公共文化服务平台

交通群落学:交通系统中的生态行为解读被引量：1: 2017年; 通过总结生态理论交叉学科研究成果,从生态学角度审视综合交通系统中的内在联系,发现综合交通运输系统中存在类似于有机群体的生态行为。将交通因子与生态因子进行一一比照,视交通个体为生态个体、交通方式为生态种群、交通系统为生态系统,通过四阶段生态理论(生态因子理论、生态位理论、生态匹配理论、生态位调控理论),构建区域综合交通生态演化机理理论,从而为后期生态四阶段的交通化改造(交通因子的组织、交通状态评判、交通结构分析和交通布局优化)提供理论基础。; 唐秋生汪勇徐韬聂垚; 关键词：综合交通运输生态行为

基于NL模型的轨道停车换乘行为建模分析被引量：5: 2016年; 通过对居民停车换乘(P&R)行为进行RP&SP调查,基于随机效用最大化理论,选取个人社会经济属性特征、出行特征、换乘设施服务水平特征作为效用变量,以出发时间和出行方式作为选择肢,构建了出发时间位于上层和出行方式位于下层的Nested Logit模型(NL模型).运用TransCAD对模型参数进行标定与检验,分析结果表明:(1)出行目的是居民出发时间决策的首要因素,其次是出行时间、换乘距离和停车设施供给情况;(2)反映水平一对水平二影响作用大小的包容系数λ的最终标定值为0.503,且通过了t检验,表明出发时间的选择对出行方式选择行为具有显著影响;(3)与传统MNL模型相比,考虑出发时间的NL模型具有更好的统计学特征,精度更高,MNL模型的优度比为0.41,NL模型的优度比为0.50,相差0.09.; 向红艳何素贞徐韬; 关键词：交通需求管理 NL模型

基于ADASYN-Optuna-CatBoost的常发拥堵致因分析及SHAP解释算法: 2025年; 为分析山地城市建成环境下不同影响因素对城市常发拥堵路段的致因机理,提出了ADASYN-Optuna-CatBoost融合方法,分析了不同特征间交互影响效应。首先利用城市地理数据及交通运行年报数据,在考虑建成环境因素的基础上增加了桥梁、隧道、定向车道等9个山地城市特色因子,构建了涵盖18类影响因子的原始数据集,针对原始数据集中数据分布不均衡问题,利用ADASYN过采样方法进行数据均衡化处理,通过Optuna框架优化CatBoost超参数并建立分类模型,最终利用SHAP可解释性方法开展特征单因素及双因素分析。结果表明:组合模型准确率、召回率、ACC分别为0.91、0.94、0.92,数据均衡化提高了模型预测精准度;山地城市特殊路网构造下桥梁、隧道更易形成常发拥堵;片区平均容积率、平行通道数量特征对分类结果影响显著,同时,相同的影响因子在单因素和双因素分析中存在差异性,如单因素分析下,片区平均容积率、平行通道最小间距呈现正向贡献,而在双因素分析中,平行通道数量较少时,平行通道最小间距越大,该路段拥堵的概率越小,而当片区平行通道数量较多时,平行通道最小间距越大,造成常发拥堵的风险越高。所提出的方法适用于城市交通拥堵治理与分析决策。; 徐韬任其亮任其亮林伟; 关键词：交通工程建成环境

“实时+预约”模式下共享无人驾驶汽车订单双向拍卖模型: 2025年; 【背景】随着人工智能与物联网技术的深度融合,共享无人驾驶汽车正加速从实验场景走向城市交通系统,成为未来出行领域的重要发展方向,但在其高效运营和广泛推广的进程中,仍面临诸多挑战。【目的】针对共享无人驾驶汽车高速发展过程中面临的车辆资源与乘客需求分配不均等问题,提出了以社会福利最大化为目标的双向拍卖机制。【方法】构建基于混合“实时+预约”模式的共享无人驾驶汽车订单分配模型,设计时变评分函数以动态调整订单优先级,考虑供需情况制定支付规则以优化资源配置,引入滚动时域规划以缓解资源冲突,并结合改进遗传算法求解复杂约束下的最优匹配方案。【结果】数值实验表明,提出的混合“实时+预约”订单分配模型在实现最优社会福利值方面,分别优于实时机制与预约机制16.83%和51.87%,此外,改进的遗传算法在收敛速度与求解效率方面也优于传统遗传算法。【结论】研究表明,所提内容可以为共享无人驾驶汽车订单分配提供新的思路和方法,有助于提升平台资源配置效率和社会福利,推动共享无人驾驶汽车行业的快速发展。; 任文杰王静辜继东徐韬罗孝羚; 关键词：智能交通订单分配

考虑感知价值与风险的低空出行意愿影响因素: 2025年; 为分析影响低空出行意愿的主要影响因素和影响路径,基于出行意愿模型及价值-风险分析构建了结构方程模型,量化出行偏好、出行特征、感知价值、感知风险对低空出行意愿的相互作用机理,利用未加权最小二乘法求解路径系数,并开展了感知价值、感知风险等对出行偏好的中介效应分析,以及性别、年龄等出行者个体信息的多群组模型不变性分析,最后利用模糊集定性比较分析(fuzzy set qualitative comparative analysis,fsQCA)方法分析了出行意愿的前因变量构成组态。结果表明:结构模型卡方自由度比、RMSEA(root mean square error of approximation)值、CFI(comparative fit index)值分别为3.803、0.063、0.938,通过了模型检验;感知价值(0.38)是直接影响出行意愿的最重要因素,出行特征(0.08)对出行意愿有正向直接影响,感知风险(-0.22)有负向直接影响,但出行偏好对出行意愿无显著影响;出行偏好对出行意愿呈现负效应,出行特征、感知价值对出行偏好产生了遮掩效应,感知风险则对其产生了中介效应;出行者个体信息中税前年收入对模型起调节作用,随着出行距离的增加,高收入群体较低收入群体使用低空飞行器意愿更大,同时高收入群体对低空飞行器在技术成熟度、事故严重程度等感知风险方面更加敏感;fsQCA分析表明,有3种组态可以形成出行意愿,其中组态3(出行特征、感知价值型)样本覆盖率最高,能解释48.9%的样本案例数量,当出行者属于高峰时段必要出行,且对低空出行舒适度、私密性等存在正面认知时,会产生低空出行倾向。研究结论可为低空飞行器推广促进和政策制定提供数据支撑。; 徐韬任其亮任其亮林伟; 关键词：交通工程结构方程模型感知价值感知风险

基于结构方程的通勤廊道停车换乘行为建模分析被引量：6: 2018年; 通勤廊道上基于轨道交通的停车换乘出行模式是提高廊道出行率,缓解城市交通拥堵、解决停车设施不足的有效手段。基于结构方程模型(SEM),选取个人属性、信息需求偏好及停车换乘设施水平作为外源潜变量,选择出行目的、出发时刻、出行方式及出行强度作为内生潜变量,分析了停车换乘(P&R)出行行为产生路径及各因素的效用。以实际调查数据为基础,利用LISREL软件,对模型效果进行评价。结果表明:(1)P&R出行方式在时间上具有较强规律,早、晚高峰时段选择P&R出行方式的比例较大;(2)路况状态信息、事故信息、停车信息对P&R出行行为影响显著。其中,路况状态的效用值达到0.8;内生潜变量方面,出行目的具有最高的优先级别,其对出发时刻、出行方式及出行强度的影响较大。; 向红艳何素贞徐韬; 关键词：交通工程 SEM模型

基于全过程的偶发性拥堵消散时间预测模型被引量：5: 2022年; 为减少偶发性交通拥堵消散时间预测误差,基于事故全过程将拥堵消散时间分为驻留时间、处置时间及恢复时间,从驾驶员性格特征、事故等级特征值、初始速度建立驻留时间和处置时间回归模型,利用线性递减时变权重及速度限制改进标准粒子群算法优化RBF神经网络权重,以TransModeler仿真数据及实测数据为训练样本,建立偶发拥堵恢复时间RBF神经网络模型。仿真结果表明,模型平均绝对误差为245.3 s,其中改进PSO-RBF网络对恢复时间预测相对误差为11.2%,均方根误差为102.3,平均相对误差较单一RBF网络、标准PSO-RBF网络分别下降38.1%、23.8%。; 徐韬祝烨谢晓忠晏秋萍程龙春; 关键词：交通工程全过程神经网络粒子群优化

基于Log-ARIMA的道路运行车速预测模型被引量：1: 2016年; 道路运行车速预测是交通预测的难点,运行车速随交通条件的变化而变化,为提高道路运行车速预测精度,构建了自回归移动平均(ARIMA)时间序列模型,并结合实例对重庆市江北区红黄路早高峰小客车平均运行车速进行了预测。结果表明:相较于传统的线性回归、多项式拟合、指数拟合和模糊线性回归预测模型,ARIMA预测模型的平均绝对误差分别下降了19.1%,50%,6.5%和3.7%;另外,将原始序列取自然对数后再建立ARIMA的Log-ARIMA模型可进一步提高预测精度,预测绝对误差为5.21,与普通ARIMA模型比较,平均相对误差下降了29.9%。; 向红艳徐韬何素贞; 关键词：ARIMA

基于神经网络的小时间粒度交通流预测模型被引量：12: 2017年; 为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.; 姚志洪蒋阳升韩鹏罗孝羚徐韬; 关键词：交通工程交通流预测神经网络车队离散信号配时优化

基于反向传播神经网络模型的公交进站换道决策行为分析被引量：5: 2017年; 公交车准备进站时将发生强制性换道,容易造成城市道路通行能力降低,诱发交通拥堵;还会对道路安全构成威胁。首先立足于现状调查,分析了进站决策点;并对公交车在车站上游的进换点分布情况进行了描述。其次提出了交通量、公交车数和离站路程为影响公交车换道的最主要因素;并将这3个因素作为输入变量,建立了以上游各区段进换点数量为输出的BP神经网络模型。最终,利用权积法对所建模型中的各输入变量进行敏感性分析。结果表明:交通量、离站路程与进换点数成负相关;而公交车数与之成正相关;其中,敏感系数最大的为离站路程,达0.220;3个影响因素在增加20%的扰动后,公交车数的敏感系数增速大于另外两者。; 向红艳刘悦棋刘秀彩徐韬; 关键词：公共交通 BP神经网络模型

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

徐韬

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

徐韬

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈