制定针对城市低碳发展阶段和居民特征的差异化政策，是优化激励策略和促进居民转向绿色出行的重要途径。本文综合考虑空气质量👩🏿、新能源汽车渗透率和充电设施成熟度等因素😓，选取4种类别典型城市的异质性居民人群，量化评估新能源车激励策略的有效性🔣；利用隐含狄利克雷分布(LDA)模型分析社交媒体热点数据，设计用户调查问卷；构建潜在类别有序Logit模型(LCOL)定量分析不同城市类别下潜在类别人群对车辆电动化激励策略的偏好程度，辨识不同策略的核心作用群体。结果表明，即时效应激励😌，例如，限行豁免和大额财政补贴，更能有效提升新能源车接受度较低居民的购车意愿，接受度较高的居民对常态化低额补贴更为敏感🐹。在城市类别维度上😏，相较新能源车渗透率高的大城市(60%)🙌🏻，渗透率较低的中小城市居民在政策激励下🚵🏻‍♀️，购买新能源车概率为65%⛅️，更具提升潜力♨️；充电设施欠缺的城市，优化充电设施可显著提升居民购车意愿👖，减少1min寻电时间，概率提高1%，但在充电桩覆盖率高的城市，效果有限🧸；机动车限号的大城市，实施新能源车限行豁免政策时☮️，居民购车概率提高3.5%𓀄。定量化的研究结论可为不同城市新能源车推广策略的制定提供决策依据和科学度量参考。

高质量的粮食流通体系是保障粮食供需平衡和粮食安全的重要保障。本文考虑粮食货种易损耗特性，以运输、碳排放、损耗总成本最小化为目标，构建同时考虑“袋装-散装-集装箱装载”不同装载方式和“公路-铁路-水路”不同运输方式的联合优化模型，并以我国东北地区“北粮南运”为现实场景，采用启发式遗传算法开展算例分析🤙🏿。计算结果表明：粮食集装箱公铁水多式联运相比包粮和散粮运输具有明显的低总成本和低损耗优势，损耗成本占比分别为9.86%、42.29%🟥、29.82%。“北粮南运”过程中公路定位于两端集疏运，铁路和水路承担干线长距离运输👵🏽，随着运达时长要求的提高👨🏽‍🌾，铁路占比逐渐增加，水路占比逐渐减少，当运达总时长为71.5h，最优运输方案由集装箱公铁水联运转变为集装箱公铁联运♠︎。在总成本构成中👯‍♂️🏋🏽‍♀️，3种装载方式最优路径的运输成本、碳排成本基本相同🕺🏼，政府管理部门、物流服务提供商应认识到降低粮食运输损耗量是降低全程物流运输成本的有效方式🟧。

为解决停车预约服务平台与用户之间存在的泊位运营问题，本文基于停车分配过程中服务平台的直接收益与服务水平间的关系，考虑用户出行特征的多样性，提出一种停车预约分配优化模型。为实现平台运营服务收益最大化，以运营商收益最大和用户出行成本的综合效益最小为目标建立联合优化函数💁🏿‍♂️🦛，构建考虑停车分配时效性的周期型最优停车预约分配模型(POPA)🃏，并设计自适应升温的模拟退火-粒子群优化算法求解大规模停车分配问题。实验结果表明：综合考虑分配时效性和平台收益等多个因素，预约平台的最佳分配时段长度应为1h👩‍⚖️，改进算法使求解效果提高了6.14%📥，灵敏度分析证明了惩罚因子的引入可在不影响用户时间成本与车位利用率的情况下，使平台的用户请求接受率提升2.25%~18.17%；通过对比分析，所提模型较用户最优模型提升了38.11%的实际收益，较平台最优模型降低了15.31%的平均用户时间成本👩🏿‍🦲。此外👩🏼‍✈️，通过拓展性数值测试证明了所提模型在大规模复杂场景中的适用性和有效性。

鉴于中国对进口原油高度依赖，以及原油进口海运网络中断风险日益加剧☝️，优化网络恢复策略并提升其韧性已成为亟待解决的关键问题👉。本文以实际运输数据为基础构建我国原油进口海运网络模型，基于韧性曲线和网络效率指标提出网络韧性评估方法，并以韧性最大化为目标建立恢复策略优化模型，应用于模拟的5种中断情景。结果表明，优化模型生成的最优恢复策略在所有中断情景下均能显著提高网络的恢复速度，且与传统恢复策略相比最高可减少79.14%的网络韧性损失；优化模型可识别出不同情景下对网络有决定性影响的关键节点✋🏼，优先恢复可提升网络整体的恢复效率；当绕路成本约束放宽时，网络的韧性损失随之下降，节点的最优恢复次序也会发生改变♉️🤹🏻‍♀️。研究结论可为我国原油进口海运网络的应急恢复和韧性提升提供决策依据。

交通状态识别研究对于预防和缓解交通拥堵具有重要的研究价值🙇‍♂️👡，不仅能够为交通管理提供决策支持🤷🏽‍♀️🙆🏼‍♀️，还能有效提升道路的运行效率。传统的交通状态识别方法仅考虑单一的宏观特征参数，忽视车辆变道行为的影响以及由此产生的车辆间相互干扰，导致状态划分空间粒度较粗，状态辨识不够精细化，难以深入分析交通拥堵的成因。对此，本文提出一种无人机视角下基于车辆动态行为特征的交通状态识别方法👩🏻‍🦲。首先，该方法结合基于旋转检测框的车辆检测算法(YOLOv8s-OBB)和车辆跟踪算法(BoTSORT)检测和跟踪车辆，解决水平框中背景像素冗余以及车辆框重叠的问题🚏，提取车辆空间方向角和旋转4点坐标等更精准的车辆轨迹数据，并计算微观交通流参数🥬；其次，利用获取的车辆空间方向角和旋转位置信息提出车辆动态行为特征参数，即变道干扰率和车辆方向波动指数👩🏻‍🦯‍➡️；然后🏢，结合宏观的平均速度和交通密度参数，构建多维状态特征空间，应用于实际道路场景的交通状态识别。最终实验结果表明🥜：在旋转车辆目标检测中🏛，该方法的mAP@0.5达到0.987，输出的车辆轨迹数据稳定且连续；在交通状态识别中，在平均速度和交通密度作为宏观特征参数的基础上引入变道干扰率后🧙‍♀️🐝，状态识别精确度达到0.983👩🏻‍🔧；进一步⬅️，引入车辆方向波动指数后👨🏼‍🎨，状态识别精确度达到0.987👩🏼‍🌾🙎🏼‍♂️。同时，根据状态特征空间表征，可以更加精准地将交通状态划分为4种状态，即畅通态、平稳态⚠、拥挤态和堵塞态🧑‍🦽‍➡️，从而可以为车辆动态行为定量化分析交通状态影响，为基于无人机视角的交通状态识别提供新的理论参考🧔🏻‍♀️，为智能交通系统提供先进的状态精细感知。

为科学有效地设置城市道路智能网联汽车专用车道，减少智能网联汽车与人工驾驶汽车的路权冲突，提高安全和效率🫲🏻，本文建立城市道路智能网联汽车专用车道双层规划模型。上层模型以总出行时间最少和交通事故率最低为优化目标，将是否设置智能网联汽车专用车道作为决策变量，采用具有增强精英保留算子的遗传算法(Strengthen Elitist GeneticAlgorithm, SEGA)进行求解。下层模型基于用户均衡原则进行交通流分配🧝🏼，采用嵌入黄金分割法的Frank-Wolfe算法求解。使用Nguyen-Dupuis网络作为案例研究，验证模型及SEGA算法的有效性，并分析不同渗透率🚶🏻‍➡️、通行能力和OD总量对总出行时间和交通事故率的影响。算例表明🧟‍♂️：渗透率为10%和80%时，设置城市道路智能网联汽车(ConnectedandAutomatedVehicles,CAV)专用车道均会导致总出行时间升高👮🏿‍♂️；渗透率为40%时，可以实现总出行时间降低2.68%。渗透率低于20%时🤾🏻，事故率会不同程度增加；渗透率为40%时，事故率降低14.30%🫠；渗透率为80%时，事故率降低5.77%⇨🪡。随着OD总量的增加，总出行时间降低幅度在0~6%之间，变化趋势不明显。低交通需求(14400 veh·h^-1)时👀，事故率降低13.45%👴🏼；中交通需求(21600 veh·h^-1)时，事故率降低3.16%🪺；高交通需求(31200 veh·h^-1)时，事故率升高10.35%☀️。设置城市道路CAV专用车道的最优条件为中低交通需求水平下🌄，渗透率为40%时。研究成果可为制定城市道路CAV专用车道设置方案提供理论依据🫶🏻。

人类驾驶的不可控性使得间歇优先公交专用道(BusLaneswithIntermittentPriority,BLIP)不能被有效利用🪘。为解决该问题🪠，本文提出智能网联车辆(ConnectedandAutomatedVehicles,CAV)复用BLIP的控制方法。CAV借道控制考虑了公交车间移动区间的约束，还道控制考虑了与旁道CAV队列的协同🔹，以应对还道安全距离不足的情况。并利用开放边界元胞自动机模型对提出的方法进行仿真。结果表明：同等流量下🪳，CAV复用BLIP可大幅提高道路通行效率，且中等CAV渗透率下最显著，道路平均速度从6.67km·h^-1提高至30.53 km·h^-1🦏；无论CAV渗透率高低，CAV队列协同换道都比单个CAV协同换道更有助于提高道路通行效率，相较之下将道路平均速度提高8%~19%😰。

为缓解异常事件发生后智能网联自动驾驶车辆和人工驾驶车辆在高速公路上的拥堵及二次事故问题，本文以单车道为研究对象⚰️，提出一种车道定制化速度调控方法。利用智能网联自动驾驶车的可控性，控制其通行速度🥞，间接引导人工驾驶车的驾驶行为。划分瓶颈区域附近路段为限速区和协调区：在限速区🍢，基于瓶颈处实时交通流量确定不同车道的智能网联自动驾驶车限速值💁🏿♟，控制流入协调区的车辆数，缓解拥堵波的形成与传播；在协调区🧑🏽‍🦱👷🏽‍♀️，控制事发路段的智能网联自动驾驶车移动⏰，保证车辆安全和高效通过瓶颈区🧓🏼。构建多组仿真实验，从通行效率和安全性两方面验证所提方法的有效性。仿真结果表明：对比无控制的基本场景，智能网联自动驾驶车渗透率为50%时，车辆平均通行时间可提升2.4%，TET(Time Exposed Time-to-collision)改善率达到14%；渗透率达到90%时，平均通行时间可提升18.5%🗳，TET改善率达到51%🤢。本文为解决混合流环境下高速公路异常事件发生后交通流的控制提供了策略建议与思路方法。

为解决传统的城市轨道交通车站行人仿真中个体运动轨迹与真实行走轨迹差异较大的问题，同时提高行人仿真结果与真实轨迹的匹配度🦵🏻，本文基于循环神经网络模型，融合传统社会力模型中行人之间以及行人与障碍物之间的交互机制和视角机制🖕🏼🧑🏽‍⚖️，构建了一种基于数据驱动的行人仿真方法🧑🏼‍🏫👱🏽‍♀️。同时，利用残差网络结构考虑城市轨道交通车站内复杂场景对行人行走轨迹的影响🦞，利用条件变分自编码器融合局部路径终点预测，进一步提高仿真结果的准确度🏄🏿。采用国际公共数据集，以及中国某城市地铁车站视频监控数据进行模型训练，验证了方法的有效性🐈。仿真结果表明：本文提出的仿真方法相较于传统社会力方法以及其他研究方法的平均位移误差和终点位移误差至少减少了11.9%和10.2%👰🏻；结合场景信息和终点信息修正🤱🏼，进一步减少了平均位移误差和终点位移误差28.1%和25.9%🧝🏽，验证了本文方法的有效性💶。

跟驰状态反映车辆间的跟随风险程度，为预测山区双车道公路弯道路段车辆跟驰状态变化路径，本文利用无人机拍摄视频数据，构建基于高阶马尔可夫链的弯道路段小客车跟驰状态转移预测模型🥁。首先💒，从视频数据中提取跟驰车辆轨迹特征，采用因子分析法提炼表征跟驰状态的公因子特征；其次🙍🏻‍♂️，利用K-Means++算法对公因子特征进行聚类🐻，将小客车跟驰状态分为强跟驰、弱跟驰和强弱过渡区间这3种状态🧕🏻；最后🤸🏻，引入高阶马尔可夫链模型预测山区双车道公路小客车跟驰状态转移。结果表明：强跟驰和弱跟驰状态的转移存在状态转移的过渡区间，强跟驰时，前导车对跟驰车有较强的制约性，跟驰车辆速度随前导车变化而发生延迟性变化，随着跟驰状态由强转弱🧨，制约性会逐渐降低🏵；七阶马尔可夫链模型对小客车跟驰状态转移预测的准确率高达97.6%以上🐩🏋🏻‍♂️；3种跟驰状态的自转移概率分别为97.57%、98.90%和96.74%🔊，状态之间的转移方面🪹👰‍♀️，强跟驰与弱跟驰直接转移概率较低，过渡区间在转移模式中占有重要地位🕧。本文提出的方法在预测小客车跟驰状态转移时具有优越性能👧🏻，研究结果可为研发前车碰撞主动安全预警系统提供方法基础🎞。

有效识别轨道交通网络中的关键节点🔝，有助于分析轨道交通网络鲁棒性，并制定轨道交通网络抗风险预案🦸🏿，保障轨道交通网络的正常运行🅾️。本文考虑轨道交通网络中节点之间的相互影响情况，选取连接重要度(DC)、路径重要度(BC)和可达重要度(CC)作为节点重要度的综合衡量指标🦫🏫；将现实轨道交通网络构造为相应拓扑网络，借助引力影响模型识别轨道交通网络关键节点，并分析不同影响因素下的网络性能差异🖖🏽，得出最佳引力影响半径与攻击策略；结合现实轨道交通网络👼🏽，从引力角度分析轨道交通网络关键节点，并提出相关建议🧑🏽‍🍳。结果表明：节点的重要度由目标节点与其他节点产生的引力作用组成👨🏽‍🦱；当引力影响模型的引力影响半径R=8，并选取动态攻击策略时👪，与R=7和R=9相比，最大连通子图相对大小下降率分别提高13.25%和10.39%👨‍👨‍👧‍👦，网络客流效率相对大小下降率分别提高5.12%和6.71%；相较于FGM(融合引力模型)、GC(万有引力中心性指标)、KSGC(基于k-shell改进的万有引力模型)和考虑集体影响力的CI模型🧏🏿‍♂️，引力影响模型在轨道交通网络关键节点识别中有明显优势。此外，在攻击前30个节点后,北京市地铁网络最大连通子图相对大小降低91.68%，网络客流效率相对大小降低86.17%🌠，表明引力影响模型在北京市地铁网络中具有适用性与有效性💂🏼‍♀️。通过引力影响模型识别轨道交通网络中关键节点，可以为分析网络鲁棒性提供新的思考角度，为决策者制定网络抗风险预案提供有效依据🔌。

为构建可持续绿色城市轨道交通运输系统🏋🏽‍♂️🏋️，降低城市轨道交通运营阶段碳排放量，本文提出结合碳交易的城市轨道交通快慢车时刻表与停站方案优化方法。首先，刻画不同乘客类型的乘车路径选择机理，提出乘客旅行时间计算方法💁🏻；其次，通过计算列车的牵引❎🧑🏽‍🔬、通风空调✮、照明👨‍🦳、信号系统碳排量⛏，并将快慢车停站方案的碳排放量与碳交易相结合，反馈至企业运营成本中；然后4️⃣，构建最小化乘客出行成本和企业运营成本的双目标非线性优化模型，设计越行站确定和基于Gurobi分区计算的两阶段求解算法🧑🏽‍🎓；最后👱🏻‍♂️👩🏼‍🔬，给出算例，以验证模型和算法的有效性。通过算例分析可知🏊🏼‍♀️，不同的越行站位置会产生不同的结果🪝，相较于站站停模式，考虑碳交易的城市轨道交通快慢车开行模式使得乘客旅行时间降低5.8%，碳排放量降低17.4%，企业运营成本缩减5.3%🫳。研究结果表明：考虑碳交易的快慢车组织在降低乘客旅行时间、碳排放量和企业运营成本方面效果显著⛰，随着碳达峰的临近碳价格逐步上涨🪆，碳交易机制将有效降低企业运营成本，激励企业积极地减少碳排放🧑🏽‍🏫，从而推动城市轨道交通的可持续发展💂‍♂️。

随着“双碳”目标上升为国家战略，构建绿色交通体系势在必行。立足于绿色交通“提效降碳”的核心内涵👩🏽‍🍼，本文提出一种考虑资源🖊、环境🟦、乘客和企业四方效益，基于大小交路多编组模式的城市轨道交通列车开行方案编制方法。为研究不同交路对客流分布的影响，根据乘客出行特征划分客流，进而分析不同客流的出行成本🙇‍♀️，建立以列车运输资源利用率最大，列车运行中碳排放量最小，企业运营成本和乘客出行时间成本最低为优化目标，以线路通过能力🎣🈷️、发车频率和运用车辆数为约束的多目标优化模型。提出一种改进的麻雀搜索算法用于模型求解，并与单一交路、单一编组方案进行对比分析，同时将其求解结果与传统的麻雀搜索算法及粒子群算法进行比较。结果表明：与单一交路和单一编组的列车开行方案相比🤹🏻，多交路和多编组的方案在运能利用、碳排放、企业运营成本及乘客出行时间成本方面表现更优；此外🧑🏻🫴🏿，改进后的麻雀搜索算法在求解效率和结果质量上也明显优于传统算法。因此，本文提出的方法不仅能够平衡企业和乘客的利益👨🏽‍🍳，还有效提高了资源利用率，减少了碳排放，为城轨系统的绿色化运营提供了决策支持🫱🏻📺。

在城市轨道交通乘务计划中🧔🏿‍♀️，限定乘务人员便乘位置可以减少乘务班次使用数量🥞，增加计划灵活性。首先，以乘务班次数量最少、非必要劳动时间及便乘时间最短为优化目标，考虑值乘区段覆盖🙆🏿‍♀️、间休接续、工作时长限制、出退勤时间窗和就餐接续等约束👭🏻，构建限定便乘位置的乘务排班计划0-1整数规划模型🧑🏻‍🦼‍➡️👩🏼‍🌾；其次😠，设计列生成算法求解模型👪，分解模型为集合覆盖线性松弛主问题和受资源约束最短路的定价子问题，通过构建基于列车时刻表的时空轴线网络，设计求解定价子问题的双向标签算法；最后，以某城市轨道交通1号线为背景验证模型和算法的有效性。结果表明：该案例生成早班、白班和夜班的数量分别为47⚅、53和48；限定便乘位置后，各乘务班次的工作时长呈下降趋势，有效提高了乘务班次工作效率🆓；与标签算法相比，双向标签算法的求解效率提升了40%。

城市轨道交通大小交路运营组织方式是目前解决线路客流不均衡性的主要方法，针对大小交路的列车运行仿真研究，有助于提高列车运营效率，保障行车安全。本文根据单一交路和大小交路两种典型交路模式的特点🦺，考虑列车制动性能、信号系统和线路条件等因素对列车运行加速度的影响🚶🏻‍➡️，提出列车最小安全追踪距离计算方法，构建基于元胞自动机的城市轨道交通列车运行仿真模型🙌🏼。以某城市轨道交通1号线为例📔，通过模型标定🧼，对列车追踪及折返运行情况进行仿真验证，分析列车运行速度和制动性能参数对线路运营能力的影响🤗，并探讨大小交路列车不同开行比例下通过能力和车底运用数量的变化规律🏌️‍♀️。研究结果表明🌙：考虑列车运行过程中加速度的变化能显著提高系统的仿真精度🏋🏿‍♂️；基于动态安全间隔的城轨列车追踪运行仿真模型能有效缩短列车最小安全追踪距离🧛🏼；大小交路列车开行比例为1∶1时💆🏿，通过能力较单一交路提高约33.33%🧑🏽‍⚖️；车底运用数量的增量随着大小交路周转时间比值的增加呈周期性变化趋势；车底运用数量不变时，大小交路列车开行比例为1∶2时通过能力最大。研究结论可为城市轨道交通时刻表编制及列车运营管理提供理论依据。

为挖掘客流的复杂时空耦合关系📣，解析建成环境影响下的轨道交通客流出行规律✊，本文提出一种考虑城市建成环境的时空双层超图神经网络模型(SpatialTemporal-Double Hypergraph Neural Network, ST-DHGNN)。模型分为双层超图神经网络和时间序列模块🤗，双层超图神经网络模块用于挖掘轨道交通线路站点间的高阶连通关系和相邻同类建成区域站点的集群关系𓀖♒️，时间序列模块用于表征历史客流数据的时间依赖关系。同时，以建成环境和线路作为变量构造新的损失函数🦔，旨在剖析建成环境的影响☂️，提高模型的预测性能。最后👨🏿‍🦰，以武汉轨道交通数据为例开展实证研究。研究结果显示：考虑建成环境和轨道站点高阶连通关系对客流预测精度的提升效果显著，本模型均方根误差(RMSE)和平均绝对误差(MAE)值分别为52.04和29.32，比基线模型降低了22%以上📬👩‍❤️‍💋‍👨，性能显著优于基线模型；通过消融实验验证了融合轨道高阶联通关系和建成环境对模型性能的贡献，其中👩🏽‍🎤，单步预测任务中，考虑这两种因素使模型性能分别提升了6%和9%，多步预测任务中，分别提升了4%和12%；构造的融合建成环境因素的可解释损失函数，提高了模型的预测性能，同时💆🏿‍♀️，使模型具备更好的科学性和可解释性。研究成果为城市轨道交通的客流管理和列车调度提供了技术支持。

为使发生延误的高速列车能够快速恢复正常运营，同时满足停车精度、准时性、节能性及调度实时性等多方面的要求🙅，综合考虑一体化模型在平衡多个目标时面临的多重非线性约束问题，以及非一体化模型需分别求解多个独立模型的局限性，本文提出一种列车动态调度与速度曲线的联合优化方法👨🏼‍⚖️。首先，基于参考系统的约束，应用集成内在好奇心模块和优先经验回放机制的双决斗深度强化学习算法(Intrinsic Curiosity Module Prioritized Experience Replay Dueling Double Deep Q-Network, ICM-PER-D3QN)优化列车速度曲线模型，保证列车的停车精度、准时性和节能性，并将此数据用作联合模型训练的基础👦；其次☑️，采用ICM-PER-D3QN算法求解列车的动态调度模型🦸🏿‍♀️，缓解列车延误并确保调度的实时性💡；最后，基于列车在站间区间的运行信息，使用集成长短期记忆网络的卷积神经网络完成列车速度曲线与动态调度的联合。实验环境选择京沪高铁的一段下行线路，设置3组延误场景验证所提方法的有效性👨🏻‍🍳。仿真结果表明，在联合优化模型下，列车的平均调度时长为0.92s，列车动态调度结果与速度曲线的平均匹配度为98.89%👩🏼‍🍳🏷，平均匹配时长为0.0014s。此外↗️，相较于仅基于动态调度模型的未优化速度曲线，平均牵引能耗降低了9%🧝🏼‍♂️，平均总延误时间降低了6.38%。

依据不同交通拥堵状况下的车辆行驶时间计算方法🚨，考虑众包配送车辆路径-速度的联合优化，本文提出时间依赖型众包取送货问题(theTime-Dependent Crowdshipping Pickup and Delivery Problem, TD-CPDP)，构建混合整数规划模型。设计一类嵌套自由流速度优化机制的改进自适应大邻域搜索算法(the Improved Adaptive Large Neighborhood Search, IALNS)求解模型⏱，以集成路径和速度决策。该算法采用一类回溯寻优的新策略避免陷入局部最优，提出几种移除-修复算子充分探索解空间🚉，引入算子选择的自适应机制提升搜索效率。算法有效性验证部分，对比本文算法与基于扰动的算法、蚁群算法🍄‍🟫✭、变邻域搜索算法和自适应大邻域搜索算法𓀙🚴🏼‍♂️，表明IALNS算法的优越性🫃🏿。灵敏度分析表明，相对于车辆以恒定高速或恒定低速行驶🙇🏽，自由流速度优化机制在维持碳排放较低的情况下使配送成本分别降低了3.97%和20.91%；配送成本和碳排放对车辆绕行和众包车补偿价值较为敏感，当众包车辆旅行时间限制和众包车单位时间补偿成本保持在合理范围内时，众包配送的碳排放和成本均维持在较低水平🧔🏿🛀🏼。

已有应急车辆路径规划的研究中👊🏽，专用车道布设方案通常被视为已知条件🌧，因此🪶，本文提出一种同时优化应急车路径及专用车道的双层规划模型。在规划应急车路径时🖖🏽，将是否设置应急专用车道定义为模型的决策变量🥀，并引入前景理论来衡量设置专用车道对交通流的影响🥥。上层模型目标函数包含应急车行程时间和顺畅通行前景值两部分🍛，其中前景值作为部署应急专用车道的决策依据🧳🚶‍♀️；下层模型基于Wardrop均衡原理进行交通分配。结合遗传算法和禁忌搜索算法，提出GA-TS(GeneticAlgorithm-Tabu Search)算法求解模型🥋👨🏿‍🍼。通过在Nguyen-Dupuis仿真网络上进行数值实验🧚🏻，验证了模型和算法的有效性𓀜。实验结果表明：与不部署应急专用车道相比，在不增加路径交通饱和度的情况下☆，本文模型能将应急车辆的行程时间缩短10.69%。敏感性分析结果表明，在不同交通需求下，本文模型均能有效缩短应急车辆行程时间，并且随着交通需求增大🤹，应急车辆行程时间缩短越明显。此外，相比于暴力搜索算法，本文设计的算法在求解模型时的平均耗时降低了87.02%，显著提高了模型的求解效率🏝🩰。

针对高速公路路网拓扑结构变化捕获不及时的问题🛗，本文提出一种基于车辆轨迹信息的高速公路路网拓扑结构动态生成方法👟。首先⛴，通过挖掘ETC海量通行数据，并结合路网拓扑结构有效性约束进行异常拓扑模式分析👧🏼👩🏽‍🦱；其次🤹🏽，针对异常拓扑模式特点建立拓扑优化规则🦊🚶🏻‍♀️；然后🖍，在优化拓扑集合基础上🍈，采用LightGBM模型实现高速公路路网拓扑结构动态生成💘；最后👨🏻‍⚖️，以福建省省域高速公路实际车辆轨迹数据为例，通过少量地市路网数据的训练学习🤲🏻，实现全省域高速路网拓扑结构的准确生成，验证了本文提出模型的有效性。研究结果表明♟🪷，本文模型的路网拓扑结构生成准确率达98.3%，并可拓展至收费站、ETC门架😒、服务区等具备车辆轨迹信息采集能力的高速公路节点🎫，为基于路网拓扑结构分析的高速公路精细化管理和个性化出行服务提供有力支撑。

为精细化研究认知分心对高速公路场景下驾驶人跟车行为的影响机理，设计面向不同分心次任务的模拟驾驶试验🫰🏼。动态采集车辆运动学特性🎵，驾驶人操作和眼动特征参数🙍🏼，解析次任务状态与速度区间对跟车绩效的影响机制，构造面向不同速度区间跟车行为的认知分心状态表征参数集合。引入支持向量机、随机森林和极端梯度提升树等方法，实时识别驾驶人的认知分心状态。研究表明：沉浸式计算相较于交谈次任务会给驾驶人带来更大的认知负荷👨🏿‍🦱📴；认知分心导致驾驶人对方向盘和油门踏板的控制能力减弱，注视点更加集中于道路前方🧚🏽‍♀️，视觉转移受到抑制🌂🎐；不同速度区间下👳🏿‍♀️，认知分心表征参数集合存在差异🕛；极端梯度提升树模型性能优于支持向量机和随机森林📶；标定不同速度区间下的最佳滑动时窗宽度与滑动步长🔰，极端梯度提升树模型在总体区间及速度区间Ⅰ([60,80)km·h-1)、Ⅱ([80,100)km·h-1)🫵🏻、Ⅲ([100, 120] km·h-1)下识别准确率分别达到85.98%、87.98%、88.45%、92.21%🫒；截至风险阈值时刻，认知分心样本识别率最高可达90.0%。研究结果可为高速公路认知分心识别及预警优化设计等提供重要参考。

电动自行车在我国发展迅猛，普及率高⛹🏽‍♂️。为探究技术标准更新对电动自行车与其他弱势道路使用者之间事故严重的影响👩🏽‍🏫，本文分析其异质性和时间不稳定性🧙🏿‍♀️🙆🏿‍♂️。以盐城市2013—2023年间6022起相关交通事故为研究对象，从骑行者特征💂🏿、事故特征、道路特征🐭、时间特征、环境特征这5个方面选取潜在特征变量，通过建立均值和方差异质性随机参数模型来探索潜在异质性。同时，利用对数似然比检验事故严重程度影响因素的时间不稳定性，并借助平均边际效应量化各因素对事故严重程度的影响变化。结果表明🙍🏿‍♀️：相比二元Logit模型和未考虑异质性的随机参数模型👱🏿🕐，均值和方差异质性随机参数Logit模型具有更高的拟合优度和模型精度。此外，在2019年国标更新的影响下，电动自行车事故严重程度的因素存在明显的时间不稳定性，导致国标更新前后的重要影响变量发生显著变化。标准更新前的模型中，电动自行车和无控制这2个变量为随机变量，农村道路和沙土这2个因素分别增加其均值和方差🕵🏻；标准更新后的模型中，电动自行车和标志标线这2个变量为随机变量，秋天和肇事逃逸这2个因素增加电动自行车参数的均值。研究结果为涉及电动自行车的道路交通事故制定干预措施提供有用信息，为当前进一步更新电动自行车安全技术标准提供了有力的理论支撑🫢。

传统的舱位分配模型未充分考虑舱位需求的流动性和收益波动🫅，本文考虑舱位需求转移的情景📑，研究集装箱班轮运输中的舱位分配问题，细分舱位需求市场，即现货市场、短约市场及长约市场♛，其中，现货市场和短约市场会发生舱位需求转移🔺。为减少由于舱位需求不确定性所导致的收益波动，本文引入风险规避理论。基于此🙆，构建混合整数非线性舱位分配模型。进一步🕤，对模型进行转化及线性化处理©️，得到的线性规划模型可通过Gurobi快速求解🧑🏼‍⚕️。以马士基公司的一条从亚太至欧洲的航线作为案例进行分析验证。数值结果表明🗻：相较于不考虑风险规避的情景，考虑风险规避的情景能够将收益波动降低约80%；短约市场的设置可以有效地促进收益增加，减小收益波动；风险系数灵敏性分析表明🍵，航运公司需要积极关注现货市场😸，根据市场情况及时调整舱位分配策略，权衡收益与收益波动。

飞机滑行路径规划是机场交通管理的重要问题🙌🏿🏄🏼‍♂️，需要同时考虑效率(设计系统最优的路径方案)和公平(为航空公司提供公平的服务)两项指标。基于此，本文研究双目标的飞机滑行路径规划问题，同时考虑效率和公平👩‍🦽，并纳入飞机安全间隔时间和时间窗等影响因素。以最小化所有飞机的总延迟🚹✋🏻，以及最小化最大平均公平的公平偏差为目标🥷🏿🏋🏽‍♂️，建立双目标混合整数非线性规划数学模型。根据该模型的特点，提出一个带有初始解算法加速策略的ε-约束方法求解🛁，生成的解方案不需要决策者阐明对所考虑目标的特别偏好👩🏻‍🔧，而提供关于竞争目标之间存在的权衡信息。基于广东白云机场的场景进行数值实验🧪，验证了模型和算法的适用性和有效性。实验结果表明9️⃣：本文提出的带有初始解算法加速策略的ε-约束方法，相比经典ε-约束方法的求解速度更快，且随着飞机数量规模越大，加速时间越显著🤲。在追求航空公司间的公平性时，会以牺牲效率为代价🧖🏿，而为了尽可能地保证机场运转的流畅性，在相对不繁忙的时间段调整飞机滑行路径方案是一种更优的选择。

传统轨迹优化方法难以在改进局部飞行效率的同时保证整体空域稳定运行，为此本文提出针对空域栅格评估的多元复杂度计算方法，并研究该方法在轨迹搜索算法中的应用。首先，由“接近”“汇聚”两种运动趋势计算交互复杂度，由空域结构和气象环境计算背景复杂度。其次🐾🙇🏻，将两类复杂度分配到空域栅格上👨‍❤️‍💋‍👨，得到栅格的复杂度图▶️。最后👴，应用于改进的轨迹优化方法中以评估优化结果对空域运行压力的影响。基于仿真空域和实际上海终端区运行数据进行仿真验证🏇🏼🧜🏿。结果表明：空中交通场景的运行压力能够由多元复杂度进行量化。对比原始数据🧙🏽‍♀️，基于复杂度评估方法改进的A*算法能使优化结果的飞行距离下降20.10%🏟，预计飞行时间下降30.00%👰🏽，机动次数下降16.67%；同时对比原始数据和传统A*算法的优化轨迹，优化后的局部空域运行压力有所下降。

无人驾驶电动集卡(AECT)在港口内部物流中展现出优异的经济和环保效益，但其在港口外部集疏运环节的应用仍面临道路环境复杂多变和能源供给不稳定等挑战。为将AECT扩展至港口邻近半开放区域，本文提出利用多属性复杂度学习驱动AECT集疏运路径优化。首先，针对港口集疏运场景的动态不确定特征🧏🏿‍♂️，设计融合多属性决策和机器学习的大规模路网复杂度评估方法🎚；其次，在集疏运路径优化模型中引入自动驾驶系统设计工况(ODD)约束和续航里程限制，综合考虑AECT自动驾驶能力、能耗特性和运输时效🌔。实例分析表明：不同等级道路在复杂度水平和空间分布上具有显著差异，低等级道路的复杂度普遍高于高等级道路；当ODD边界复杂度达到0.55及以上时🪱，复杂度学习驱动的路径优化模型可使AECT人工接管率降低5.04%~16.83%🔃，在半开放场景下实现“完全自动驾驶”📤；随着ODD边界复杂度提高☹️，AECT的自动驾驶性能和节能效果逐步提升，当ODD边界复杂度达到0.55和0.70时🧏🏿‍♂️，AECT分别在限定路线和任意路线实现自动驾驶🛖🏯，运输成本相比传统集卡节省24.03%和29.26%。

随着政府逐年减少对中欧班列运营企业的补贴，班列开行量的增速放缓，部分班列平台货源结构出现剧烈波动🗾。本文将霍特林(Hotelling)模型中客户基于空间分布推广至基于货值分布的情形，构建一个包含地方政府🧗🏿、班列企业、海运企业和托运人的博弈模型，旨在确定最优政府补贴额度，并对班列和海运企业明确各自货源市场及制定运价策略进行探讨。首先👋🏽，根据区域货物的价值分布和不同托运人在运输价格和时间上的偏好差异🦙，构建地方政府、班列企业和海运企业的效用函数。然后🧚🏿‍♂️，通过网格法求解不同补贴额度下的博弈均衡状态，并分析货值分布、边际运输成本和碳交易价格变化对政府效用和最优补贴值的影响。案例结果显示：当班列补贴值为1200USD·FEU^-1时，政府效用达到最高，此时班列运输和海运的均衡定价分别为8969USD·FEU^-1和4273USD·FEU^-1；价值超过252847USD·FEU^-1的货物更倾向于高时效性的班列运输，而低于此价值的货物则偏好低成本的海运🚢👐；取消班列补贴将导致班列企业竞争力急剧下降和政府效用减少，故地方政府当前需对班列企业维持一定的补贴水平🛼🧜🏻；未来，实现补贴完全退坡的关键在于降低班列运输的边际成本。

为研究小型车和大型车两类车辆在高速公路隧道路段内的跟驰行为👨‍👩‍👧‍👧，本文使用“卡口相机结合激光雷达”的数据采集模式，采集广东省祈福隧道的车辆行驶轨迹，并分别提取两类车辆的跟驰轨迹数据；提出实时安全裕度偏差(Real-timeDeviation of Safety Margin, RDSM)评估车辆实时跟驰风险水平，采用模糊C-均值聚类方法将风险水平划分为无风险或低风险、中风险及高风险；从跟驰前车类型🧑🏽‍🏫、车辆在隧道内位置、驾驶环境™️、当前时刻的车辆驾驶和交互状态✌🏼，以及历史的车辆驾驶和交互状态这5个方面🕸，在数据中选取26项潜在影响因素，构建两类车辆的多项Logit模型和相关随机参数Logit模型，分析和比较各项因素对两类车辆的高速公路隧道实时跟驰风险的影响，揭示影响因素的异质性。结果表明：大型车在隧道内的实时跟驰风险受到更多因素的影响𓀎；跟驰车辆与其前车的车辆类型不同时，隧道实时跟驰风险会相对降低；前车驾驶状态的波动更容易导致跟驰高风险；平均边际效应显示，相比于在隧道进口段，小型车在隧道出口段实时跟驰风险为高风险的概率增加了0.0413，大型车在隧道内部路段实时跟驰风险为高风险的概率增加了0.0155；高风险状态下的跟驰间距标准差在两类车辆中均表现出异质性。

为揭示出租车碳排放时空分布特征🧑🏻‍🔬，本文基于出租车GPS(GlobalPositioningSystem)轨迹数据提取轨迹点间的平均速度和行驶里程等参数，构建COPERT(ComputerProgrammetoCalculate Emissions from Road Transport)微观排放模型量化出租车排放👩🏼‍🔬🧓🏽。在此基础上🚣‍♂️，采用分布拟合分析排放在时间🎅🏿、空间和车辆上的分布特征。最后，基于分析结果提出出租车限行和速度管控两项交通管理措施☀️，并通过数值模拟对措施的减排潜力进行评估🐂。以长治市为例进行实证研究🙇🏽‍♂️，结果表明👩🏽‍🌾，出租车行业存在零和博弈现象，排放更加均匀分布于8:00-13:00和14:00-22:00之间。节点和路段上集聚的排放量服从截断幂律分布，排放量最高的前10%的节点和路段分别汇集了95.59%和74.71%的排放量👨🏿‍⚕️。评估结果表明💁🏼，出租车限行政策最高能减少约20.35%的排放量；出租车行驶速度为15m·s-1左右时📓，排放因子最低，且将速度保持在15m·s-1时，最高能减少21.43%的排放量；选取排放量最高的前10%的路段进行速度管控能减少16.23%的排放♑️，而随机选取相同数量的路段仅能减少2.37%的排放🎵。结果可为城市交通制定精细化的碳排放管控策略和节能减排措施提供支持🫨。

为解决传统人工经验模式划分高速综合检测列车(CIT)检测区域，难以保证合理性和公平性的不足🫛，本文提出以任务均衡性和结构紧凑性为双目标的混合整数线性规划模型为核心的检测区域划分方法♊️。该模型综合考虑覆盖完整性、达速检测👩‍🎓、线-车特殊属性匹配及检测区域连通等关键约束🧖🏽‍♂️；基于多商品流模型，构建适用于具有复杂异质性和向下兼容且非唯一匹配关系的连通性判定约束；以各目标单独求解对应最优解的倒数作为目标权重👮🏻‍♂️，将原模型转为与各目标总实现程度最大化的单目标混合整数线性规划模型；最后🙎🏻‍♀️，设计不同场景的计算实验，得出影响分区方案质量的关键因素，并将所提方法运用于实际规模的线网进行测试🏖。实验结果表明：CIT异质性对划分方案的质量与求解速度影响最为显著；本文提出的检测区域划分方法可有效解决人工编制模式无法兼顾均衡检测负荷与减少异地出差的局限；使用10列CIT时，划分方案与理想解总偏差仅为2.84%，显著优于人工方案。本文可为指导检测资源配置提供决策依据🫲🏽👩‍🦳。

为缓解市区交通压力🕓，解决绕城高速免费通行政策引发的局部拥堵和财政补贴压力，本文提出一种结合可交易电子路票和新建连接道路的联合交通管理方案。通过构建双目标双层规划模型，刻画政府部门🫱🏼、绕城高速公司和出行者之间的互动机制。上层模型描述政府部门和绕城高速公司为实现各自目标而制定的可交易电子路票和新建连接道路的联合方案；下层模型描述出行者在该联合方案下的选择行为🐜，并通过约束绕城高速各路段的流量维持其正常服务水平。此外，设计结合NSGA-II(Non-dominatedSorting Genetic Algorithm II)与FW(Frank-Wolfe)的算法，用于求解该模型。研究结果表明📌😲，与现行的绕城高速免费方案和其他单一方案相比，该联合方案具有明显的Pareto改善👦🏼，能够最大程度地减少系统出行时间(降低18.56%)，同时，显著增加绕城高速公司的收益(增长51.5%)🔧。通过对比单一可交易电子路票方案与联合方案下城市道路饱和度的分布发现，联合方案能够更有效地利用绕城高速缓解市区交通拥堵🥄♓️，减少严重拥堵路段数量🌞，并增加非拥堵路段的数量，且不会导致路票价格过高，对出行者更加友好。最后⚖️，本文对OD需求🍶、路票收取路段数上限、连接道路新建数量上限和路票价格展开灵敏度分析，探究其对联合方案的影响。

为探究地下环道出入口驾驶人视觉负荷特性，组织实车试验。在解放碑地下环道🤙🏿🏇，选取出入口数量相等的4个路段并依次命名为L0~L3，利用TobiiGlasses2眼动仪获取驾驶人视觉行为特性数据。以交通标志速率信息密度🤌、平均注视持续时间🧘🏼‍♀️、平均眨眼频率，以及瞳孔面积变化速率为评价指标🤷🏽，基于博弈论组合赋权与云物元构建视觉负荷评价模型，探究地下环道出入口驾驶人视觉负荷特性变化规律⚆。研究表明：交通标志速率信息密度与平均注视持续时间的组合权重相对较高，依次占31%和35%；平均眨眼频率与瞳孔面积变化速率综合权重较低，分别占16%和18%；驾驶人视觉负荷等级由L0~L3依次表现为低负荷到高负荷的增长趋势；交通标志速率信息密度的指标关联度呈现明显由低负荷向高负荷移动的趋势，其余指标的移动趋势不明显。评价指标灵敏度排序从高到低依次为：交通标志速率信息密度，平均注视持续时间🦸🏿‍♀️，瞳孔面积变化速率，平均眨眼频率👩🏼‍🦱。建议采取提前预告道路信息或减少视觉刺激等方法降低驾驶人视觉负荷，可尝试采取交通标志设置距离增大和降低重复指路标志设置等方法🏄🏼‍♀️。