留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

当期目录

2026年 第44卷  第1期

栏目
  上一期
显示方式:
本期导读
2026, 44(1): .
摘要(59) HTML(59) PDF(38)
摘要:
综述
面向智能内河航运的无线信道特性研究综述：测量方法与建模技术
张晶, 胡文飞, 张清扬, 李昌振, 陈默子, 陈梦达
2026, 44(1): 1-12. doi: 10.3963/j.jssn.1674-4861.2026.01.001
摘要(111) HTML(42) PDF(28)
摘要:
随着智能航运系统的快速发展，高效可靠的无线通信已成为支撑船舶状态感知、航道环境监测及协同作业的关键基础技术之一。基于研究现状综述了面向智能内河航运的无线信道特性研究进展，揭示其区别于陆地和近海环境的独特挑战：复杂水陆混合拓扑导致的带状广域覆盖、航行环境与自然条件、密集建筑物（桥梁）以及障碍物。其中选取国内外典型内河水道为代表性场景，通过对现有通信技术在内河场景适应性瓶颈的分析，指出传统信道模型难以准确表征内河特有的传播机制。重点围绕内河信道测量与建模2个核心方向展开，同时，梳理典型频段与航段差异，比较统计建模与几何建模适用边界，并归纳关键参数获取与验证流程要点，供后续研究。在测量层面，归纳了空-天-水链路的稀疏性、船舶运动引起的不稳定性及蒸汽波导效应3个特征，总结了当前测量方案在动态轨迹跟踪、局地化气象耦合及非可视路径高分辨率捕获等方面的不足；在建模层面，评述了适用于内河环境的大尺度衰落模型与小尺度衰落模型，指出现有模型对船舶晃动与水面反射动态耦合、桥梁峡谷等受限场景精细化表征的局限性。构建覆盖内河全域的高可靠通信网络亟需突破环境驱动的高保真信道建模、多频段传播机制解析及“岸-船-云”协同架构设计等关键技术。
交通安全
基于大语言模型的海上搜救决策智能体建模方法
索永峰, 罗芳芳, 崔磊, 王建明, 潘学清
2026, 44(1): 13-25. doi: 10.3963/j.jssn.1674-4861.2026.01.002
摘要(91) HTML(31) PDF(16)
摘要:
当前海上搜救决策面临多源异构信息在语义层面缺乏统一建模方式，难以支撑跨模态信息的联合推理。同时，搜救任务具有多目标约束特性，不同决策目标之间存在显著耦合关系，传统方法往往通过分阶段或经验驱动方式进行处理，缺乏对多目标决策过程的整体推理与动态优化能力。针对上述挑战，本文研究了基于大语言模型（large language model, LLM）为推理核心的海上搜救决策智能体（intelligent search and rescue agent，IS-RescueAgent）建模方法，通过模型上下文协议（model context protocol，MCP）实现跨模态信息的语义级协调，并在统一推理过程中完成多目标决策的闭环推理与优化。新的智能体通过问题识别、信息解析等流程协同机制，实现对求救文本、环境数据和历史记录等跨模态融合处理，并对船只调度、搜索路径和任务优先级等多目标动态优化配置。具体架构层面，新提出的智能体包含信息解析、方案生成与自适应优化3个阶段：①信息处理阶段，基于语义抽取与意图识别机制实现跨模态特征的统一表达；②方案生成阶段，构建融合船舶调度、搜索路径和任务优先级的多目标约束优化框架，实现方案的动态生成与场景自适应；③学习优化阶段，通过任务评估反馈与参数更新形成迭代学习机制。实验结果表明：新智能体在报告相关性（93%）、准确度（92%）和合理性（92.3%）等指标上均优于传统LLM与大语言模型检索增强生成（large language model-retrieval augmented generation，LLM-RAG）方法。此外，本文提出的IS-RescueAgent在多种扰动环境中均表现出良好的适应性与稳定性：在中等风速（≤10 m/s）、资源充足率≥70%、定位误差≤10 m、通信延迟≤200 ms的条件下，误差控制在5%以内，响应效率表现良好。
基于可解释机器学习的自动驾驶ODD拓展优先级量化评估方法
李烨, 黄启俊, 金杰灵, 田珊, 李继朴
2026, 44(1): 26-36. doi: 10.3963/j.jssn.1674-4861.2026.01.003
摘要(97) HTML(33) PDF(14)
摘要:
针对自动驾驶设计运行范围（operational design domain, ODD）拓展中存在的路径模糊与决策主观性问题，研究了1种基于事故数据驱动的ODD拓展优先级量化评估框架。该框架旨在通过可解释的机器学习方法，为自动驾驶系统在复杂环境下的安全能力迭代提供数据支撑与决策依据。针对事故数据集中固有的严重事故样本长尾分布缺陷，构建随机森林与极端梯度提升（extreme gradient boosting，XGBoost）分类模型，引入少数类合成过采样技术（synthetic minority over-sampling technique，SMOTE）优化样本分布，在1∶20的分类权重比下重平衡数据集，确保了模型对少数关键样本（严重事故）的识别能力。为突破传统机器学习模型的“黑箱”局限，采用Shapley加性解释（Shapley additive explanations，SHAP）方法解构模型的内部决策机制，量化环境特征变量对事故严重程度的非线性作用阈值。建立基于控制变量法与主成分分析（principal component analysis, PCA）的ODD拓展边际效应模型，通过模拟单一ODD变量覆盖边界的外延，计算各项拓展策略下事故理论覆盖率的提升幅度。研究结果表明：经过SMOTE处理后，分类模型对少数关键严重事故样本的识别性能大幅提升，随机森林分类模型的整体准确率保持在83.4%的同时，灵敏度由原始的17.8%提升至90.5%，接收者操作特征曲线（receiver operating characteristic，ROC）下面积（area under the ROC curve，AUC）提升至0.922，实现了对高风险特征的更精准捕捉。量化评估数据显示，在候选拓展维度中，向非结构化“道路等级”拓展的安全边际效益最高：将ODD从当前主流的结构化高速公路拓展至州内及郡内公路，普通事故与严重事故的理论覆盖率可分别显著提升15.7%和13.0%。CARLA仿真实验验证显示，在低路面附着与低光照等拓展场景的紧急制动工况下，车辆碰撞率从基准组的5.0%分别激增至45.0%和20.0%，最小碰撞时间（time to collision, TTC）平均缩短1.3 s。物理层面的安全性能衰减趋势与量化评估模型得出的高风险特征排序高度一致，量化指标证明了该评估框架能够可靠地识别最具安全价值的ODD优先拓展方向。
基于航拍数据与自适应栅格的左转人-车交互风险建模方法
艾毅, 王凯, 廖星国, 柳飞, 韩珣, 徐宁霞
2026, 44(1): 37-51. doi: 10.3963/j.jssn.1674-4861.2026.01.004
摘要(81) HTML(38) PDF(17)
摘要:
针对道路交叉口车辆左转时人-车交互的复杂性，特别是观测难度大、运动状态随机性强、难以全面表征复杂交互风险机理等问题，研究了融合多维度风险场的自适应评估框架。该框架结合YOLOv8n目标检测算法与DeepSORT目标跟踪算法，基于无人机航拍数据进行多目标检测与跟踪，精准提取交叉口行人过街行为与车辆运动特征信息。构建了车辆运动学模型与行人随机运动模型，得到人-车运动状态参数方程；同时，融合盲区场（表征视觉盲区风险）、人-车交互势场（量化接近态势风险）以及未来可能运行空间场（预测潜在冲突区域风险），建立了左转场景人-车交互风险评估模型。进一步提出了自适应栅格建模方法，依据风险复杂度自适应调整交叉口状态信息的空间分辨率，在保证精度的前提下显著提升了复杂动态场景下的风险建模计算效率。以成都市建设路与一环路东一段交叉口为实验场景进行仿真计算，结果表明：①模型在目标跟踪精度上达到97.30%，定位精度为0.71，相比现有跟踪算法，模型在动态人-车交互场景中的跟踪稳定性与定位准确性显著提升；②与传统固定栅格方法相比，在保持预测精度误差不超过±2%的条件下，自适应栅格方法实现了20.95%~37.62%的计算时间缩减。③与传统风险评估方法相比，多维度融合风险场模型（multi-dimensional fusion risk field model，MFR）在冲突预测精度、场景适配性等关键指标上表现最佳。综上，该模型算法能够高精度、高效率实现基于航拍数据的广域无盲区动态跟踪与人-车交互风险的自适应识别。
基于LSTM-BN的车辆实时碰撞风险预测模型
詹益雪, 张桂露, 文江辉
2026, 44(1): 52-61. doi: 10.3963/j.jssn.1674-4861.2026.01.005
摘要(96) HTML(34) PDF(13)
摘要:
车路协同（vehicle-to-infrastructure, V2I）技术的发展实现了驾驶人、车辆、道路的动态信息实时交互，为车辆实时碰撞风险预测提供了技术支撑。针对当前车辆碰撞风险预测模型在动态特征捕捉与不确定性推理方面的局限，构建了基于长短时记忆-贝叶斯网络（long short-term memory-Bayesian network, LSTM-BN）的双层递进式模型。LSTM-BN模型底层利用LSTM通过设置0.1 s的采样窗口捕获车辆状态的时序演变特性，顶层通过BN进行碰撞风险的概率推断。针对武汉市自然驾驶实验数据，利用碰撞时间（time-to-collision, TTC）指标对车辆（小汽车）的碰撞风险进行定义和量化，得到无风险、低风险和高风险数据分别为25 826帧、19 344帧和4 051帧。在初步确定影响车辆碰撞风险的相关变量后，采用决策树方法从人-车-路维度提取关键致因特征，进而挖掘并表征了驾驶员熟练度、速度差、道路类型与车头间距等反映人-车-路多维要素非线性耦合关系的交互项指标，并通过构建反映人、车、路耦合关系指标的贝叶斯网络，评估当前时刻的车辆碰撞风险。在此基础上，为弥补静态概率模型在时序预测上的不足，运用LSTM预测车辆状态量。继而将这些变量映射至BN，以推断下1个时刻的碰撞概率。通过上述步骤，模型能够对动态演化下的车辆实时碰撞风险进行精准预测。为验证模型有效性，从鲁棒性、精确性、时效性和复杂性4个方面对提出模型的预测性能进行评估。模型对比结果显示：LSTM-BN模型的准确率最高（91%），较支持向量机（support vector machine, SVM）模型和随机森林（random forest, RF）模型分别提升了7%和12%；其在不同采样时段下的指标波动均小于0.1，表现出较强的鲁棒性。
基于驾驶模拟试验的山区公路急弯路段视听干预效用评估方法
刘通, 徐栋浩, 刘唐志, 孙也哲, 李其霞
2026, 44(1): 62-74. doi: 10.3963/j.jssn.1674-4861.2026.01.006
摘要(70) HTML(29) PDF(12)
摘要:
现有路段安全干预设施布设研究多聚焦于城市道路和高速公路场景，而针对山区公路急弯路段安全干预效用评估方法的研究则相对较少。为明确山区公路急弯路段不同安全干预方式的效用差异及布设依据，以重庆市永川S545急弯路段为原型搭建场景，并招募28名被试驾驶人开展驾驶模拟试验。选取红、黄、蓝、绿4种颜色的可变信息标志板（variable message sign，VMS）作为视觉干预方式，选取驾驶模拟器平稳状态噪声基础上增加8、11.5、15 dB车载抽象音作为听觉干预方式，设计单一与视听组合交叉试验，并提出干预设施前置距离计算模型。通过分析山区公路急弯路段的速度均值、加速度峰值及横向偏移率指标综合评估不同干预方式的效用。研究结果表明：设计速度为30 km/h时的山区公路急弯路段视觉干预与听觉干预前置距离分别设置为31.4 m和41.7 m；黄色VMS为最优单一视觉干预方式，速度均值、加速度峰值及横向偏移率降幅分别为22.3%、34.7%、58.4%；+11.5 dB为最优单一听觉干预方式，速度均值、加速度峰值及横向偏移率降幅分别为17.3%、38.5%、43.7%，单一视觉（黄色）或听觉（+11.5 dB）干预效果均较佳；黄色VMS+11.5 dB组合干预改善效果最佳且优于单一干预方式，速度均值降低26.0%、加速度峰值降低40.3%、横向偏移率降低66.9%，可推荐为山区公路急弯路段优先部署方案。
基于地理条件对抗生成网络的车辆轨迹隐私保护方法
辛崇实, 王立勇, 冀浩杰, 金龙, 胡特
2026, 44(1): 75-87. doi: 10.3963/j.jssn.1674-4861.2026.01.007
摘要(71) HTML(25) PDF(9)
摘要:
针对伪轨迹生成方法在大规模序列建模中梯度消失和地理语义考虑不足的轨迹失真问题，提出了地理条件约束下基于对抗生成网络的车辆轨迹数据隐私保护方法（map-conditioned trajectory generation, MCTG）。利用谱归一化生成对抗网络（spectral normalization generative adversarial networks，SN-GAN）学习全局轨迹空间分布，通过约束判别器谱范数稳定长序列训练过程，有效抑制模式崩塌与梯度消失；构建融合地图语义的条件生成对抗网络，引入编码器-解码器结构提取道路网络特征，并采用对称双向长短期记忆网络（long short-term memory，LSTM）与教师强制机制联合建模轨迹时序依赖与边界约束，从而提升生成轨迹的地理结构合理性与语义一致性。在geolife与portugal这2个真实大规模轨迹数据集上的实验结果表明：生成轨迹与真实轨迹的余弦相似度高达0.98，复杂多模态场景下稳定在0.90~0.95；詹森-香农散度（Jensen-Shannon divergence，JSD）由0.22收敛至0.105，表明生成轨迹分布性良好；而豪斯多夫距离整体低于k-匿名与差分隐私方法，空间形态保持度更高；在隐私攻击模拟实验中，假轨迹识别率低于0.01，判别准确率接近0.519，表明真假轨迹难以区分。因此，MCTG在保持轨迹统计分布一致性与道路语义约束的同时，生成的高隐私性与地理语义合理的虚假轨迹，能够有效实现车辆轨迹数据的隐私保护。
交通信息工程与控制
船岸协同的内河智能船舶远程驾驶控制系统架构
夏同, 黄亚敏, 文元桥, 韩海航, 胡泰威
2026, 44(1): 88-100. doi: 10.3963/j.jssn.1674-4861.2026.01.008
摘要(92) HTML(31) PDF(4)
摘要:
传统船舶控制系统架构已难以适配船岸协同升级与远程控制功能部署的现实需求，缺乏统一的系统框架将直接制约船岸协同作业效能的有效发挥。为保障船岸协同场景下船舶远程控制协同系统的适配性与一致性，研究适配内河智能船舶的远程驾驶类型与系统架构。通过文献综述与智能船舶相关规范的对比分析，提出内河智能船舶远程驾驶的4种基本控制模式，包括直接执行车舵指令的远程遥控模式、具备远程指令安全性判断功能的远程控制Ⅰ型、可生成自主航行决策并实现人机指令融合的远程控制Ⅱ型，以及完全自主航行场景下的监督式远程控制Ⅲ型；结合各模式对现有规范及内河航行环境的适应性分析，针对性搭建面向内河场景的“船岸云”协同远程驾驶系统架构，厘清船岸云端系统功能划分以及信息流向；针对提出的框架设计船岸协同场景下的6种远程驾驶信息服务类型，同时适配5类远程驾驶人机交互模式，明确岸基与云端数据链路融入船舶控制系统的实现路径；通过多组仿真实验，对比分析不同船岸通信延迟条件下各远程控制模式的控制性能差异。结果表明：在仿真环境下，700~1 000 ms延迟条件下，远程控制Ⅱ型可显著提升船舶远程驾驶对通信延迟的鲁棒性；400~600 ms延迟条件下，远程控制Ⅰ型的控制表现最优；更低延迟条件下，远程遥控模式亦能实现良好的控制效果。该研究提出的控制模式与系统架构为内河智能船舶远程驾驶的工程应用提供了基础框架支撑，其人机交互设计与通信延迟适配建议为船岸协同控制效能优化提供了重要参考。
公交协同优化的时空Transformer-STGNN混合强化学习方法
张韫博, 周雪梅, 王沛钰, 徐傲, 戴咏奇
2026, 44(1): 101-112. doi: 10.3963/j.jssn.1674-4861.2026.01.009
摘要(73) HTML(40) PDF(1)
摘要:
为解决公交动态越站与驻站多策略协同中局部决策引发全局连锁延误及多重目标冲突的难题，研究了1种融合Transformer与时空图神经网络的动态协同优化模型。构建双向交互的感知与预知时空特征提取架构。利用时空变换器的空间注意力机制提取公交站点的动态依赖关系，生成自适应权重矩阵并作为动态邻接矩阵输入时空图神经网络。该网络结合图卷积网络与因果扩张卷积，预测客流积压与延误传播风险，并将预知风险评分反向传递至时序注意力层。此闭环反馈机制通过风险驱动调整权重，量化了单一调度决策产生的时空非线性连锁效应。设计了1种嵌套改进遗传算法与深度双Q网络的混合强化学习框架。利用遗传算法的全局广度搜索生成帕累托前沿解集，将其作为深度双Q网络的初始策略空间；同时，在多目标奖励函数中引入时空图神经网络的风险评分作为安全约束惩罚，以此权衡车辆运行效率与乘客出行成本，输出动态越站与驻站协同控制策略。基于佛山市101路公交线路高峰时段运营数据开展仿真实验。结果表明，该策略控制了车头时距波动，避免了公交车辆的连续串车现象。在乘客平均等待时间增加0.83%的前提下，乘客平均在途时间减少约24.7%，同时缩短了车辆整体在途时间并提升了站间行驶速度。相比传统单一深度强化学习算法，该混合算法具备更少的迭代次数与更小的寻优误差。适用于高频发车的城市干线公交实时协同调度，能在控制时空风险传播的前提下实现多调度策略的动态平衡。
三峡-葛洲坝梯级通航枢纽间水域货船航行状态控制模型
赵尊荣, 韩亚, 吴兵, 许学谦
2026, 44(1): 113-126. doi: 10.3963/j.jssn.1674-4861.2026.01.010
摘要(77) HTML(22) PDF(2)
摘要:
针对三峡-葛洲坝梯级通航枢纽两坝间水域在汛期流量剧烈变化条件下货船通航风险较大的问题，本研究提出基于贝叶斯网络的货船航行状态控制模型，用于识别不满足通航条件的货船并评估其许可通航概率。模型结构结合两坝间水域通航特征，设置了环境条件、流量突变及交通复杂度3个模块，并构建了船舶属性与航道流量变化耦合的影响因素体系。在流量突变模块中，针对汛期流量变化特征，利用流量峰值、流量变幅及跃迁等级指标对突变等级进行评估。交通复杂度模块结合该水域上下行分道通航特点，以5小时通航周期为分析窗口，设置船舶数量分级和船舶间距分级指标，用以表征航道交通状态。针对模型节点参数难以直接获取的问题，本研究结合《三峡—葛洲坝水利枢纽两坝间航道汛期流量标准》、问卷调查结果及IF-THEN规则确定节点条件概率表。在此基础上，通过贝叶斯网络推理计算货船许可通航概率，形成面向通航准入的航行状态控制模型。模型验证采用实船数据、违规负样本及过坝数据进行，同时通过敏感性分析识别关键影响因素。验证结果显示：5组实船数据的许可通航概率均大于80%，与实际航行记录一致；违规负样本的不可航概率为88%~95%，能够有效识别高风险工况；60组过坝数据的许可通航概率为82%~88%，平均值为85%，与实际运行情况吻合。敏感性分析结果表明，流量条件和船舶功率为影响货船航行状态控制的主要因素。
基于改进YOLOv8s的车道线检测算法
钱锦明, 王庆, 刘鹏飞
2026, 44(1): 127-138. doi: 10.3963/j.jssn.1674-4861.2026.01.011
摘要(82) HTML(42) PDF(5)
摘要:
从道路场景图像中准确检测车道线对于自动驾驶与智能交通系统的环境感知具有重要意义。然而，在复杂的交通场景下，车道线目标呈现细长结构与形态多变的特征，使其极易受到诸如光照变化、物体遮挡以及恶劣天气等外部因素的干扰，传统YOLOv8s车道线检测模型在特征表达能力与结构建模方面仍存在不足，导致检测精度和鲁棒性有待提升。为解决上述问题，研究了基于改进YOLOv8s的车道线检测算法YOLOv8s-CLW。为增强网络对狭长细粒度车道线特征的表征能力，在特征提取阶段构建复合注意力机制，以强化网络对关键语义特征与空间信息的关注能力；为提升模型对曲线及非刚性车道线结构的适应能力，引入轻量化可变形卷积结构，实现对车道线形变特征的自适应建模；为进一步提升边界框定位精度，在损失函数中引入改进的边界回归损失函数，以提高边界回归的稳定性与检测精度。实验结果表明：在原始测试集上，YOLOv8s-CLW的Recall和mAP分别达到50.0%和59.8%，相比基线YOLOv8s模型分别提升0.6%和8.9%；在外部验证集上，Precision、Recall和mAP分别达到93.0%、92.0%和96.1%，整体检测性能得到明显提升。在复杂天气（雾、雨、沙尘、降雪）条件下的可视化实验表明，模型仍能识别部分车道线，检测数量占正常天气的约30%~85%，轻度干扰下可达80%~85%，极端天气约为30%~50%，预测线条整体保持连续性与完整性，体现出较强的环境适应性和鲁棒性。
有人无人驾驶航空器融合运行管制性能影响特征分析
张兴俭, 郑文慧, 孟令航, 赵嶷飞, 刘铭远
2026, 44(1): 139-148. doi: 10.3963/j.jssn.1674-4861.2026.01.012
摘要(62) HTML(26) PDF(1)
摘要:
随着大型无人驾驶航空器的快速发展，其进入管制空域与有人机融合运行已成为重要发展趋势，且要求无人机主动适应现有管制运行模式，但融合运行可能对管制员管制性能产生何种影响尚不明确，进而制约了相关运行策略的设计。为探究融合运行对管制员管制性能的影响机制，以终端管制区为对象，设计了传统与融合运行2种场景，招募20名管制员开展管制模拟实验，并从交通态势特征、管制员心理、管制表现、管制结果等方面出发，选取空中交通复杂度、心理负荷、情绪、指令数量、完成率、效率和管制成绩7项管制性能指标，运用配对样本t检验对比分析了各指标差异。结果显示：融合运行模式下，多项管制性能显著下降，与传统运行相比，空中交通平均复杂度和最大复杂度分别升高93.81%和32.93%；心理负荷和消极情绪水平分别增长13.78%和20.83%；航向、高度、速度指令数量分别下降6.72%，16.26%和30.79%；完成率、效率和管制成绩分别下降14.47%，8.03%和64.61%。从认知信息处理过程角度看，这些影响呈现出循环迭代、相互作用的综合特征。总体而言，融合运行的影响主要体现在3个方面：①航空器交互关系趋于复杂且具有累积效应，增加了管制指挥难度；②管制员认知与心理负荷加重，消极情绪上升，易引发注意力分配不均、决策延迟等问题；③无人机通信延迟、避让规则等特性易干扰管制运行节奏，从而导致管制性能下降。
交通规划与管理
基于深度强化学习的高速公路连续充电站动态定容方法
宋力, 聂可, 郭凯, 雷立, 陶昕蕊, 罗凯振
2026, 44(1): 149-158. doi: 10.3963/j.jssn.1674-4861.2026.01.013
摘要(65) HTML(22) PDF(2)
摘要:
新能源汽车保有量激增与高速公路充电服务能力不足之间的矛盾日益突出，同时传统多目标充电站规划方法依赖静态假设、难以适应动态交通环境。为解决上述问题，提出基于深度强化学习的高速公路连续充电站动态定容模型。将多个连续的充电站容量规划问题建模为马尔可夫决策过程，其状态空间融合充电站实时运行指标及车辆动态特征，有效刻画了“交通流-充电需求-用户行为”的非线性耦合关系，并设计了兼顾用户满意度与运营成本的多目标奖励函数。在算法层面，设计D3QN-PER-2s算法，该算法结合Dueling深度Q网络（deep Q-network，DQN）分离状态价值与动作优势函数，并利用Double DQN解决Q值过估计问题，引入优先经验回放机制评估经验重要性并进行优先级采样；并进一步采用两步时序差分更新策略，融入未来步的奖励与价值信息，增强更新过程的稳定性。模型依托SUMO仿真环境开展实时交互式学习，无需依赖历史数据，为生成鲁棒性强的方案，引入经验累积分布函数分位数分析策略，在训练后对大量仿真决策进行统计分析，选取90%分位数对应值作为最终方案，有效平衡方案经济性与需求波动的鲁棒性。结果表明，所提出的基于深度强化学习的定容方案将充电排队车辆占比控制在10%以内，且平均排队时间小于3 min。相较于基于遗传算法求解的排队论多目标模型，建设成本降低24.3%，在充电高峰时段充电桩利用率提升17.4%。上述结果证明该方法在解决多目标充电桩容量规划问题上的优越性，提升了高速充电服务效率与用户充电体验。
针对拥堵客流溯源的地铁客流管控优化方法
王尧, 曹苧木, 陈绍宽, 石梦彤, 肖迪
2026, 44(1): 159-169. doi: 10.3963/j.jssn.1674-4861.2026.01.014
摘要(66) HTML(28) PDF(1)
摘要:
现有单站管控措施难以从源头疏解线网级拥堵，导致管控效果受限，为解决高峰时段地铁线网因客流拥堵引发的车站滞留及安全隐患问题，研究了基于拥堵客流溯源的多站协同客流管控方法。该方法通过三重维度精准定位客流拥堵的源头车站：①筛选持续高进站客流量的站点，从源头减少流入线网的客流压力；②锁定换乘过程中出现明显拥堵的站点，通过客流溯源确定主要源头车站；③对瓶颈区间的客流进行溯源，追踪拥堵客流的初始源头车站，通过构建多维度客流溯源模型确定客流管控车站，实现从源头到换乘环节的全链条管控。基于上述管控逻辑，构建以乘客进站滞留人数、平均满载率和最大站台聚集人数最小为目标的多站协同客流管控优化模型，模型通过进站量动态调节实现源头控流与换乘疏解联动，并将区间通过能力、站台容量、满载率等作为约束条件。为求解该模型，设计改进的非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA-Ⅱ），通过约束感知的遗传算子设计、多目标适应度与约束惩罚融合及问题适配的种群初始化约束，提升算法的求解精度与效率。为验证模型有效性，对某城市地铁线网的5条线路共111个车站进行案例研究，结果表明：实施客流管控后，1号线与2号线的满载率标准差分别降低了1.50%和2.69%，线网客流分布更趋均匀；高风险时空单元数量减少了5.88%，关键换乘站点站台滞留人数降低了31.4%，极端聚集风险同步得到有效抑制，客流瓶颈区间的满载率峰值降低了4.6%~6.9%，区间拥堵压力得到缓解。该方法可降低高峰时段关键车站拥堵风险，提升地铁线网整体运行效率。
基于混合Logit的机场陆侧大容量公共交通分担率研究
耿庆桥, 王宇, 饶宗皓, 崔姝
2026, 44(1): 170-180. doi: 10.3963/j.jssn.1674-4861.2026.01.015
摘要(59) HTML(21) PDF(7)
摘要:
科学预测机场陆侧大容量公共交通的分担比例，能够为陆侧交通设施规模和容量配置提供定量支撑，现有方法往往难以有效刻画出行者在时间价值、出行目的、换乘容忍度等方面的显著差异，预测结果存在偏平均、精度不足等问题。本研究在分析公共交通客流特征基础上，考虑出行者的个体异质性，研究了结合混合Logit模型（mixed logit，ML）与广义费用模型的公共交通分担率分析方法（mixed logit generalized cost，MLGC），采用模糊C-均值算法（fuzzy c-means，FCM），选择出行持续时间、平均换乘次数、平均候车时间为特征，基于肘部法则将陆侧出行者聚类为3类异质群体；以出行时间与出行费用为随机变量，将各参数按私人方式、轨道交通、机场巴士及空港巴士分为4类特定属性参数，对各自变量进行二元化分类处理，同时将换成走行感知、等待感知及拥挤环境等要素纳入广义费用函数，构建了包含空间语义的换乘阻抗系数。此外，建立三阶检验体系，依据赤池信息准则（Akaike information criterion，AIC）与对数似然值完成模型对比验证。以首都机场为实证对象，基于2 067份有效问卷完成模型标定，结果显示MLGC模型McFadden值达0.255，拟合系数R2为0.924，对数似然值与AIC值表现均优于其他模型。灵敏度分析表明，轨道交通发车间隔缩减70%时其分担率提升至26%，换乘走行时间缩减90%时公共交通整体分担率反超私人交通，适度下调票价可显著增强轨道交通竞争力。MLGC模型能有效揭示机场陆侧公共交通选择的影响机理，合理的发车间隔、优化的票价机制及便捷的换乘条件可显著提升公共交通分担率。
基于混合交通随机均衡的路侧单元布置优化方法
曾明华, 贺静, 杨晓光
2026, 44(1): 181-188. doi: 10.3963/j.jssn.1674-4861.2026.01.016
摘要(67) HTML(25) PDF(3)
摘要:
现有路侧单元（roadside units，RSUs）布局研究未充分考量无人驾驶车辆（autonomous vehicles，AVs）与人类驾驶车辆（human-driven vehicles，HVs）混合交通场景，难以保障车载自组织网络（vehicular ad hoc networks，VANETs）的连通性和覆盖性。为提升VANETs性能，研究混合交通随机路径选择下的RSUs布局。为刻画AVs路径选择行为，构建了基于通信概率的改进路径长度Logit模型，并基于该改进型Logit模型建立了AV-HV混合交通随机用户均衡（stochastic user equilibrium，SUE）数学规划模型。考虑AVs和HVs混合交通对RSUs布置的影响，设计了综合考虑通信概率和覆盖性的加权目标函数，建立了以该SUE数学规划模型为下层的RSUs布置优化的双层规划模型。进而，设计了基于速度监控策略的改进二进制粒子群求解算法。数值实验结果表明：①所提出的模型与算法是可行有效的，能够为不同交通需求找到整个网络连通性和覆盖性大于90%且平衡RSUs的数量与通信半径的最优布局方案；②当道路交通中的AVs比例超过5%时，优化布置RSUs可使VANETs具有较高的连通性和覆盖性；③较大通信半径（0.8 km）时的连通性和覆盖性随19~34范围内的RSU数量减少而缓慢下降但始终保持在较高水平，通信半径为0.6 km（0.4 km）时先缓慢后显著下降（先显著后缓慢下降）且最终均接近于0.4的低值；④AVs比例较低时AV-HV混合交通总需求对连通性和覆盖性的边际影响较大。

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由 北京仁和汇智信息技术有限公司 开发