为研究决策惯性在出行者路径选择行为中的影响，将出行者分为高敏感型和低敏感型。在决策惯性影响与超出决策惯性影响的基础上，分析出行者在路径选择中的实际行为。从真实的决策结果出发，明确了惯性决策临界值的计算方法，通过量化对决策惯性的影响范围进行描述；分析了不同情境下的惯性行为及影响因素，采用因果图和贝叶斯网络寻求变量间关系；构建不同情境下的多元路径选择模型，从而因地制宜地计算路径选择概率。通过验证数据集，对构建模型进行验证。研究结果表明，决策惯性在出行行为中真实存在，对不同情境下的路径选择概率有不同影响，在考虑路径选择时考虑决策惯性将得到更精准的结果；同时，惯性临界值对模型的选取有较大的影响。

Lane-changing trajectory planning (LTP) is an effective concept to control automated vehicles (AVs) in mixed traffic, which can reduce traffic conflicts and improve overall traffic efficiency. To enhance the lane change safety for AVs, a co-evolutionary lane-changing trajectory planning (CLTP) method is proposed to describe the risk minimization process that co-evolves with the dynamic traffic environment in the limited literature. Firstly, the natural driving data of vehicle trajectory on the expressway provided by the High dataset are used to construct the lane-changing samples. To obtain the future traffic environment information, a deep learning neural network is adopted to capture trajectory dynamics in mobility of surrounding vehicles around a lanechanging vehicle. Secondly, the safe interaction between the subject vehicle and the surrounding vehicles is considered to establish a mathematical model for the temporal and spatial risk identification of a lane change event based on the fault tree analysis method. Subsequently, the risk minimization of lane change is considered as the objective. Based on the acceleration and deceleration overtaking rules and the trapezoidal acceleration method, the longitudinal and lateral displacement schemes during a lane change are designed. Finally, the motion parameters of longitudinal and lateral displacement are acquired to form an ideal lane change trajectory using a genetic algorithm. The results show that this method can effectively achieve higher safety of the lanechanging process, and reduce the traffic conflicts and traffic turbulence caused by dangerous lane-changing behaviors. The findings can provide theoretical support for lane change trajectory planning algorithm design of intelligent vehicles.

由于近年来社会经济的快速发展,交通拥堵成为我国各大城市面临的一个难题。发展城市轨道交通是缓解城市交通拥堵的有效方式,在国内受到了越来越多的重视,而科学合理的规划是重要前提。为了使城市轨道交通更加稳定高效的发展,应用复杂网络理论分析城市轨道交通网络抗毁性演化具有重要现实意义。首先从多节点失效和单节点失效两个角度分析城市轨道交通网络抗毁性。基于攻击策略分析多节点失效下的城市轨道交通网络抗毁性,提出一种基于节点失效影响的蓄意攻击策略,并与现有的攻击策略对比分析,通过实例验证了新的攻击策略可以最大程度破坏网络的连通效率。考虑到城市轨道交通网络多个节点同时发生故障的可能性较低这一现实情况,综合分析单个节点失效对网络的影响,基于网络全局效率提出了新的城市轨道交通网络抗毁性度量指标-抗毁强度,设计了网络抗毁强度算法,能够实现城市轨道交通网络抗毁性的定量分析。然后基于网络抗毁强度,提出了城市轨道交通网络线路重要性和节点重要性评价方法。综合考虑线路失效后的网络全局效率和网络抗毁强度变化,建立了线路重要度测算方法。从节点结构属性和节点失效影响两方面出发,建立了包含5个指标的节点重要性指标体系,提出了基于熵权-TOPSIS的节点重要性综合评价方法。以上海轨道交通网络为例,验证了以上两种评价方法的合理性。最后基于网络抗毁强度,分析了城市轨道交通网络抗毁性的演化规律。首先分析了城市轨道交通网络统计特征的演化规律。然后对上海轨道交通网络和深圳轨道交通网络的抗毁性演化结果进行了整体分析,结果表明:整体来看网络规模越大抗毁性越强,随着网络规模的不断扩大,网络结构日趋完善,抗毁性变化趋于稳定。同时对抗毁性演化结果进行了局部分析,通过对网络内部和外部的定义划分了城市轨道交通网络的生长模式,详细分析了上海轨道交通网络在五种生长模式下的抗毁性演化规律。最后在之前研究的基础上,进行了城市轨道交通网络统计特征与抗毁性的灰色关联分析,研究结果表明,城市轨道交通网络复杂度是其抗毁性的关键影响因素。论文研究结果可以为城市轨道交通网络的规划与管理提供一些参考。

近年来城市交通拥堵问题愈发严重,通过大力发展快速公交系统来改善城市交通拥堵问题成为了许多城市的选择。快速公交具有大容量、高承载,低污染的特点,能极大的缓解途径城区的交通状况。但它与周边的接驳线路往往不存在互相协调,乘客在换乘过程中耗费大量时间。本文从静态和动态两方面对快速公交及其接驳线路的协同调度展开研究,以提高公交运行效率、增加了公交出行对乘客的吸引力。首先,本文建立了快速公交及其接驳线路的静态协同调度方案。对于快速公交,通过设置时间控制点和松弛时间的方式对时刻表进行优化。针对时间控制站点客流量大和行程时间方差小的需求,提出了一种新的时间控制点筛选方式。并结合历史公交运行数据,建立了松弛时间的求解模型。为了实现接驳公交线路与快速公交的协调,本文从公交运营成本和换乘的便利性角度进行考虑,以系统总成本最小为目标,建立了接驳公交线路静态时刻表优化模型。接着,本文建立了快速公交及其接驳线路的动态协同调度方案。公交车在实际运行中容易受到其他因素干扰,实际运行情况与静态调度方案存在一定的差异,需要利用动态调度对其进行调整。本文提出了一种结合交叉口信号控制和站点驻站的快速公交动态调度方法,将每个公交站点作为决策点,对快速公交车头时距进行控制。把车头时距可靠性和交叉口延误影响作为优化目标,并利用遗传算法求解。通过接驳公交线路在换乘站点驻站的方式实现与快速公交的动态协调。考虑换乘乘客与非换乘乘客在换乘站点处的候车总成本,决定接驳公交线路是否需要在换乘站点处进行驻站。最后,以苏州游4路和9路的公交数据对静态协同调度方案进行了算例分析,得到了优化后的游4路及9路的静态时刻表。游4路在提高8%公交车行程时间的基础上,站点准点率提高了20.3%;优化后分析时段内公交系统总成本下降了3.3%。之后对动态协同调度方案进行算例分析。结果证明,本文提出的快速公交动态调度方法能有效的提高车头时距的稳定性,同时不会对交叉口延误产生较大影响;接驳线路的动态协同调度方法降低了公交运营成本,减少了乘客换乘时间,使得15.7%的快速公交换乘乘客直接换乘。

近年来,随着城镇化水平的不断提高,汽车保有量渐渐超过了城市交通的承受能力,造成了严重的交通拥堵问题,而由于公共交通具有载客量大、占用道路资源少,对环境污染轻、提高居民出行效率等优点,因此,优先发展公共交通已经成为世界各国的共识。随着城市内公共交通的快速发展,一些相应的问题也随之凸显出来,包括区间重叠严重、线路车辆配置不合理等。为了解决上述问题,本文在分析重叠区间特性的基础上,根据重叠区间运营公司的数目分别构建了单运营商公交线路发车频率优化模型和多运营商公交线路发车频率优化模型,并结合长春市多条公交线路的客流数据进行了案例分析,通过实验结果验证了模型的有效性。本文主要研究内容如下:（1）论文首先分析了影响公交调度的因素,包括公交线路客流特征、公交企业车辆配置及技术水平、天气等,之后分析了有重叠区间的公交运营特征,主要包括单运营商公交运营特征分析和多运营商公交运营特征分析,这些特征为下文模型的构建奠定了基础。（2）对单运营商公交线路发车频率优化问题进行了概述,并建立了相应的单运营商公交发车频率优化模型,模型的目标函数是乘客总出行时间最小,变量是各条线路的发车频率,同时介绍了用于模型求解的遗传算法。（3）对多运营商公交线路调度问题进行了描述,即这些线路有重叠区间,但由不同的公交公司负责运营,在这种情况下,公交公司之间彼此竞争,本文构建了相应的双层规划模型,上层模型负责的是线路分配,目标函数是乘客总出行时间最小,下层模型的目标函数是各个公交公司追求自身利润的最大化,变量是运营线路的发车频率,并设计了相应的求解步骤。（4）论文对前面构建的两个模型分别进行了相应的案例分析,选取的公交线路均为长春市内公交线路,且线路重叠情况符合本文研究要求,实验结果表明,本文构建的单运营商公交发车频率优化调度模型能够使乘客总出行时间降低了3.27%,多运营商公交发车频率优化模型能够使乘客总出行时间降低了4.89%,使乘客的总等车时间减少了21.86%,也说明了本文构建的模型能够提高公交系统运行效率,对改善公交运营现状有较大的意义,同时对有重叠区间的公交线路调度有一定的借鉴意义。

随着我国经济发展和城市化发展,城市在交通方面的需求越来越大,导致了目前许多城市在交通方面的供给无法满足巨大的居民出行需求。这给城市交通的运行带来了十分巨大的压力。公共交通作为一种运载能力强的交通方式,可以有效缓解城市中的交通压力。提高公交运行效率,优化公交服务水平成为城市交通发展的主要方向。然而在城市公交快速发展将不可避免的带来一些新的公交运行问题。多线路公交车运行区间重叠现象便是公交快速发展过程中出现的新型公交运行问题。本文针对多线路公交在重叠区间内的重叠问题,结合公交在运行中到站间隔时间和公交站间行程时间研究,提出公交在重叠区间下的时刻表协同优化的方案,并通过公交仿真的方式来验证所提出的优化方案。首先通过2017年12月哈尔滨部分公交线路的到站时间数据分析研究了单线路公交在运行过程中的到站间隔时间以及站间行程时间的分布规律。通过对研究到站间隔时间和站间行程时间的分布拟合模型以及研究各种分布模型k-s检验结果,得出公交到站间隔时间和站间行程时间的分布规律。其次结合研究得到的公交到站间隔时间和站间行程时间的分布规律,利用实际的哈尔滨公交4路的到站时间数据,进行单线路的公交仿真的设计与研究。通过分析线路的到站时间数据,研究线路中每个站点的公交到站时间数据以及线路中每个站间行程时间,以及仿真中的两个重要参数,发车间隔和行程时间进行仿真的参数设计。最后本文研究了公交重叠区间内公交重叠优化问题。结合现有的公交串车研究,提出了公交重叠区间内的重叠阈值。在公交重叠区间的仿真中,选择了两条在实际运行中有实际重叠区间的线路95和线路12的公交到站时间数据,利用真实的数据对公交仿真的两个主要参数进行设计。在优化的过程中,首先分析了单个站点的优化方法,然后是整个重叠区间内的优化方法。在公交首站发车时刻表中加入一个平移发车时间,分析平移发车时间与重叠总次数之间的联系。最终通过多次仿真的结果,可以验证通过平移首站发车时间可以有效的优化多线路公交在公交重叠区间内的重叠问题。

近年来,交通拥堵在我国变得日益严重,发展轨道交通成为了解决该问题的有效措施,但是伴随着城市轨道网络规模的扩大,城市轨道的运营与管理也面临着更严峻的考验。客流是城市轨道系统中重要的组成部分,雨雪天气会使城市轨道客流产生波动,进而影响到城市轨道客流预测的准确度以及城市轨道运营安全。通过对客流波动规律的研究,解析不同雨雪等级下的客流波动规律及客流波动持续时长,提出基于长短期记忆神经网络（LSTM）的雨雪天气下城市轨道客流预测模型,应用可拓物元法建立雨雪天气下的城市轨道运营风险评价模型,为城市轨道交通的运营与管理提供理论依据。首先通过九期移动平均法计算客流基准值,引入客流偏差率的概念以量化雨雪天气下的城市轨道客流波动,并以哈尔滨市地铁1号线博物馆站2017年12月至2019年1月的客流为例,分析不同等级雨雪天气下的分时客流波动以及全日客流波动,并分析工作日及休息日、平高峰等因素对客流波动的影响以及各类客流波动结果产生的原因。此外,提出雨雪天气下的城市轨道客流波动持续时长的量化方法,并通过曲线拟合的方式建立降水量与客流波动以及客流波动持续时长之间的关系模型。结果表明:降雨会对城市轨道客流产生负面影响,但降雪会对城市轨道客流产生正向影响,降雪对城市轨道客流的影响时间及影响大小远大于降雨情况,且降雪对城市轨道客流的影响存在一定的滞后性。然后在雨雪天气下城市轨道客流波动规律的基础上,提出基于长短期记忆神经网络（LSTM）的雨雪天气下的城市轨道客流预测模型。以哈尔滨市地铁1号线全线客流为例进行客流预测,以平均绝对误差（MRE）、均方根误差（RMSE）以及平均相对误差（MRE）作为预测模型的评价指标,与经典的SARIMA预测模型以及支持向量机预测模型进行对比,验证了客流预测模型的准确性及可靠性。最后通过分析城市轨道运营风险的因素构成以及各风险因素之间的耦合关系,构建雨雪天气下的城市轨道运营风险评价体系,引入三角模糊数确定各个指标的权重,并通过可拓物元法建立雪天气下的城市轨道运营风险评价模型。并以哈尔滨市地铁1号线博物馆站降雨日为例,对站点运营风险进行评价,验证了评价方法的可靠性。论文研究结果可以为城市轨道交通的运营与管理提供一些参考。

随着我国国民经济的迅速发展,城市的规模迅速扩张,城市居民的交通需求也越来越大。目前许多大型城市的道路交通运载能力无法满足居民的出行需求,导致交通拥堵问题日益严重。公共交通作为一种运载能力强、运输效率高的交通方式,目前被广泛承认为一种有效解决城市道路交通拥堵的方法。近年来我国推行了一系列交通政策以大力推进公共交通建设,城市公交线路数量越来越多,导致了道路内出现公交线路区间重叠的现象。不同线路之间相互影响,公交车无法执行预定的行车计划,影响了公交车头时距的均匀性,进而导致串车现象的发生。公交车串车现象将导致乘客在站点的等车时间增加,浪费公交系统资源,降低公交出行方式吸引力。如何解决这一问题对于城市公交系统进一步完善有着重要意义。城市公交线路可分为有公交专用道的线路和无公交专用道的线路。针对有公交专用道的高频公交线路,本文提出了基于路段车速诱导与交叉口多周期信号控制的组合动态调度策略。通过公交车速控制与交叉口多周期信号调整相配合,可对公交车在站点间的运行状态进行精确控制,进而改善公交车头时距均匀性。针对无公交专用道的线路,本文提出了基于公交驻站和跳站的组合动态调度策略。通过公交跳站或改变驻站时间控制公交车的停站时间,进而调整车头时距。由于多辆公交车可同时在站点处执行驻站或跳站,该策略可同时对多条线路进行协调控制,合理分配各线路的运载能力。其次,本文结合不同道路环境内公交线路的运行特点,建立了不同调度策略影响下的公交车辆运行状态的预测模型。综合考虑了区间重叠现象的影响、不同类型乘客的需求以及对其他社会车辆的影响,为两种调度策略分别建立了方案优化模型。最后,以吉林省梅河口市的公交线路为例对本文所建立的两种调度方法分别进行了验证,采用遗传算法求解优化调度方案并与线路原始方案进行对比。结果表明本文所建立的调度方法能够在对社会车辆及公交运行车速影响较小的情况下有效改善公交车头时距的均匀性,避免串车现象的发生。

由于我国城市人口的快速增加,城市交通拥堵日益严重,优先发展公共交通是缓解城市交通拥堵的有效途径。但是随着公共交通的发展,近年来城市公交系统中存在的各种问题也开始显现出来。例如,由于乘客需求波动大和公交车发车频率高导致的多辆公交车同时进站,或者先发车的公交车落于后发车的公交车辆,即人们常说的串车问题。又或者由于不同公交线路运行区间重叠导致重叠区间内的乘客具有多种出行选择,使重叠区间内的乘客需求波动增大,某些公交车在重叠区间内上车乘客较多,而某些公交车辆上车乘客数量较少,进一步加剧串车的发生。以上这些公交系统中的问题不仅会使公交车车厢拥挤度不均匀,车厢过度拥挤或空座率大,还会降低公交车的准点率以及乘客服务水平,增大乘客出行时间成本和公交公司运营成本,严重损害了乘客和公交公司共同的利益。为了缓解上述问题,本文提出了不同公交线路运行区间重叠影响下的多车型组合调度模型,即在模型中充分考虑不同公交线路运行区间重叠的特性以及其对公交线路调度方案的影响,并在公交运营中同时使用大型车和小型车进行组合调度。该调度方法以公交线网中的乘客总出行时间成本和公交公司运营成本之和为优化目标,以发车间隔和发车车型为优化变量,同时设计启发式算法对模型进行求解,得到优化的不均匀发车间隔和发车车型。在进行区间重叠影响下的多车型调度模型建模之前,本文首先介绍了公交调度的影响因素,并分别建立了单条公交线路下的多车型、大型车、小型车调度模型。通过对比分析单条线路下的大型车、小型车调度模型与多车型调度模型求解结果来证明多车型调度模型优于其它两种模型。同时为了验证区间重叠影响下的多车型调度模型的有效性,将该模型求解结果与单条线路下的多车型调度模型求解结果作对比分析。最后,以哈尔滨市63路、10路和11路公交线路为例对本文建立的运行区间重叠影响下的多车型组合调度模型和单条线路下的三种调度模型进行求解,并得到优化后的发车时刻表和发车车型。通过对63路、10路和11路公交线路的多车型、大型车、小型车调度模型进行求解。结果表明,多车型调度模型的累积乘客出行时间以及乘客出行时间与公交公司运营总成本都要低于大型车和小型车调度模型。通过对比3条线路运行区间重叠影响下的多车型调度模型求解结果和不考虑区间重叠的3条线路多车型调度模型求解结果,可以发现考虑区间重叠的3条线路的总乘客出行时间比不考虑区间重叠时的3条线路总乘客出行时间降低了5.2%,总成本降低了8.8%。