覆盖约束。【方法】构建含短编、重联和长编状态的车次时空状态网络，建立耦合编组选择、车辆状态弧流、换编能力、时变库存和乘务候选列选择的双目标0-1混合整数规划模型，并采用Gurobi ε-约束法与FS-NSGA-Ⅱ-MEA算法求解。【结果】中等规模算例中，Gurobi构造基准非支配前沿；重复运行表明，FS-NSGA-Ⅱ-MEA较普通NSGA-Ⅱ可行解获取更稳定。大规模算例中，算法获得满足关键约束的可行近似解集。【结论】在确定性需求条件下，所建模型能够同时描述动车组交路、编组状态转换和乘务覆盖之间的关联关系，所设计算法可用于较大规模算例的可行方案搜索。
轴辐式模块化车辆线路设计和编组策略优化
王之勉;安琨;马万经;【背景】模块化自动驾驶车辆（Modular Autonomous Vehicle， MAV）可通过模块化编组灵活调整容量并实现车内换乘，既能独立响应分散客流的“第一公里/最后一公里”出行，也能编组承担中长距离运输任务，构成高效灵活的轴辐式公交系统。【目标】为缓解传统地面公交供需动态匹配难、服务效率低等问题，提出一种基于MAV的轴辐式公交系统设计方法，实现干线线路规划、换乘枢纽选址、干线编组与客流分配策略的协同优化。【方法】构建两阶段规划框架：第一阶段基于客流空间分布优化干线站点选址与线路规划，采用拉格朗日松弛算法高效求解；第二阶段结合客流时间分布优化MAV在干线走廊的运营编组策略。【数据】基于上海市杨浦区路网的出租车订单数据进行数值实验。【结果】所提出的拉格朗日松弛算法将第一阶段模型计算时长缩短约70%，且目标值与最优值的偏差控制在1%以内；规划所得公交线路与客流需求分布高度匹配，超过80%的订单通过合乘模式完成，显著降低了运营成本并提升了运输效率。【应用】通过降低站点与编组运行成本，有望进一步提升服务效果，可推广至不同城市规模与路网结构，为城市公交系统升级改造提供新思路。
双维场景分类下无人车集群调度特征优化方法
韩旭;李泓明;贾宁;张港帅;周庆;【背景】交通运输系统的标准化建模是实现多交通场景无人化作业协同管控的核心基础，地面无人车集群作为多类型交通系统智能运营的核心载体，已在城市物流、港口运输、矿区作业、应急救援等领域得到广泛应用，然而现有调度模型多为单一场景定制，特征提取依赖人工经验，导致跨场景复用难、建模成本高。【目标】针对上述问题，提出一种双维场景分类下的无人车集群调度特征优化方法，旨在通过标准化场景划分、特征量化映射与自动化降维，解决传统调度建模的短板。【方法】首先，以“环境结构化程度”和“系统动态不确定性”为两个核心维度构建双维场景坐标系，前者表征交通系统空间约束的确定性，后者表征外部扰动的随机性，二者相互正交，可将复杂多样的现实作业环境标准化为八类典型交通系统场景；其次，梳理并量化包含任务需求、环境约束、交通管制与低碳约束三个维度的初始特征池，建立交通系统物理约束与调度特征之间的标准化映射机制；最后，设计融合ReliefF快速初筛与随机森林递归细筛的两阶段特征选择算法，以综合调度成本为监督标签实现自动化降维，实验结果表明，该方法能精准识别不同交通系统的核心变量，显著压缩特征维度，与传统全特征建模相比，不仅显著提升了系统任务按时完成率与单位交通运营效率，同时有效抑制了无效交通扰动。【结论】提出的双维场景分类下的无人车集群调度特征优化方法，克服了传统调度模型的单场景局限与人工特征依赖瓶颈，为异质交通场景下无人车集群的自适应调度提供了标准化的降维建模方案。【应用】可广泛适配城市物流、港口运输、矿区作业、应急救援等多类实际交通场景，为地面无人车集群的标准化建模、智能调度与协同管控落地提供技术支撑。
风险感知引导的自动驾驶行为决策方法
刘宗石;包璟珏;邹国建;王挺;李晔;【背景】复杂交通环境具有多车交互强、道路边界约束明显和交通状态动态变化等特征，对自动驾驶行为决策的安全性和稳定性提出了更高要求。现有行为决策方法仍存在安全约束不足、探索效率较低以及高层决策与底层控制耦合不充分等问题，影响决策策略的安全性、稳定性和可执行性。【目标】提升自动驾驶车辆在复杂交通场景中的安全决策能力、策略学习效率和轨迹执行稳定性，使决策策略能够在满足实时性要求的同时兼顾行驶安全与控制平顺。【方法】提出一种风险感知引导的自动驾驶行为决策方法，将行为决策建模为受约束马尔可夫决策过程，结合深度强化学习、模型预测控制与风险势场知识，构建基于理想预测轨迹和安全预测轨迹偏差反馈的策略约束机制，并设计概率干预机制修正训练早期的高风险动作。【结果】在高速巡航、匝道汇入和环岛场景的实验结果表明，相较于各类基线算法，该方法具有更高的任务成功率、更稳定的速度控制能力和毫秒级单步计算时间，表现出更好的安全性和实时性。【结论】风险感知引导、轨迹偏差反馈与概率干预机制能够形成有效协同，使底层安全校正信息反向约束高层策略学习，从而提升自动驾驶行为决策的安全性、行驶稳定性和策略泛化能力。
定制公交潜在用户识别与转化研究现状与展望
杨超;董文韬;俞诚成;袁泉;【背景】在城市公共交通由供给扩张转向存量优化与需求激活的背景下，定制公交因兼具公共交通的集约属性与个性化服务的灵活特征，正成为多模式公共交通体系的重要补充。然而，定制公交由潜在需求走向真实客流的关键瓶颈，在于潜在用户转化机制薄弱。【目标】围绕定制公交由潜在需求识别走向真实客流形成过程中的关键断点，本文系统梳理定制公交潜在用户识别与转化相关研究进展，重点回答三个问题：现有研究如何识别具有服务适配性的潜在需求与潜在用户，识别结果为何尚不足以解释真实采纳行为，以及应如何从转化对象、转化渠道、转化机制、转化干预强度和转化内容等方面构建潜在用户转化分析框架。【数据】Web of Science及中国知网近十年来定制公交、需求响应交通、公共交通用户参与及数字化沟通等中英文相关研究。【结论】现有定制公交研究在潜在需求识别、候选线路生成和出行方式选择建模方面积累较多，相关方法包括智能卡与轨迹数据挖掘、手机信令识别、空间聚类、RP/SP调查、离散选择模型和偏好异质性分析等；但这些研究更多回答“哪些需求具有服务可能性”和“哪些用户可能具有使用意愿”，尚未充分回答识别出的潜在用户如何被转化、如何理解定制公交服务价值、在何种条件下产生试用与持续使用行为。由此，现有研究整体呈现“识别研究较充分、转化研究相对薄弱”的特征。【应用】未来研究应进一步打通潜在用户识别、转化干预设计、真实转化效果评估和动态优化之间的链条，重点关注可转化对象分层、差异化内容表达、分场景转化、价格与非价格干预、因果评估和生命周期管理，以支撑定制公交由潜在需求识别走向真实客流形成和持续运营。
基于调控优先序分层的航路拥堵缓解
张晨钰;田勇;李超;吕越;【目标】针对航路拥堵传播结构异质性识别结果向缓解决策依据转化不足，现有方法难以依据传播结构差异对关键传播相关航班实施差异化优先调控的问题，提出一种基于调控优先序分层的航路拥堵缓解方法，以提高拥堵缓解的调控针对性与网络级缓解效率。【背景】现有研究在拥堵识别与传播机理分析方面已取得较多成果，但传播结构信息向缓解决策依据的进一步转化仍缺乏系统方法支撑。【方法】沿用前序研究输出的活动航段传播结构结果，以航班路径所覆盖航段的传播优先度构建航班调控优先序分层机制；以航班在航路点的预计到达时刻为决策变量，建立综合考虑拥堵成本、延误成本和油耗成本的多目标优化模型，并结合滚动时域与模拟退火策略形成调控优先序分层滚动时域模拟退火算法（Control Priority Stratified Rolling Horizon-Simulated Annealing，CPSRH-SA）求解框架。【数据】实例验证采用中南地区空域典型繁忙时段历史雷达航迹数据构建运行场景与优化输入，选取样本时间范围为2023年5月1日至7日。【结果】在全天运行场景下，全部航班的平均拥堵态势评估值由0.0877降至0.0802，降幅约为8.6%，平均延误增加84.35 s，平均燃油消耗增幅约为0.04%。进一步分析表明，高调控优先序航班的平均拥堵态势评估值由0.0921降至0.0612，降幅达到33.6%，且高拥堵区域明显收缩，说明所提方法的缓解收益主要体现在对关键传播相关航班和关键拥堵区域的优先干预。【结论】所提方法能够将航路拥堵传播结构异质性转化为差异化调控依据，在较小平均延误和燃油代价下优先缓解关键传播相关航班及局部高拥堵区域，为将拥堵传播结构信息嵌入航路拥堵缓解决策提供了方法支撑。
引入控制指令延时的自适应巡航控制系统稳定性分析
侯宇轩;马克;姜锐;李伟聪;王昊;【背景】延时是影响自适应巡航控制（ACC，Adaptive Cruise Control）系统稳定性的重要因素。现有研究普遍认为ACC系统的延时主要由测量延时和动力系统响应延时构成，而忽略了控制器指令下发至执行器过程中的延时效应。通过真实场地跟驰实验数据辨识发现，除上述两类延时外，ACC系统中还显著存在一种“控制指令延时”。【方法】为探究该延时对系统动态特性的影响，本文在现有ACC跟驰模型中引入控制指令延时项，运用系统传递函数分析法推导了误差传播机制，得到了ACC车队的队列稳定性判定条件与理论稳定域。【结果】进一步地，通过数值仿真实验，验证了理论边界的准确性，并深入剖析了控制指令延时对车辆队列稳定性的具体影响。【结论】理论与仿真结果一致表明：控制指令延时的引入会显著缩减系统的整体稳定域，但不会改变Ⅰ类不稳定域的边界；值得注意的是，当位置误差增益系数趋于极小值，且速度误差增益系数取值为期望车头时距的倒数时，系统存在一个不受控制指令延时影响的绝对稳定参数点。【应用】本研究为实际自动驾驶ACC系统的参数标定与安全控制提供了重要的理论依据。
考虑震后不确定性的道路网络韧性修复决策方法
叶子欣;陈正贤;徐占东;刘晓波;【背景】震后道路网络修复过程中，不确定性与修复决策、出行行为之间的相互作用对网络韧性具有关键性影响。然而，现有研究多基于确定性假设或静态拓扑指标，往往忽视对修复决策与交通流分配机制之间耦合关系的系统刻画。【目标】本文旨在构建一个能够同时刻画震后不确定性与出行者路径选择行为响应的优化框架。同时，为了提升震后道路网络修复策略的有效性，本文建立考虑损伤状态和修复效率不确定性的双层规划修复方法。【方法】上层模型以网络韧性与修复速度韧性为双目标优化，下层模型基于交通分配刻画修复决策驱动下的流量分布。在求解方面，本文设计NSGA-Ⅱ与Frank-Wolfe算法相结合的嵌套求解框架，并通过Monte Carlo模拟评估方案在不确定环境下的表现。【结果】通过在汶川地震德阳市路网开展数值实验，结果表明所提方法得到的路网韧性与修复速度韧性指标的期望值分别达到0.776和0.394，且波动性较低；相较于确定性模型，网络通行效率提升约20%；此外，模型倾向于优先修复对网络连通性与通行效率具有关键影响的路段，从而提高资源配置效率。【结论】本文所提方法能够有效刻画修复决策与出行行为之间的交互影响，提升震后道路网络修复策略的稳健性与系统恢复性能，可为灾后交通基础设施恢复决策提供参考。
考虑方式选择惯性的多模式多用户交通分配方法
李思雯;谢军;【背景】随着城市出行逐步由单一方式向多模式组合转变，传统交通分配模型难以反映实际出行决策中由私家车依赖所导致的方式黏性与切换迟滞现象。【目标】为此，本文构建考虑方式选择惯性的多模式多用户交通分配模型，并提出相应求解算法。【方法】针对无车者与有车者在可选交通方式及决策规则上的差异，构建包含步行、共享单车、私家车、出租车、常规公交和地铁的多模式扩展网络。无车者遵循最小广义出行成本准则进行路径选择；有车者则在私家车依赖作用下，按照由依赖程度决定的方式选择惯性阈值进行方式选择，并在选定方式集合内遵循最短路径原则。据此，建立统一刻画无车者标准用户均衡与有车者方式选择惯性用户均衡的多模式多用户交通分配模型，并采用“外层不动点迭代+内层梯度投影”的组合算法进行求解。【结果】数值实验结果表明，所提模型与算法在不同规模网络上均具有良好收敛特性。敏感性分析进一步表明，低私家车依赖度群体对出行成本参数变化更敏感，而高依赖度群体表现出更强的方式黏性，更不易发生方式切换。【结论】本文将方式选择惯性显式引入多模式交通分配建模框架，可为分析私家车依赖对网络流量分布及出行结构演化的影响提供理论支撑。