网络首发栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。
显示方式:
2025, 43(5): 1-11.
doi: 10.3963/j.jssn.1674-4861.2025.05.001
摘要:
随着机动车保有量和路网密度的持续增加，道路标线在服役过程中面临性能衰退过快和养护维修不及时等挑战，严重制约其安全功能的持续发挥。因此，针对道路标线长效逆反射性能维持困难与预测不准的核心问题，系统剖析了标线在长期服役中的逆反射性能衰退评价及其性能提升路径。对比分析发现，现有标准体系在长期性能维持方面的要求有待完善，同时传统衰退预测模型在表征交通、气候、材料等多因素作用方面存在局限，其与场景适应性差的缺陷导致预测效能受限。为此，构建基于“机理与数据融合”的可解释人工智能技术是突破现有预测瓶颈的关键路径，其核心在于精准捕捉逆反射亮度系数（retroreflective luminance，RL）的非线性衰减规律，并为养护决策提供可信的量化依据。在性能提升层面，揭示了从“最低初始成本”向“全寿命周期成本最优”转变的必要性，论证了“优质玻璃珠与高性能标线基材”组合在实现长效性能与经济性双重增益上的卓越潜力。采用表面结构创新等特殊结构设计的技术思路，通过改变标线与环境的相互作用模式，为标线寿命与路面寿命的同步提供了可能。未来研究应进一步深化跨学科协同，从预测模型构建、材料体系优化和管理机制创新等方面形成系统解决方案，为提升道路标线长效服役性能与安全保障水平提供坚实支撑。
随着机动车保有量和路网密度的持续增加，道路标线在服役过程中面临性能衰退过快和养护维修不及时等挑战，严重制约其安全功能的持续发挥。因此，针对道路标线长效逆反射性能维持困难与预测不准的核心问题，系统剖析了标线在长期服役中的逆反射性能衰退评价及其性能提升路径。对比分析发现，现有标准体系在长期性能维持方面的要求有待完善，同时传统衰退预测模型在表征交通、气候、材料等多因素作用方面存在局限，其与场景适应性差的缺陷导致预测效能受限。为此，构建基于“机理与数据融合”的可解释人工智能技术是突破现有预测瓶颈的关键路径，其核心在于精准捕捉逆反射亮度系数（retroreflective luminance，RL）的非线性衰减规律，并为养护决策提供可信的量化依据。在性能提升层面，揭示了从“最低初始成本”向“全寿命周期成本最优”转变的必要性，论证了“优质玻璃珠与高性能标线基材”组合在实现长效性能与经济性双重增益上的卓越潜力。采用表面结构创新等特殊结构设计的技术思路，通过改变标线与环境的相互作用模式，为标线寿命与路面寿命的同步提供了可能。未来研究应进一步深化跨学科协同，从预测模型构建、材料体系优化和管理机制创新等方面形成系统解决方案，为提升道路标线长效服役性能与安全保障水平提供坚实支撑。
2025, 43(5): 12-23.
doi: 10.3963/j.jssn.1674-4861.2025.05.002
摘要:
现有交通诱导策略体系多基于仿真环境下的均质假设，缺乏考虑真实场景下驾驶人行为响应机制，难以适应灾害多发区的应急交通管控需求。以西藏自治区为研究对象，系统分析灾害条件下驾驶人行为特征及其对诱导信息的响应规律，研究了基于事件特征识别和行为响应特征的多灾害场景动态交通诱导策略体系。基于地质灾害与交通阻断数据，采用高斯混合模型（Gaussian mixture model，GMM）识别事件阻断特征与时长分布，将在途突发事件划分为完全阻断型、条件通行型和临时管控型3类。结合驾驶人问卷调查数据，运用Apriori关联规则算法和结构方程模型（structural equation model, SEM）量化驾驶人对信息认知、诱导信息类型、发布位置和等待时长的响应特征。结果表明：信息认知对情景评估、情景评估对行为响应的路径系数分别为0.688（p =0.07）、0.635（p =0.05），诱导信息正向显著影响驾驶人决策行为；驾驶人对连续中断的耐受性阈值为3 h，诱导信息需求呈三级分层特征，较高关注事件类型、拥堵里程及最佳行驶路线等一级信息；短信与二维码组合推送是最有效的信息传递方式。在此基础上，提出“空间分级-时序递进”的动态诱导策略体系，构建路径级（远端绕行）、路段级（节点管控）与临时通行级（短时响应）3类诱导模式，并嵌入应急优先通行机制。基于交通仿真平台对单幅路段封闭的条件通行型事件动态管控策略开展验证分析，显示动态信号管控策略下平均等待时间较人工管控减少21.5%。
现有交通诱导策略体系多基于仿真环境下的均质假设，缺乏考虑真实场景下驾驶人行为响应机制，难以适应灾害多发区的应急交通管控需求。以西藏自治区为研究对象，系统分析灾害条件下驾驶人行为特征及其对诱导信息的响应规律，研究了基于事件特征识别和行为响应特征的多灾害场景动态交通诱导策略体系。基于地质灾害与交通阻断数据，采用高斯混合模型（Gaussian mixture model，GMM）识别事件阻断特征与时长分布，将在途突发事件划分为完全阻断型、条件通行型和临时管控型3类。结合驾驶人问卷调查数据，运用Apriori关联规则算法和结构方程模型（structural equation model, SEM）量化驾驶人对信息认知、诱导信息类型、发布位置和等待时长的响应特征。结果表明：信息认知对情景评估、情景评估对行为响应的路径系数分别为0.688（p =0.07）、0.635（p =0.05），诱导信息正向显著影响驾驶人决策行为；驾驶人对连续中断的耐受性阈值为3 h，诱导信息需求呈三级分层特征，较高关注事件类型、拥堵里程及最佳行驶路线等一级信息；短信与二维码组合推送是最有效的信息传递方式。在此基础上，提出“空间分级-时序递进”的动态诱导策略体系，构建路径级（远端绕行）、路段级（节点管控）与临时通行级（短时响应）3类诱导模式，并嵌入应急优先通行机制。基于交通仿真平台对单幅路段封闭的条件通行型事件动态管控策略开展验证分析，显示动态信号管控策略下平均等待时间较人工管控减少21.5%。
2025, 43(5): 24-32.
doi: 10.3963/j.jssn.1674-4861.2025.05.003
摘要:
针对混合交通下信号交叉口闯行行多、人车冲突风险高且拥堵延误大的问题，研究了信号灯、智能网联汽车（connected autonomous vehicle，CAV）和行人的协同控制方法。第一阶段，结合保护/禁止右转（protect/prohibit right turning，PPRT）策略，构建面向行人安全的深度强化学习信控框架。状态以车辆与行人的位置和速度矩阵表示，刻画路口的时空态势。动作按行人直行与车辆左/右转拆分相位，以信号层面的时空分离抑制主要人车冲突。奖励采用等待时间差，考虑载客量对效率的影响，并以决斗双重深度Q网络算法求解最优策略。第二阶段，建立行人与CAV的速度规划模型，减少人车交互并降低延误。行人侧根据过街距离与绿灯余长计算可行速度区间，并受加速度与速度约束，考虑人群的服从度与随机扰动。CAV侧在高风险场景时，调整满足安全约束的速度水平，削减冲突发生条件。对左转与直行的CAV进行速度引导，使其平滑通过路口。基于长沙市交叉口场景和交通流数据，构建智能网联交叉口和混合交通场景，在城市交通流仿真工具（simulation of urban mobility，SUMO）进行仿真实验。结果表明，在50% CAV渗透率场景下，本文方法的人车冲突和闯行分别为897次和272次，较PPRT分别降低43.37%和53.7%。人均延误11.61 s，较感应式信号控制、PPRT、深度强化学习信号控制分别减少39.15%、55.03%、13.62%，停车次数降至3 279次。优化效果随CAV渗透率的增加而提升，在0%~25%时，冲突减少16.60%，升至100%时综合指标最优。
针对混合交通下信号交叉口闯行行多、人车冲突风险高且拥堵延误大的问题，研究了信号灯、智能网联汽车（connected autonomous vehicle，CAV）和行人的协同控制方法。第一阶段，结合保护/禁止右转（protect/prohibit right turning，PPRT）策略，构建面向行人安全的深度强化学习信控框架。状态以车辆与行人的位置和速度矩阵表示，刻画路口的时空态势。动作按行人直行与车辆左/右转拆分相位，以信号层面的时空分离抑制主要人车冲突。奖励采用等待时间差，考虑载客量对效率的影响，并以决斗双重深度Q网络算法求解最优策略。第二阶段，建立行人与CAV的速度规划模型，减少人车交互并降低延误。行人侧根据过街距离与绿灯余长计算可行速度区间，并受加速度与速度约束，考虑人群的服从度与随机扰动。CAV侧在高风险场景时，调整满足安全约束的速度水平，削减冲突发生条件。对左转与直行的CAV进行速度引导，使其平滑通过路口。基于长沙市交叉口场景和交通流数据，构建智能网联交叉口和混合交通场景，在城市交通流仿真工具（simulation of urban mobility，SUMO）进行仿真实验。结果表明，在50% CAV渗透率场景下，本文方法的人车冲突和闯行分别为897次和272次，较PPRT分别降低43.37%和53.7%。人均延误11.61 s，较感应式信号控制、PPRT、深度强化学习信号控制分别减少39.15%、55.03%、13.62%，停车次数降至3 279次。优化效果随CAV渗透率的增加而提升，在0%~25%时，冲突减少16.60%，升至100%时综合指标最优。
2025, 43(5): 33-43.
doi: 10.3963/j.jssn.1674-4861.2025.05.004
摘要:
城市快速路交织区的复杂交通行为显著影响通行效率与安全水平。为深入揭示主线与辅路汇入车辆间的微观交互机理，本研究以武汉市珞狮路高架快速路为实证对象，基于1.2 km路段、3.5 h连续采集的大规模高分辨率车辆轨迹数据（时间分辨率0.1 s，空间分辨率0.1 m），系统性地提出并定义了4种交互换道模式：竞争模式、协作-竞争模式、协作模式与竞争-协作模式。创新性地引入安全替代指标（surrogate safety measures，SSMs）进行多维度量化约束，涵盖碰撞时间（time-to-collision，TTC）、跟车时距（GAP）、车辆速度差，以及横向偏移量等关键参数，实现了对车辆纵横向动态及复杂相互作用的全过程刻画。为实现对换道模式的精准、自动化辨识，研究构建并优化了1个基于极端梯度提升（extreme gradient boosting，XGBoost）算法的换道行为辨识模型。在模型构建中，通过对原始数据进行严格筛选，改变了传统研究中对数据约束的模糊性，剔除了前后交叉汇入等干扰数据，最终标定出1 049条典型的稳定汇入案例用于建模。实验结果表明：该模型的准确率达到91.83%，显著优于随机森林、支持向量机等基准模型。进一步的交通流影响规律分析表明，竞争-协作换道模式通过优化车辆间协作与竞争关系，展现出最佳综合效益：跨线行驶时间最短，起始位置更早，目标车道后车最大减速度绝对值最小，TTC值最大，且侧向冲突占比最低。该模式在提升换道效率的同时有效降低冲突风险，为智能交织区管控及协同式自动驾驶决策提供了理论支撑。
城市快速路交织区的复杂交通行为显著影响通行效率与安全水平。为深入揭示主线与辅路汇入车辆间的微观交互机理，本研究以武汉市珞狮路高架快速路为实证对象，基于1.2 km路段、3.5 h连续采集的大规模高分辨率车辆轨迹数据（时间分辨率0.1 s，空间分辨率0.1 m），系统性地提出并定义了4种交互换道模式：竞争模式、协作-竞争模式、协作模式与竞争-协作模式。创新性地引入安全替代指标（surrogate safety measures，SSMs）进行多维度量化约束，涵盖碰撞时间（time-to-collision，TTC）、跟车时距（GAP）、车辆速度差，以及横向偏移量等关键参数，实现了对车辆纵横向动态及复杂相互作用的全过程刻画。为实现对换道模式的精准、自动化辨识，研究构建并优化了1个基于极端梯度提升（extreme gradient boosting，XGBoost）算法的换道行为辨识模型。在模型构建中，通过对原始数据进行严格筛选，改变了传统研究中对数据约束的模糊性，剔除了前后交叉汇入等干扰数据，最终标定出1 049条典型的稳定汇入案例用于建模。实验结果表明：该模型的准确率达到91.83%，显著优于随机森林、支持向量机等基准模型。进一步的交通流影响规律分析表明，竞争-协作换道模式通过优化车辆间协作与竞争关系，展现出最佳综合效益：跨线行驶时间最短，起始位置更早，目标车道后车最大减速度绝对值最小，TTC值最大，且侧向冲突占比最低。该模式在提升换道效率的同时有效降低冲突风险，为智能交织区管控及协同式自动驾驶决策提供了理论支撑。
2025, 43(5): 44-56.
doi: 10.3963/j.jssn.1674-4861.2025.05.005
摘要:
针对货车交通事故诱因识别难、因素关联影响不清晰等问题，研究了山岭重丘区货车交通事故诱因识别与因素关联挖掘方法。收集了广东省某山岭重丘区货运高速公路1 839起货车事故数据，通过数理统计方法，分析了山岭重丘区货车交通事故时空分布；基于改进的Apriori算法，挖掘了山岭重丘区货车交通事故影响因素的关联规则，得到全要素、自相关、特定维度（时间、道路要素）和事故维度之间共571条关联规则。关联挖掘模型评估结果表明：改进Apriori算法的准确性较传统Apriori算法提升了86.4%；关联规则挖掘结果显示：晴天、纵坡坡度小于2%与轻微事故关联的提升度大于1.0，即：轻微事故主要发生在该组合路段；操作不当、安全距离不足与侧翻和追尾事故的关联提升度大于1.8，即单车的侧翻和追尾主要由该因素导致；坡度-2%~-3%、半径大于1 000 m与重大事故关联的提升度大于1.6，即：重大、特大货车交通事故主要发生在坡度2%~3%、半径大于1 000 m的下坡路段；凌晨01：00—03：00与伤人事故的关联提升度大于1.3，即伤人事故主要集中在凌晨；研究结果揭示了山岭重丘区货车交通事故原因，发现了货车交通事故要素之间的关联性。
针对货车交通事故诱因识别难、因素关联影响不清晰等问题，研究了山岭重丘区货车交通事故诱因识别与因素关联挖掘方法。收集了广东省某山岭重丘区货运高速公路1 839起货车事故数据，通过数理统计方法，分析了山岭重丘区货车交通事故时空分布；基于改进的Apriori算法，挖掘了山岭重丘区货车交通事故影响因素的关联规则，得到全要素、自相关、特定维度（时间、道路要素）和事故维度之间共571条关联规则。关联挖掘模型评估结果表明：改进Apriori算法的准确性较传统Apriori算法提升了86.4%；关联规则挖掘结果显示：晴天、纵坡坡度小于2%与轻微事故关联的提升度大于1.0，即：轻微事故主要发生在该组合路段；操作不当、安全距离不足与侧翻和追尾事故的关联提升度大于1.8，即单车的侧翻和追尾主要由该因素导致；坡度-2%~-3%、半径大于1 000 m与重大事故关联的提升度大于1.6，即：重大、特大货车交通事故主要发生在坡度2%~3%、半径大于1 000 m的下坡路段；凌晨01：00—03：00与伤人事故的关联提升度大于1.3，即伤人事故主要集中在凌晨；研究结果揭示了山岭重丘区货车交通事故原因，发现了货车交通事故要素之间的关联性。
2025, 43(5): 57-69.
doi: 10.3963/j.jssn.1674-4861.2025.05.006
摘要:
针对机场飞行区安全风险演化路径不清、难以动态预测的问题，研究了集成决策实验室分析、解释结构模型与贝叶斯网络的耦合致因分析模型。基于航空器事件调查报告、文献与专家知识等，构建包含人、机、环、管4个维度的飞行区安全事件致因因素体系。采用改进的决策实验室分析/解释结构模型方法解析致因因素因果关系并构建多级递阶结构：在决策实验室分析阶段融合客观事故致因链与专家判断以提升关系判定的准确性；在解释结构模型层级划分后保留关键跨层级关系，增强网络结构对系统复杂性的刻画能力。将优化后的拓扑映射为贝叶斯网络，通过优化先验概率与条件概率的确定方法，贝叶斯参数估计实现飞行区安全事件概率的正向预测与致因链的逆向诊断。华北地区某机场的实证结果表明：飞行区安全事件先验发生概率为4.26%，证据输入下概率区间为4.38%~14.00%；逆向诊断识别出关键致因链为：部门协调沟通机制不完善→沟通协调配合失误→应急处置失当→飞行区安全事件。与现有研究对比显示，本模型在因素关系识别方面优于依赖问卷的结构方程模型方法，路径逻辑更清晰；在风险推演能力上实现从静态相关分析到动态概率推断的跨越，支持实时预警与根因追溯。案例分析结果与真实事故调查高度吻合，验证模型在飞行区安全管理中具有较高实用价值与可靠性。
针对机场飞行区安全风险演化路径不清、难以动态预测的问题，研究了集成决策实验室分析、解释结构模型与贝叶斯网络的耦合致因分析模型。基于航空器事件调查报告、文献与专家知识等，构建包含人、机、环、管4个维度的飞行区安全事件致因因素体系。采用改进的决策实验室分析/解释结构模型方法解析致因因素因果关系并构建多级递阶结构：在决策实验室分析阶段融合客观事故致因链与专家判断以提升关系判定的准确性；在解释结构模型层级划分后保留关键跨层级关系，增强网络结构对系统复杂性的刻画能力。将优化后的拓扑映射为贝叶斯网络，通过优化先验概率与条件概率的确定方法，贝叶斯参数估计实现飞行区安全事件概率的正向预测与致因链的逆向诊断。华北地区某机场的实证结果表明：飞行区安全事件先验发生概率为4.26%，证据输入下概率区间为4.38%~14.00%；逆向诊断识别出关键致因链为：部门协调沟通机制不完善→沟通协调配合失误→应急处置失当→飞行区安全事件。与现有研究对比显示，本模型在因素关系识别方面优于依赖问卷的结构方程模型方法，路径逻辑更清晰；在风险推演能力上实现从静态相关分析到动态概率推断的跨越，支持实时预警与根因追溯。案例分析结果与真实事故调查高度吻合，验证模型在飞行区安全管理中具有较高实用价值与可靠性。
2025, 43(5): 70-78.
doi: 10.3963/j.jssn.1674-4861.2025.05.007
摘要:
道路交通事故频发，但基于传统事故严重程度分类的数据比例往往不平衡，为探究样本比例不平衡时多维因素的耦合作用对严重交通事故的影响，研究了1种融合自适应合成采样（adaptive synthetic sampling，ADASYN）算法、Stacking集成学习模型与Apriori算法的分析框架，利用美国交通部2017—2021年道路交通死亡分析报告的数据，从“人、车、路、环境”这4个维度选取15个潜在特征变量，分析多维因素耦合对严重事故的影响。本文利用ADASYN算法进行样本不平衡性处理，选取经典的4类机器学习模型：随机森林（random forest，RF）、分类提升（categorical boosting，CatBoost）、极端梯度提升（extreme gradient boosting，XGBoost），以及梯度提升决策树（gradient boosting decision tree，GBDT）作为基模型，并通过比较5种不同的元模型，即逻辑回归模型、高斯朴素贝叶斯模型、支持向量机、轻量级梯度提升机、多层感知机，筛选出与所选基学习器结合后泛化能力最优的Stacking集成学习模型，随后基于最优模型获取特征重要性排序，筛选出关键因素，并利用Apriori算法对特征进行多维耦合分析，探究五维因素耦合对严重交通事故率的影响。研究表明：①以逻辑回归作为元模型结合RF、CatBoost、XGBoost，以及GBDT作为基学习器构成的集成学习模型效果最优，召回率达0.80；②道路类型、季节、碰撞类型、碰撞时的灯光情况、驾驶人饮酒这5个因素重要性占全部因素总重要性的53.2%，显著高于其他变量，其中严重事故率最高的为碰撞类型特征中的“与树木等杆状物碰撞”，达86.2%。且有光时的严重事故率比无光时的严重事故率提高了13.5%；③多维因素耦合分析发现，自治市道路与驾驶人未饮酒、碰撞时处于无光-有光环境，季节为秋季等多维因素耦合时耦合时发生严重事故的概率最高，置信度达89.0%，打破了未饮酒被认为是低风险因素的常规认知。
道路交通事故频发，但基于传统事故严重程度分类的数据比例往往不平衡，为探究样本比例不平衡时多维因素的耦合作用对严重交通事故的影响，研究了1种融合自适应合成采样（adaptive synthetic sampling，ADASYN）算法、Stacking集成学习模型与Apriori算法的分析框架，利用美国交通部2017—2021年道路交通死亡分析报告的数据，从“人、车、路、环境”这4个维度选取15个潜在特征变量，分析多维因素耦合对严重事故的影响。本文利用ADASYN算法进行样本不平衡性处理，选取经典的4类机器学习模型：随机森林（random forest，RF）、分类提升（categorical boosting，CatBoost）、极端梯度提升（extreme gradient boosting，XGBoost），以及梯度提升决策树（gradient boosting decision tree，GBDT）作为基模型，并通过比较5种不同的元模型，即逻辑回归模型、高斯朴素贝叶斯模型、支持向量机、轻量级梯度提升机、多层感知机，筛选出与所选基学习器结合后泛化能力最优的Stacking集成学习模型，随后基于最优模型获取特征重要性排序，筛选出关键因素，并利用Apriori算法对特征进行多维耦合分析，探究五维因素耦合对严重交通事故率的影响。研究表明：①以逻辑回归作为元模型结合RF、CatBoost、XGBoost，以及GBDT作为基学习器构成的集成学习模型效果最优，召回率达0.80；②道路类型、季节、碰撞类型、碰撞时的灯光情况、驾驶人饮酒这5个因素重要性占全部因素总重要性的53.2%，显著高于其他变量，其中严重事故率最高的为碰撞类型特征中的“与树木等杆状物碰撞”，达86.2%。且有光时的严重事故率比无光时的严重事故率提高了13.5%；③多维因素耦合分析发现，自治市道路与驾驶人未饮酒、碰撞时处于无光-有光环境，季节为秋季等多维因素耦合时耦合时发生严重事故的概率最高，置信度达89.0%，打破了未饮酒被认为是低风险因素的常规认知。
交通信息与安全
Journal of Transport Information and Safety
（1983年创刊 双月刊 ）
曾用刊名：《交通与计算机》
主管单位：中华人民共和国教育部
主办单位：武汉理工大学
协办单位：
中国人工智能学会智能交通专业委员会
主 编：钟鸣
副 主 编：马勇 胡钊政 杜志刚
领域主编：陈再刚 杜文博 吕能超
黄亚敏 郑士源
执行主编：徐堃
编辑出版：
《交通信息与安全》编辑部
地 址：
湖北省武汉市武昌区和平大道武汉理工大学余家头校区125信箱
邮 编：430063
电话/传真：027-86580355
E-mail：jtjsj@vip.163.com
官方网站：http://www.jtxa.net/
邮发代号：38-94
国内刊号：CN 42-1781/U
国际刊号：ISSN 1674-4861
期刊收录
- 《中文核心期刊要目总览》入编期刊
- 中国科学引文数据库（CSCD）来源期刊
- 中国科技核心期刊
- RCCSE中国核心学术期刊（A）
- 中国学术期刊综合评价数据库（CAJ-CED）收录
- 中国科技论文与引文数据库（CSTPCD）收录
- 中国核心期刊（遴选）数据库收录
- 中文科技期刊数据库收录
- 中国期刊网（CNKI）收录
- 《中国学术期刊（光盘版）收录》
- 中国终身教育学术研究数据库总库收录
- 日本科学技术振兴机构数据库（JST）收录
- 《世界期刊影响力指数（WJCI）报告》（2020科技版）