福建省交通运输碳排放峰值预测研究

准确把握碳排放变化规律,预测碳排放峰值有助于福建省交通运输业低碳转型。综合考虑城际运输和城市交通,结合“周转量”法和“行驶里程”法测算福建省交通运输2010—2019年碳排放;采用LMDI模型分析碳排放驱动因素;设置5种减排情景,拓展STIRPAT模型预测碳排放峰值。结果显示:2010—2019年,福建省综合交通运输系统碳排放持续增长,年均增长率约7.60%;规模和结构因素是碳排放增长的主要原因,而能耗强度是最大的抑碳因素;政策性减排和技术性减排情景下,碳排放峰值(约3652.96、3787.55万t)显著低于结构性减排(约3989.94万t);组合情景下,交通运输碳排放能实现2030年达峰目标,峰值约3564.37万t。据此,提出福建省交通运输业的碳达峰建议。

交通运输学院团委:接续奋斗正当时,砥砺前行谋发展

交通运输学院团委坚持以习近平新时代中国特色社会主义思想为指导,主动融入“全面建设高水平创新型理工大学”目标,始终坚持青年主体地位,培养向上向善交通青年的工作思路,强化思想引领,突出育人导向,推进学院共青团工作稳步发展。

前景理论和灰色关联法下定制公交出行分担率选择模型

为提高公共交通服务水平和定制公交分担率,以定制公交、常规公交、出租车和地铁4种出行方式为对象,考虑乘坐时间、出行费用、便捷性和舒适性4个出行影响因素,基于多项Logit模型构建前景理论和灰色关联相结合的出行选择模型,并以董屿·福建师大地铁站到福州南火车站为例进行研究。结果表明:定制公交、常规公交、出租车和地铁4种出行方式的分担率分别为28.35%、14.63%、23.14%、33.88%,与实际问卷调查的最大误差在5%以内,与运用效用理论计算所得的分担率相比更符合现实情形;定制公交分担率在票价为1元或2元增减时,并没有产生较大变化,而乘坐时间的缩短却使分担率有较大提升。

融合多相关收费站数据的高速公路交通流预测

经济间的紧密联系使城市群区域间多相关收费站交通数据间存在空间关联,准确描述该联系对提升高速公路交通流预测的精度具有积极作用。然而,由于受诸多不确定性的影响,该关联性难以捕捉和量化。针对这一缺陷,该文提出一种ATGCN-Res GRU深度学习高速公路交通流预测方法。通过结合注意力机制构建高、中、低注意度的3个GCN拓扑网络,并根据各个网络的注意度加权获得空间学习数据,将多相关收费站的联系进行量化和分级;同时,为了避免过平滑问题,将两个GRU(Gated Recurrent Unit)模块通过残差连接,进一步提升算法捕捉时间规律的能力;最后,使用特征融合层和全连接层输出预测值。利用该算法预测广东省某高速收费站的交通流量,试验结果表明:该文提出的方法能够有效提升预测精度,与经典模型多元集成CNN-LSTM、CNN-Bi LSTM和DL-SVR相比,平均绝对误差(EMAE)分别减小了7.95、4.52、12.88,均方根误差(ERMSE)分别减小了12.03、6.12、19.05。

人工智能应用于物流领域的研究现状及热点——基于文献和专利的可视化分析

为了深入了解人工智能应用于物流领域的研究现状、热点及发展趋势,文中首先借助计量可视化工具CiteSpace软件,以2000-2022年CNKI收录的核心期刊论文为样本,对该领域文献的发表现状、研究热点和演进趋势进行分析;再运用“智慧芽”专利数据库对同一时期该领域的专利进行分析,挖掘专利视角下国内人工智能在物流领域的研究思路、创新热点及发展趋势;最后对未来研究方向进行了展望,提出了一些可能的研究方向和挑战。

基于Faster-YOLOv8网络模型的车载交通标志检测算法研究

交通标志检测是自动驾驶、智能交通系统以及道路安全监控等的关键任务之一。针对交通标志检测存在小目标数量多、精度低、传统模型体积大、不宜部署等问题,基于YOLOv8n网络模型提出了一种新的交通标志检测算法—Faster-YOLOv8。该模型在Neck部分采用C2f-Faster模块(C2f和FasterNet的高效融合)来优化YOLOv8n网络结构,降低模型参数量及模型大小;引入EMA注意力机制,并应用于模型主干网络,实现了更好的多尺度感知和空间感知,增强了模型的特征提取能力;通过添加小目标检测层,有效地结合了不同尺度特征信息,保留更多的细节信息,从而提高了对小目标的检测能力;采用SioU作为边界损失函数提高检测精度。研究结果表明:改进的Faster-YOLOv8在中国交通标志检测数据集TT100K中的检测精度(P_(recision))、召回率(R_(ecall))、平均精度均值(m_(AP@0.5))分别达到了79.8%、69.3%、77.8%,相比YOLOv8n模型提升了1.1%、2.8%、2.9%,参数量及模型大小减少了23.59%、19.16%,在检测准确性和模型轻量化方面都取得了显著改进,与现有方法相比,具有更强的实际应用价值。

降雨天气下人机混驾交通流跟驰特性研究

为揭示降雨天气下人机混驾交通流跟驰规律,从分析降雨对行车的影响入手,引入路面附着系数、驾驶能见度等参数,改进Gipps安全距离和行车加速度限制,针对不同跟驰模式建立元胞自动机模型,探寻降雨强度、渗透率双重影响的人机混驾交通流跟驰特性。数值仿真结果表明:雨天渗透率与通行能力呈正相关,但当渗透率低于0.25时,智能网联车对混合交通流平均速度、临界密度及通行能力的影响有限;当降雨强度高于0.3 mm/min时,随雨强度增大会加剧智能网联车跟驰退化,显著降低混合交通流的自由速度、临界速度及通行能力;小雨情况下,约0.1的渗透率可弥补降雨造成的通行能力损失;在中雨至大雨的降雨强度区间内,降雨强度每增加0.1 mm/min,相应提高渗透率0.1,路段通行能力可恢复到与晴天纯人工驾驶交通流相当的水平。

融合滞后极限学习机的IDBiLSTM短时交通流预测

深度学习短时交通流预测中,存在数据处理实时性较弱,以及算法对交通流数据的复用和修正能力不足导致预测性能较差的问题。针对这一问题,提出一种融合滞后极限学习机的深度双向长短时记忆神经网络短时交通流预测方法。首先,引入权值共享机制对双向长短时记忆网络模型进行结构优化,在模型训练过程中不断进行权重更新和偏置更新,从而充分利用逆序逆转数据增强数据的复用和修正能力;其次,为了进一步提高算法实时性,引入极限学习机模型,并在其神经元激活函数中嵌入生物神经系统中的滞后参数进行优化,加速了运算效率,提升算法的整体实时性。实验结果表明:提出的方法预测精度和算法实时性均有提升,与经典方法CNN-BiLSTM和多元集合CNN-LSTM相比,平均绝对误差分别减少了6.82、6.47,计算速度分别提高了12、19 s,具备良好的短时交通流预测能力和实时性。

农村寄递物流服务顾客满意度影响因素分析——基于福建省福州市农村抽样调查数据

农村寄递物流是农产品上行、消费品下行的重要渠道,提高农村寄递物流服务质量和水平是推进乡村振兴的重要举措。基于对福州市辖内25个村的农户抽样问卷调研与访谈,提出服务便利性、服务可靠性、配送效率性、服务态度性等四个农村寄递物流服务顾客满意度测量维度,构建了农村寄递物流服务顾客满意度模型;采用结构方程模型、多元线性回归的方法对农村寄递物流服务顾客满意度影响因素展开分析。实证研究发现:服务便利性、服务可靠性、配送效率性对农村寄递物流服务满意度有显著正向影响,服务态度性对顾客满意度没有显著的正向影响。据此提出推动农村寄递资源共建共享、补齐农村寄递物流基础设施短板、促进寄递物流与其他产业融合、政策扶持与强化寄递物流人才队伍建设等促进农村寄递物流发展的建议,以提高农户关于农村寄递物流服务的满意度。

基于GCN-LSTM模型的绿波控制下的交通流预测

针对城市交叉路口绿波交通的短时交通流预测中存在车辆离散现象以及交通流受到复杂的城市环境影响而导致预测精度低和泛化能力差等问题,提出了图卷积神经网络(GCN)和长短时记忆神经网络(LSTM)相结合的方法,通过GCN模型能够充分利用交叉口之间的结构信息,保留了道路网络的连通性和关联性。同时,引入LSTM处理时间序列数据,更好地捕捉交通流的时间动态变化。结果表明,该GCN-LSTM模型相较于传统模型以及其他深度学习模型在绿波控制下的交通流预测中表现更为出色,具有更低的MAE、MAPE和RMSE值,相较于其他模型,分别平均下降了8.45%、14.32%和14.82%。该模型成功应用于交通流预测,为绿波控制系统提供了更精准的信号配时,提高了城市交通网络的效率和协调性。

委托代理模式下政府与社区养老服务中心博弈研究

社区居家养老形式是应对中国老龄化、解决老年人康养问题的重要途径。社区居家养老基于福利多元主义理论,提出由政府养老转变为政府、社区、家庭、社会组织等共同供给养老服务。本文针对多元参与和政府购买视角,引入委托代理理论,建立政府与社区居家养老服务中心的博弈模型。研究表明,在社区养老模式下,政府需要进一步规范体系,加大投入,加快建设智慧医疗,建立志愿者服务体系。

考虑需求响应式公交的机场出行方式选择

为查找旅客对选择需求响应式公交的影响因素及其作用机制,引入结构方程模型(SEM)识别关键因素,构建SEM-Logit模型深入分析旅客的出行选择倾向。运用福州市民的机场出行调查进行实例研究,结果表明:旅客的选择偏好受个人属性、出行经验和心理因素的显著影响,尤其是女性旅客、年轻旅客、低收入群体和高频出行者更倾向选择需求响应式公交,这些因素通过影响旅客的出行需求和决策过程,进而影响其选择需求响应式公交的倾向。

一种结构优化的深度信任网络短时交通流预测

针对短时交通流预测中存在的训练数据过于依赖时间序列训练数据,对空间关联性考虑不足,且模型结构参数选取形式过于固定等问题,提出一种结构优化的深度信任网络短时交通流预测方法,该模型可同时训练3种与预测节点交通量相关的交通数据,增强预测的时空关联性,克服训练数据过于依赖时间序列的缺陷;同时,优化深度信任网络短时交通流预测模型结构,提出一种改进的花朵授粉算法对预测模型的隐层结构参数进行优化,避免因模型结构参数选取形式过于固定所导致的模型预测结果陷入局部最优解及实用性降低的问题。通过采集福州市两个交叉口的相关交通量数据,分别对预测模型的可行性进行评估。同时,将MFPA-DBN模型分别与不同隐层结构的深度信任网络模型及GA-LSTM、CNN-SVR、TGWO-BP 3种模型进行对比。实验结果表明:在相同训练数据的条件下,结构优化的深度信任网络(MFPA-DBN)短时交通流预测方法可行、有效,预测精度优于其他深度学习预测模型,实时性能也能满足实际要求。

社区静态管理下应急物资公平调度策略

在突发疫情导致的城市静态管理时期,由于应急调度能力有限,造成部分社区应急物资短缺,增加了社区内疫情传播风险。为提高社区应急物资的救援效率,减少社区人员感染风险,将社区风险度作为主要因素融入应急调度问题中,考虑到指标评估具有主观不确定性,采用证据推理进行数据融合。基于此,以高风险区优先运送、总成本最小为目标,构建双重时间窗下的多配送中心调度模型,并设计遗传禁忌混合算法求解。算例结果表明,考虑社区风险度的调度方案可以实现应急物资的公平分配,在保证高风险区优先运送的前提下降低了成本;所构建的模型解决了单一时间窗配送方案效率低、成本高的缺陷,且改进算法的性能更优,可为静态管理政策下政府的应急调度决策提供有益参考。

基于CCA和Transformer的YOLOv8船舶目标检测算法

为了提高利用合成孔径雷达图像进行船舶目标检测的精度、准确率和鲁棒性,提出了一种基于YOLOv8的改进算法:CCAT-YOLOv8。在CCAT-YOLOv8算法中,一方面设计了一种坐标通道注意力(coordinate channel attention,CCA)机制模块,用于降低检测受到港口建筑、海岸环境、船舶分布密度和外型大小等因素的影响,提高算法在复杂环境下的检测精度;另一方面基于Transformer网络提出了一种改进Transformer模块用于缓解图像噪点和光污染对检测的干扰,以增强模型对图片深层特征信息的挖掘能力,提升算法目标检测的准确率和可靠性。最后,面向中国资源卫星应用中心提供的船舶数据集对CCAT-YOLOv8算法进行了有效性检测,算法的平均精度为92.57%,准确率达到91.58%,较好地体现了CCAT-YOLOv8算法在船舶目标检测上的内在价值与应用潜力。

驾驶特性对驾驶人应激反应的影响研究

【目的】驾驶人在行驶中受交通应激事件的影响,为探索应激反应的程度展开研究。【方法】采用维也纳交通心理测试系统(VTS)甄选出高驾驶特性组(H组)和低驾驶特性组(L组)各21名被试进行试验,通过统计学方法分析不同驾驶特性群体的应激反应特征,并采用集对分析模型评价被试的应激反应优劣。【结果】研究结果表明:通过检测驾驶人的驾驶特性能力区分其应激反应能力可行,提高驾驶特性能够帮助驾驶人提高应激能力,情况越危急,提高的幅度越大。【结论】试验中,在所有应激距离下,H组的应激反应均优于L组,且应激距离的减少对L组的影响比H组大;在交通应激事件中为驾驶人提供1 s以上交通冲突时间是必要的。

基于视觉的列车轨道缺陷检测综述

列车轨道缺陷检测对轨道交通安全具有重要意义,但当前人工检测已不能满足复杂繁重的轨道巡检要求。深度学习方法极大地扩展了缺陷检测的手段,为了提高表面缺陷检测的效率与质量,结合轨道缺陷的类型与相关属性,系统分析了当前视觉检测方法的变化趋势。详细阐述了轨面及扣件缺陷视觉检测方法,以及与之相关的深度学习方法的基本原理、技术、方法与应用现状,讨论了轨面及扣件缺陷检测方法的理念、应用和意义。最后,对当前研究的轨道缺陷检测领域发展趋势进行分析和总结,首次提出了全自动轨道检修系统的概念,致力于为未来相关研究提供有益的支撑和借鉴。

基于文本挖掘的生鲜物流服务质量评价

由在线评论得到的物流服务质量评价结果能够有针对性地提升物流服务质量,对于提升生鲜电商的竞争力极其重要。结合SERVQUAL模式、LSQ模式和生鲜电商特点构建物流服务质量评价模型,以京东生鲜物流作为研究对象,通过python编写爬虫代码爬取京东生鲜消费者评论并进行jieba分词,获得物流高频关键词及其TF-IDF 权重,并将关键词映射到评价模型的各个指标中。然后对关键词所在的评论进行情感打分,综合TF-IDF权重、情感打分、指标权重,计算得出每个指标的物流服务质量评价得分。根据评价结果发现,京东生鲜在可靠性、时间性、移情性等方面可以继续保持并提高,提出加强物流信息的及时准确性、重视退换货费用、采取多样的配送及取货方式等建议。研究结论可为生鲜电商企业优化产品物流服务、提升企业竞争力提供参考。

基于计算物流与计算智能的多码头泊位堆场联合调度

针对同一地区邻近集装箱码头往往物流功能相似、货源腹地重叠、无序竞争突出和资源利用率较低等特点,本文重点探讨了隶属于同一组织内且位置相邻多集装箱码头的泊位-堆场一体化计划调度(multiple container terminal tactical berth and yard incorporate integrative scheduling,MCT-TBY-IIS)问题.基于计算物流,利用多重多背包问题将MCT-TBY-IIS抽象和分解为考虑泊位水深约束和出口集装箱可转港作业的多码头动态连续泊位分配和多码头周期滚动堆场分配两个中度耦合子问题,进而在计算物流面向问题探索的思想下,提出了面向层次嵌套结构的二阶段改进帝国竞争算法(hierarchical nesting oriented two-stage improved imperialist competitive algorithm,HNOTSI-ICA)对MCT-TBY-IIS进行求解优化.最后,面向我国东南沿海的典型多码头联合作业实例,遴选出面向帝国兴替的双同化帝国竞争改进算法和面向0-1背包问题的二进制帝国竞争算法组合应用于HNO-TSI-ICA,其在求解MCT-TBY-IIS时效果较好,且堆场作业子系统目标成本的结构较稳定,其不受计划期内港口负荷和计划周期长度的影响,其中,出口箱区集装箱水平运输成本的贡献度在堆场作业子目标成本的比重最大,稳定在83%左右.通过对MCT-TBY-IIS的建模与优化,可以发现多码头联合作业模式有较好的潜力帮助同一组织内邻近的多码头降本增效和提高核心资源的利用率.

基于模糊系统的定性与定量知识的综合集成

综合集成法已被广泛应用于处理复杂系统相关问题,其核心是人机结合、从定性到定量的迭代求解,然而如何描述定性与定量知识,如何有效融合定性与定量知识仍是亟须解决的问题。模糊系统模拟了人脑推理过程,既可以利用专家的定性知识,也能够从数据中学习模糊规则,使用规则映射的方式实现对不确定性问题的系统决策。将模糊系统引入定性与定量知识的描述理解与融合过程,提出了一种基于模糊系统的可解释性综合集成法。该方法从定性和定量两个角度分别获取知识,再将两种知识综合集成,形成模糊规则库,完成模糊系统建模。该方法可以有效地将专家经验和数据学习相结合,增强模型的可解释性,提高复杂系统决策过程的鲁棒性和科学性,有望成为未来综合集成法研究的一种实现途径,更好地解决现实世界复杂系统的相关问题。