2026, 44(1): 1-12.
doi: 10.3963/j.jssn.1674-4861.2026.01.001
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。
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。
2026, 44(1): 13-25.
doi: 10.3963/j.jssn.1674-4861.2026.01.002
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。
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。
2026, 44(1): 26-36.
doi: 10.3963/j.jssn.1674-4861.2026.01.003
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。
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。
2026, 44(1): 37-51.
doi: 10.3963/j.jssn.1674-4861.2026.01.004
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。
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。
2026, 44(1): 52-61.
doi: 10.3963/j.jssn.1674-4861.2026.01.005
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。
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。
2026, 44(1): 62-74.
doi: 10.3963/j.jssn.1674-4861.2026.01.006
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。
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。
2026, 44(1): 75-87.
doi: 10.3963/j.jssn.1674-4861.2026.01.007
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。
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）