摘要: 随着全球化贸易的蓬勃发展，集装箱多式联运逐渐成为国际货物运输的主流模式。多样化市场需求的迅猛增长和新兴技术的进步与创新，为中国集装箱多式联运领域提供了广阔的发展空间。为系统总结中国集装箱多式联运领域的研究，检索中国知网（China National Knowledge Infrastructure，CNKI）核心数据库2000年1月1日—2024年7月10日共475篇中英文献，借助CiteSpace软件进行可视化分析，并结合文献阅读研究，总结得到集装箱多式联运领域的发文特征、研究现状、研究热点和研究趋势。研究结果表明：中国集装箱多式联运领域近年来突出的研究热点集中在新型集装箱、路径优化算法、绿色低碳运输和数智化信息平台建设等方面。目前集装箱多式联运领域研究存在的主要问题有：自动化设备与信息平台尚未实现全链条覆盖，全流程智能化进程缓慢；路径优化算法的实证研究不足，应对复杂场景能力受限；绿色能源应用与碳税制度构建尚不完善，综合性政策研究不足；信息平台建设面临数据互通壁垒与信息共享安全风险，协同效率提升有限。未来发展方向呈现多维度技术融合和系统性创新特征，主要集中在多式联运智能系统的动态响应与自主决策、全过程多情景下新型算法的开发与迁移、基于区块链技术的智能合约与自动结算、绿色岸电技术与新能源动力系统的耦合应用等方向。
摘要: 针对智能驾驶系统在驾驶风险预警中存在的动态交互特征捕捉不足、多模态轨迹预测精度有限以及碰撞风险量化物理指标过度单一等问题，研究了基于多模态轨迹预测与概率量化耦合的预见性碰撞风险评估模型。在轨迹预测部分，研究了分层图注意力网络，通过图注意力机制融合高精地图、车道线以及车辆历史轨迹特征，能够有效捕捉车辆行驶环境中的动态变化；针对传统模型中先预测再细化的两阶段解码结构，引入滑动窗口优化解码器，能够准确预测临近车辆的未来轨迹。在碰撞风险评估部分，研究了1种基于概率量化的碰撞风险评估方法，通过结合预测的未来轨迹与碰撞风险，估算自车与周边车辆发生碰撞的概率，实现对车辆危险行为的提前预警。实验结果表明：在Argoverse数据集上最小终点位移误差、最小平均位移误差和漏检率分别为0.785、1.157和0.126，与HiVT与LaneGCN相比，在终点预测方面误差分别减少了1%和15.1%。在城市交通能力仿真软件（simulation of urban mobility，SUMO）上验证预测风险与实际风险的偏差约为5%，从数据波动性上看，危险程度波动幅度为0.3，与碰撞时间（time to collision，TTC）方法和动态安全指数（dynamic safety index，DSI）方法相比，波动幅度分别减少33.3%和18.75%，在持续驾驶场景中展现出更优秀的风险评估水准；证明了基于障碍车辆轨迹预测的驾驶碰撞风险模型在预测未来潜在驾驶风险的准确性。
摘要: 在车辆事故检测中，由于事故车辆相比于正常车辆数量较少，将导致数据不平衡，从而使得事故车辆无法被正确识别，容易将其误判为正常车辆。因此，研究了1种基于SMOTE-LSTM的车辆事故检测算法。针对事故数据与正常数据不平衡问题，采用合成少数类过采样技术（synthetic minority over-sampling technique，SMOTE），在事故类样本点之间随机插入样本、增加其数量，实现事故与正常2类样本的数据平衡。同时，在对事故数据进行过采样时，通过对比不同邻居数下的检测精度，选择了最优的邻居数，以提高事故类样本识别率并避免过多噪声干扰。在此基础上采用长短期记忆网络（long short term memory，LSTM）精准捕获车辆发生事故时的数据时序特征，并通过引入Dropout层有效降低过拟合，提升了模型的泛化能力，准确实现车辆事故检测。此外，为了减少事故车辆被误检为正常车辆的情况，在模型损失函数中引入了类别权重，通过调整权重使模型更关注对事故类样本的检测。最后，在采集的车辆行驶状态时序数据集上进行6组对比实验。其中，前3组实验未采用基于SMOTE-LSTM的算法，在增加正常样本的基础上进行类别平衡、轻微和中等类别不平衡的车辆事故检测。后3组实验采用了基于SMOTE-LSTM的算法，涉及轻微、中等和极度类别不平衡情况。实验结果表明：当使用本文方法进行车辆事故检测时，Precision、Recall、F1值、G-mean，以及AUC值均取得了显著的提升，其中在轻微类别不平衡情况下，这5个评价指标值分别提高了56.2%、2.5%、38.7%、5.8%和5.4%。在中等类别不平衡情况下，分别提高了75%、14.1%、59%、8.2%和7.8%。结果表明，本文所提算法在处理车辆事故检测中的类别不平衡问题时，能够显著提高各项评价指标，尤其在轻微和中等类别不平衡的情况下，算法有效提升了对少数类的识别能力，展现了较强的鲁棒性和更好的分类性能。
摘要: 针对风力助航船舶航线优化中存在的风能利用效率量化不足、油耗预测精度受限以及多目标协同优化机制缺失等问题，提出1种融合动态风帆控制与混合驱动预测的多目标航线优化方法。通过建立基于流体力学特性的动态风帆控制策略模型，实现风帆辅助推力的空间矢量解析，该模型突破传统静态攻角设定的局限性，可即时动态调整帆角参数，使风能转化效率处于较高水平。为解决传统物理模型环境适应性差与数据驱动方法物理可解释性弱的双重局限，构建物理约束下的人工神经网络分层融合架构，通过船舶运动学方程构建特征空间基底，采用注意力机制引导的人工神经网络进行残差学习。该方法在保留能耗物理机理的同时，实现数据特征与流体力学方程的双向耦合，经北大西洋航线的验证表明，其油耗预测平均绝对百分比误差（mean absolute percentage error，MAPE）较纯物理模型降低21.9%，较纯数据驱动方法的可解释性也大大提升。在此基础上，建立包含时间成本和燃油消耗的多目标优化模型，设计基于非支配排序遗传算法（non-dominated sorting genetic algorithm，NSGA-Ⅱ）和逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）的协同优化算法，其非劣解集收敛速度较标准算法得以提升。以“新伊敦”轮为对象的实证研究表明：优化后的航线在北大西洋典型航次中，风帆有效工作效率提升，相较于传统推荐航线，优化航线的单航次航行时间缩短5%左右，油耗成本和固定成本分别降低9.1%和4.95%，总成本降低超过7.2%，有效的提高了风力助航船的经济效益并较少了对环境的污染。
摘要: 多层大型地库车流量大且交通组织复杂，对交通流线设计与优化具有较高的要求。为提升车辆在地库中的通行效率并减少出库时间，研究了基于交通仿真分析的地库流线优化方法。基于多层大型地库路网，将地库车位与出口分别当作起点（origin，O）和终点（destination，D），构建分时段的OD需求数据，选取动态系统最优交通分配（dynamic system optimal，DSO）算法按照给定的流线设计方案对地库路网车流进行分配加载，并基于车流动态加载结果对流线设计方案进行评估。在流线优化过程中，优先考虑上下层的关键通道的流线设计形式（如单双向或上下行等），然后着重考虑地库出口附近的交通冲突，遵从交通冲突点越少越好的设计原则，最后将满足双向通行条件的路段改成双向通行，以增加路网通行能力。在数值实验中，针对北京市某商品房小区双层大型地库，使用城市交通能力仿真软件（simulation of urban mobility，SUMO）搭建地库微观交通仿真平台，并根据实际数据构造时变随机OD出库需求，通过仿真分析对比了流线设计方案优化前后的路网总旅行时间、出口总排队时间、关键拥堵路段的排队时间等，进一步仿真分析了流线优化方案在突发应急状况下（如出口数量变化、OD出库需求突增）的鲁棒性能。实验结果验证了流线优化方案有助于提升地库通行效率，并具有良好的应急能力。
摘要: 换道车辆与周围车辆之间的交互关系会对换道决策产生影响。为此基于换道效用构建了1种融合驾驶风格以及交互关系的换道决策模型。基于极端梯度提升树（extreme gradient boosting，XGBoost）算法和基于密度的聚类（density-based spatial clustering of applications with noise，DBSCAN）方法，将驾驶人的短时驾驶风格分为保守型、一般型、激进型这3类；根据换道车辆与目标车道后车之间的交通冲突，结合换道持续时间判断轨迹的时空重合点，划分车辆之间的交互关系。构建了速度提升、空间安全、时间安全3个维度的效用量化模型，基于最大信息系数（maximum information coefficients，MIC）计算各类驾驶人不同交互关系下3种子效用的权重，构建换道决策总效用模型。根据历史数据计算换道驾驶人与车道保持驾驶人的总效用，聚类得到不同驾驶风格、不同交互关系下的换道效用阈值，提出车辆换道决策的规则。模型准确率检验结果表明：无论是哪种类型的驾驶人，考虑交互关系的模型准确率明显高于不考虑交互关系的准确率，说明交互关系是影响换道决策的重要因素；分别采用径向基（radial basis function，RBF）神经网络与XGBoost方法进行换道行为预测，对于保守型、一般型、激进型驾驶人，RBF方法的准确率分别为0.885、0.820、0.813，XGBoost方法的准确率为0.954、0.902、0.900，可见人工智能模型虽然对各类驾驶人的换道决策行为预测精度都较高，但对人数占比较大的一般型与激进型驾驶人的预测准确率低于本文提出的决策模型（0.921，0.923）。此外，对换道效用进行了非参数检验，检验结果进一步证明了模型的合理性。
