可达性对城市群多模式交通碳排放的空间异质性影响

当前,在交通行业碳减排存在巨大挑战以及未来中国城市群交通发展长远规划双重背景下,如何通过改善交通可达性提高居民出行效率和减少碳排放是亟待解决的关键问题之一。本文基于城际出行手机信令数据,从居民出行的角度提出城际多模式交通客运碳排放量方法,并采用梯度提升决策树(GBDT)模型及多尺度地理加权回归(MGWR)模型探讨可达性对区域碳排放量的空间异质性影响。以关中平原城市群为例进行验证,结果表明:城际公路客运碳排放量远大于铁路,呈现沿交通基础设施线路分布的特征;在整体区域范围内,可达性指标对碳排放水平具有一定的正向边际效应;MGWR能够刻画碳排放与可达性指标关系的空间异质性及尺度差异;经济潜能可达性、介数中心性及接近中心性对城际碳排放具有显著的正向空间异质性影响,但影响尺度不同;公路客运碳排放对介数中心性及接近中心性要素较为敏感,经济潜能对碳排放的影响较为平稳;铁路出行可达性的提升对中心城市的影响效应低于周边区县城市。

基于时域卷积网络与注意力机制的车辆换道轨迹预测模型

精准的车辆轨迹预测模型可以为自动驾驶车辆提供其周围车辆的准确运动状态信息,进而判断本车与周围车辆短期内是否有发生冲突的可能性。本文提出一种基于时域卷积网络与注意力机制(Temporal Convolutional Networks with Attention mechanism,TCN-Attention)的车辆换道轨迹预测模型。该模型以时域卷积网络作为当前输入的特征提取器,利用时间与空间注意力机制使模型在不同时间和空间位置之间建立动态关联,更准确地捕捉车辆之间的动态时空相关性,实现准确预测车辆换道轨迹。与传统单一车辆轨迹特征输入不同,本文通过对输入特征进行多维扩充与融合,进一步提高了轨迹预测准确率。此外,本文提出一种换道执行起止时刻定义方法更准确地确定数据集中的换道起止时刻。实验表明,本文所提模型能以高准确率预测变换车道轨迹,在整体效果上优于其他深度学习模型,与ConvLSTM (Convolution Long Short-Term Memory)相比,TCN-Attention的平均绝对误差(Mean Absolute Error,E_(MAE))降低了69.8%,均方根误差(Root Mean Square Error,E_(RMSE))降低了49.15%,平均绝对百分比误差(Mean Absolute Percentage Error,E_(MAPE))降低了14.24%。

电动汽车集中型充电站选址定容模型

针对充电和换电等单一模式的盲目建设,规划不集中带来的资源利用率低与部分充电需求得不到满足等问题,本文提出一种考虑充电和换电与移动充电的多种充电模式下集中型充电站选址与定容方法。首先,分析不同类型电动汽车的充电行为特性,模拟得到规划区域的充电需求分布;然后,基于最近距离原则采用排队论方法计算电动汽车充电损耗成本,优化移动充电设备自充电时刻,求得电动汽车自充电成本;最后,以集中型充电站建设维护成本、用户损失成本及设备自充电成本总和最小为目标建立选址定容模型,结合某城市部分实际道路网为研究区域,采用遗传算法求解模型,确定规划区域内集中型充电站建设数量、位置及不同设备的配置数量。结果表明:规划区域内建设8座集中型充电站总成本达到最低,充电需求车辆数量与充电功率变化对集中型充电站成本均有较大影响,且优化移动充电设备自充电调度管理,可降低集中型充电站高峰时期32.62%的电网负荷,提高了电网稳定性。

道路环形交叉口机动车冲突风险区识别模型研究

为定量识别城市非信控环形交叉口区域内的机动车冲突风险易发生点,降低环形交叉口的事故发生率,本文构建针对非信控环形交叉口机动车冲突风险识别模型。首先,利用无人机采集高精度、连续的多车辆轨迹视频,结合Kinovea视频运动分析软件实现运行车辆状态识别与跟踪,并记录车辆每一帧的运动数据;其次,基于交通冲突识别指标TTC(Time to Collision),提出适应环形交叉口道路线形特征的车辆TTC计算方法,并使用累计频率法确定严重、一般和轻微冲突的阈值分别为1.2,2.8,4.4 s;最后,通过绘制高峰和平峰交通冲突空间异步图,并结合交通冲突数和严重冲突率,对环形交叉口的36个子区段进行交通冲突风险等级评定。研究结果显示:在高峰时段,某一子区段的平均交通冲突发生次数约为15次,严重冲突率为17.45%;在平峰时段,某一子区段的平均交通冲突发生次数约为8次,严重冲突率为8.28%。重度风险区域在高峰时段占比达到50%,而在平峰时段为8.33%,这些重度风险区域主要集中在交织区段。因此,环形交叉口在高峰时段且位于交织区段的情况更易发生交通事故。本文研究成果有助于交通管理部门了解环形交叉口在不同时段和区段上的交通冲突情况和特征,以便采取相应的预警和管理措施。

交通出行提质推动城市转型升级——中国城市交通发展论坛第34次研讨会

城市交通发展重点由增量建设转入存量优化阶段,通过优化城市既有交通设施提升居民出行品质,是适应新时代城市交通需求、助力城市发展转型升级的必然要求。中国城市交通发展论坛于2023年12月11日在天津市举办了2023年第4次(总第34次)常规研讨会,主题为“交通出行提质推动城市转型升级”,聚焦高质量发展目标下城市交通面临的机遇与挑战、新趋势与战略思路、发展路径和关键举措。与会嘉宾围绕面向2035年中国城市交通发展战略、传统商业街区更新的经验与路径、建设国际消费中心城市、天津和广州高质量发展转型的实践案例等展开研讨,提出多项城市交通转型升级和城市高品质宜居发展策略。本次论坛由中国城市交通发展论坛组委会主办,天津市城市规划设计研究总院有限公司承办。

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。

高速公路收费站ETC/MTC混合收费车道通行能力计算模型研究

分析了ETC/MTC混合收费车道入口ETC车辆占比αE和连续到达ETC车辆排队长度w对混合收费车道平均服务时间tS的影响;对SHAKER模型进行了修正,并对修正SHAKER模型参数进行了标定,建立VISSIM仿真模型对修正SHAKER模型的有效性进行了验证;分析了ETC/MTC混合收费车道通行能力与ETC车辆占比之间的关系,提出了考虑车辆平均服务时间的ETC/MTC混合收费车道入口通行能力估计模型,并与余弦函数模型进行了对比分析。结果表明:不同ETC车辆占比下,ETC/MTC混合收费车道入口通行能力修正SHAKER模型计算值和VISSIM模型仿真值的相对误差ε<10%,在允许范围之内,验证了修正SHAKER模型的有效性;ETC/MTC混合收费车道通行能力随着驶入混合车道ETC车辆占比的增大而增大;与余弦函数模型相比,笔者提出的估计模型更能反映ETC/MTC混合收费车道的交通运行特性。

数据驱动的新能源公交车能耗预测

鉴于现有电动车能耗预测多基于实验室条件,存在结果过于理想化或预测准确度不足的问题。本文基于北京市51路公交车的实车运行数据,分析能耗影响因素,通过时钟循环编码优化时间信息、使用箱线图设置阈值以构造行驶工况、建立基于熵权法的驾驶行为评价体系对驾驶行为与工况状态进行辅助分析,最后,对聚类后的4类典型工况片段分别建立引入注意力机制的LSTM能耗预测模型,并将其与传统LSTM及LGBM等多种预测模型进行对比分析,验证结果表明引入注意力机制的LSTM预测模型性能显著高于其他模型。

远郊大型冬季活动客流演进及路径分流研究

有效的客流组织是保证大型活动成功举办的关键,通过大型冬季活动的客流特征及意向调查,建立了观众路径选择模型和客流动态演进模型,分析了大型活动各设施节点的客流分布和客流排队时间分布动态变化规律。结果表明:增加取暖房、纪念品店、景观点等设施将提升观众在远郊大型冬季活动中的观赛体验。大型冬季活动的观众可接受的安检/检票、等公交的排队时间及步行到场馆的时间心理阈值为20 min,且观众更愿意选择步行时间短和服务设施数量多的路径;采用路径分流并提供路径实时信息,会使得分流路径上、下游节点的客流分布更为均衡平缓,有效减少客流聚集和长时间排队等待现象。

基于主线密度预测的快速路入口匝道控制方法

针对快速路入口匝道区域拥堵问题,本文提出一种基于交通密度预测的入口匝道控制方法。通过分析快速路匝道区域的交通特性,定义交通流缓行状态,利用经典宏观交通流模型对快速路主线的历史密度进行统计,基于速度、密度参数进行聚类分析量化缓行状态交通参数特征。基于城市交通流的日变化特性,利用时间序列模型对交通密度进行短期预测,基于预测结果识别缓行状态。针对交通缓行状态,提出一种快速路主线交通密度与入口匝道排队长度的协同控制模型,通过控制入口匝道进而控制主线下游密度不超过临界密度,利用PSO-PID(Particle Swarm Optimization-Proportional Integral Derivative Control)算法对控制模型进行求解。以南昌市洪都大道快速路为例,对晚高峰缓行时段进行仿真分析,并与经典的匝道控制方案进行对比分析。结果表明:本文模型相较ALINEA模型,将匝道调节率提高11.0%,匝道平均排队长度和平均延误分别降低了14.8%和13.5%。

基于柔性演员-评论家算法的决策规划协同研究

为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。

MaaS模式下城市路网异质出行者逐日流量分配模型

为研究出行即服务(MaaS)模式下的城市路网异质用户逐日路径选择行为和路网流量分配演变规律,将出行者分为选择MaaS服务的平台用户和自主决策的自由用户。建立了两类用户总量的逐日调整模型、自由用户的逐日选择模型及平台用户的系统最优分配模型,并利用不动点理论分析了模型稳定性。算例结果表明:若流量转移函数连续,则模型存在不动点,路径流量能收敛到稳定状态;异质用户路网能降低总出行时间,但达到稳态所需时间更长;高比例的平台用户路网总出行时间更小,更有利于路网优化;提升路网出行服务水平可以使路网稳定在最优态。

无信控交叉口驾驶人潜在危险感知能力评估

为量化无信控交叉口驾驶人潜在危险的感知能力,组织驾驶人实车驾驶试验,实时采集驾驶人眼动特征参数。解析熟练和非熟练驾驶人直行通过无信控交叉口模式下的扫视和注视规律,引入马尔科夫链模型,阐释驾驶人注视转移特性,揭示驾驶人视觉搜索与潜在危险感知特性的内在联系。结合熟练和非熟练驾驶人各映射指标下的统计学分析,萃取驾驶人潜在危险感知能力表征参数。基于灰色近优综合评价法,构建驾驶人在无信控交叉口场景下的潜在危险感知能力评估模型。研究表明:直行条件下,无信控交叉口下非熟练驾驶人的水平搜索广度、垂直搜索深度和扫视强度显著低于熟练驾驶人;相较于熟练驾驶人,非熟练驾驶人兼顾道路两侧信息的能力较弱,且注视概率的适时调配机制不够灵活;熟练驾驶人在无信控交叉口的潜在危险感知得分比非熟练驾驶人高31.2%;熟练驾驶人中,男性潜在危险感知能力明显强于女性,而性别对非熟练驾驶人感知绩效无显著影响。研究结果可丰富防御性驾驶相关理论体系,为无信控交叉口交通设施的优化和完善,驾驶人安全教育及评估等提供重要参考。

基于空间自相关的常规城市公交车辆危险驾驶热点路段识别

为了获得公交危险驾驶状态的空间分布特征,采用空间自相关性分析方法,识别危险驾驶状态的空间集聚性,确定危险驾驶状态热点路段,并对显著性影响因素进行分析。首先,采集4个季度各1周公交车辆卫星定位数据样本,修复重复数据、异常数据和缺失数据,并以公交站点为节点划分空间区段,对每个区段进行编号;接着,将速度过快、急加速、急减速和急转弯确定为危险驾驶状态,参照车辆运动学特性获得4种危险驾驶状态阈值,并计算4种危险驾驶状态的统计学指标和全局莫兰指数,结果表明,公交车辆危险驾驶状态具有空间集聚性(空间随机分布概率p<0.01,标准差得分值Z>2.58),速度过快状态(全局莫兰指数为0.731)的空间集聚性最为显著;然后,分别对4种危险驾驶状态进行局部空间自相关性分析,绘制了90%、95%和99%置信度下的莫兰散点图和Lisa集聚图,结合城市地图,获得危险驾驶状态的热点路段;最后,选取路段长度、车道数、平直度等9个指标,对比分析了OLS模型、SLE模型、SEM模型和SDM模型的拟合优度,采用SDM模型获得4种危险驾驶状态的显著性影响因素。文中研究结果可为公交车辆危险驾驶状态空间识别、精细化安全运行管理提供理论依据。

混合流下非机动车道基本需求宽度的设计

为弥补在非机动车道设计方面对电动自行车考虑不足的情况,有必要对由人力/电动自行车组成的饱和混合流下非机动车道基本需求宽度进行研究。以非机动车饱和混合流为研究对象,从非机动车的物理运动宽度组成出发,通过构建多重线性回归模型分析了非机动车物理运动宽度的影响因素,对分类自变量进行组合筛选;建立了不同组合类型下的非机动车速度与运行摆幅、路侧安全净距线性模型,得到性别为女性、年龄为老年和车型为电动自行车为最不利组合的结论;根据非机动车道的85%位运营速度确定最不利组合下的非机动车物理运动宽度,进而确定非机动车道基本需求宽度;针对非机动车道宽度合理性验证的准确性问题,从稳定性角度提出了运用速度熵来验证基本需求宽度合理性的方法,并以多条非机动车道路段为例进行了实测验证。研究结果表明:在隔离栏和划线下,非机动车单车道基本需求宽度分别为1.65、1.50 m;在绿化带、隔离栏和划线下,非机动车两车道基本需求宽度分别为2.90、2.80、2.65 m。在同一车道数和隔离方式下,车道宽度越宽,交通流速度熵越高;随着非机动车道宽度增加,以基本需求宽度为拐点,非机动车道的交通流速度熵变化幅度增大,稳定性更差。

考虑CAV自主停车行为的混合交通均衡配流模型

为了评估网联自动驾驶汽车(CAV)的自主停车行为对交通系统效率的影响,建立了CAV通勤流、人工驾驶汽车(HDV)通勤流、CAV自主停车流3类交通流混行下的交通均衡配流模型.通过引入CAV停车需求内生变量,考虑CAV对路段通行能力的提升效应,从而定量描述CAV停车需求分布以及3类交通流在路段上混行的拥挤效应.分别采用用户均衡、随机用户均衡原则描述CAV、HDV出行者的路径选择行为,采用Logit离散选择模型描述自主停车CAV的停车场选择行为,由此建立多用户混合交通均衡条件以及等价的变分不等式(VI)模型.由于模型中CAV自主停车需求为未知的内生变量,提出一种改进的相继加权平均法求解该模型.最后,通过算例验证了混合交通均衡配流模型及求解算法的有效性.

共享单车与公共交通多元关系分类及阈值研究

为准确评估共享单车和公共交通之间的复杂时空关系,根据替代或补充关系的具体成因类型,结合共享单车出行起讫点的分布情况,定义共享单车与公共交通多元关系;其次,考虑公共汽电车与轨道交通的差异性,提出一种基于弱监督全连接神经网络的共享单车与公共交通多元关系的分类模型,并根据共享单车轨迹数据,计算不同关系分类和交通方式下的公共交通可达范围、共享单车骑行时长及步行接驳距离边界阈值。结果表明:共享单车与公共交通的多元关系可分为接驳补充、空白补充、替代关系1和替代关系2。其中,共享单车与公共汽电车多元关系的三参数划分阈值分别为329.75 m、5.07 min和182.93 m,与轨道交通多元关系的划分阈值分别为816.96 m、10.27 min和653.91 m。共享单车与公共汽电车以替代关系1为主,占总行程的54.98%;共享单车与轨道交通以空白补充关系为主,占总行程的48.90%。共享单车与公共汽电车关系主要为多元替代与接驳补充,与轨道交通主要为多元补充与替代关系2。共享单车与公共汽电车的关系相比于轨道交通会更为复杂。本文可为促进共享单车与公共交通在各自优势距离上的协同发展提供支撑。

出行即服务系统理论与实践:回顾与展望

交通是城市绿色低碳转型中最受关注的领域之一,也是数字化渗透及数字平台最为活跃的领域。出行即服务(Mobility as a Service, MaaS)系统是绿色交通的典型代表,是一种新型交通组织和供给方式,反映了当前出行需求的深刻变化和城市交通组织范式转变的耦合。全球范围内已出现了上百个大小规模不等和模式各异的MaaS实践创新,北京MaaS是中国持续至今、影响最大的MaaS实践。目前MaaS实践提出的理论和方法主要基于欧美发达国家,无法充分描述和分析中国实践。在文献研究的基础上,延伸纳入了中国经验,提出了具有全球普适性的一个MaaS系统分析框架,强调辨析全球范围内的MaaS异同均可以从三个维度展开,即嵌入的社会背景、发展目标和产生的社会经济环境影响;并应用此框架对国内外五个典型MaaS进行了比较研究,重点解码了北京MaaS的激励机制、商业模式和商业生态。本文旨在推动MaaS理论和研究方法的全球发展,重点提出了四个方面的关注:(1)MaaS系统的发展再次考验着城市交通如何回归其公共属性;(2)MaaS实践嵌入在城市社会背景中,具有明显的差异性。模式选择是对城市既有社会背景和交通格局的继承,但也可能就此发生转向。MaaS打开了一次城市交通转型的机会窗口;(3)MaaS系统的可持续运营依然面临挑战;(4)数字技术带来数据产权、数据隐私和安全等亟待解决的新问题。所有研究案例表明,数字技术的快速发展需要匹配治理模式创新,MaaS生态的协同进化至关重要。

基于自注意力机制的深度强化学习交通信号控制

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息无法全面表达的问题,为了从有限特征中挖掘潜在交通状态信息,从而降低交通状态设计难度,提出一种引入自注意力网络的DRL算法。首先,仅获取交叉口各进入口车道车辆位置,使用非均匀量化和独热编码方法预处理得到车辆位置分布矩阵;其次,使用自注意力网络挖掘车辆位置分布矩阵的空间相关性和潜在信息,作为DRL算法的输入;最后,在单交叉口学习交通信号自适应控制策略,在多交叉口路网中验证所提算法的适应性和鲁棒性。仿真结果表明,在单交叉口环境下,与3种基准算法相比,所提算法在车辆平均等待时间等指标上具有更好的性能;在多交叉口路网中,所提算法仍然具有良好的适应性。

时空相关的道路网络短时交通流预测模型

为有效解决复杂路网短时交通流预测问题中涉及的时空特征挖掘问题,提出一种基于改进长短时记忆神经网络(Improved Long Short-Term Memory, ILSTM)的交通流预测模型.首先,通过改进的遗传算法对长短时记忆神经网络(Long Short-Term Memory, LSTM)模型初始参数进行优化获得最优参数组合,解决LSTM初始参数设置对输出结果影响较大的问题.其次,针对复杂路网多路段交通流预测中遇到的空间特征提取问题,通过挖掘相关路段对目标路段交通流预测的影响程度,重新构建LSTM模型的损失函数,采用路网中相关路段对目标路段的影响系数,以损失函数输出值最小为终止条件,构建ILSTM模型.最后,选择加州公路局交通数据进行模型验证实验,采用遗传算法优化LSTM模型(Genetic Algorithm-LSTM, GA-LSTM)和单纯LSTM模型,以及皮尔森相关系数与LSTM组合模型(Pearson Correlation Coefficient-LSTM,PCC-LSTM),对工作日和周末数据的多次实验结果进行对比分析.实验结果表明:ILSTM模型能够充分考虑复杂路网交通流的时间和空间特征,预测平均误差约为1.16%,在收敛效率和预测精度方面均优于其他模型.