新一代智能交通全出行链集成系统设计

智能网联汽车已成为汽车技术发展的大势,通过融合智能网联汽车和智慧交通技术,以自动驾驶车辆的需求为核心,应用深度学习、边缘计算以及领先水平的车路感知融合、车路云控协同等方法,构建"智能网联汽车+智能交通+智慧城市"全出行链场景,实现无人驾驶在智慧道路、智慧停车、智慧园区的综合应用,为后续工程建设、产业化落地提供强大的技术支撑,进一步推动自动驾驶产业的发展。

骑行替代步行后公共交通可达性改善效果评估方法

改善末端的慢行环境是提升绿色交通出行竞争力的关键问题。既有研究多针对出行效率问题分析地面公交末端出行的改善效果,未充分考虑城市公共交通系统与土地利用的关系。本文融合多源交通大数据构建“门到门”精细尺度的公共交通出行链,提出步行和骑行等两种方式下公共交通全过程出行时间的计算方法,据此构建基于累计机会模型的末端出行改善效果的评估模型,研究骑行替代步行后公共交通可达性改善效果。该方法两步计算具有计算量较小和数据更新机制灵活的特点,适应于大空间尺度公共交通可达性研究。基于2020年北京的案例研究表明:骑行替代的公共交通出行时间平均减少315 s,降低幅度达12.8%;末端出行效率的提高改善将进一步提升就业、医疗、餐饮、绿地、购物和休闲等城市居民活动的公共交通可达性,其改善幅度达90%、74%、94%、33%、107%和77%,且改善的区域聚集于中心城区和外围居住组团。另外,公共交通可达性改善效果呈圈层径向递减的空间特征,城市轨道交通作为公共交通的主干网络,就业、医疗、餐饮、绿地、购物和休闲活动提升效果分别为地面公交的1.43、1.43、1.70、1.42、1.70、1.71倍。