随着集装箱运输需求的日益增长以及新型信息技术的广泛应用，集装箱码头作业自动化成为国内外港口发展的主要趋势。集装箱码头作业自动化可有效提高码头的作业效率和安全性，降低码头对人力资源的需求和运营成本。水平运输系统是集装箱码头装卸系统的重要组成部分，同时也是实现集装箱在码头前沿与堆场之间运转的重要纽带，其运行的稳定性和调度的合理性将直接影响码头自动化装卸系统的运行效率。自动导引车（AGV）是自动化集装箱码头常用的水平运输设备，承担着从前沿岸桥到后方堆场的集装箱运输任务。在实际作业过程中，多辆AGV同时运作难免会发生冲突和拥堵。基于此，文中采用基于冲突搜索的双层算法（CBS算法）解决码头多AGV协同作业产生的冲突问题，上层算法搜索AGV间的冲突，下层算法采用A*算法对AGV进行路径规划，并在A*算法中引入负载因子，使得规划路径避开拥堵点，实现码头道路的负载均衡。对于码头多任务点连续作业场景下的多车路径规划，基于CBS算法采用一种滑动时间窗冲突解决方法（STWCR）以提升运算效率。通过仿真实验验证了文中所提算法能够有效解决码头多AGV路径规划的冲突问题，同时均衡路网负载，缓解道路局部拥堵现象，提高道路资源的利用率。研究成果为自动化集装箱码头水平运输系统优化提供了参考。

电动公交车在运行过程中具有零排放、低能耗等优势，目前各个国家正在大力推进城市公交车辆的电动化，以减少交通系统碳排放，助力实现“双碳”目标。然而受资金约束以及燃油公交车尚未达到报废年限的影响，公交企业通常分批购买电动公交车来替换线路上的燃油公交车，导致线路上各辆公交车的电池健康程度以及续驶里程存在差异，使得车辆调度方案优化更加复杂。本研究针对电动公交线路各辆公交车电池健康程度存在差异的情况，考虑分时电价影响，以最小化每日的充电成本、车辆购置成本和电池损耗成本为目标，建立了单线路车辆调度方案优化模型。将优化模型重构为车辆行车计划优化与充电计划优化两个子问题，其中在外层考虑车辆运营强度差异对模拟退火算法的扰动策略进行改进，采用改进后的模拟退火算法求解车辆行车计划；在内层调用Gurobi求解车辆充电计划。最后，以某市一条实际电动公交线路为例验证方法的有效性，并与扰动策略中不考虑车辆运营强度差异的模拟退火算法进行比较。结果表明：本文设计的改进模拟退火算法使收敛速度提高31.8%，能够在短时间内求得质量较高的解；生成的调度方案不仅能够安排车辆优先在低电价时段充电，还可以缩小车队规模。

作为常规公交的重要补充，灵活型公交能够面向特定群体提供需求响应式的服务，在国外已投入使用并取得良好成效。而针对国内不同的交通情况，能否将其应用于综合枢纽乘客的接驳并缓解枢纽日益凸显的集散客流压力，是城市公共交通领域值得研究的课题。为此，本文建立了面向综合枢纽接驳的灵活型公交调度优化方法。结合MaaS系统的数据共享、灵活响应等特点，构造了基于MaaS的灵活型接驳公交调度服务流程。考虑到乘客的准时性需求和公交运营企业的成本需求，综合考虑乘客满意度和企业成本，结合时间窗、车辆容量、站点服务等约束，建立了面向综合枢纽接驳公交的多目标优化模型，通过统一求解方向、归一化和赋权，将多目标模型转化为单目标模型。基于编码、解码、最大堆等思想设计差分进化算法求解，并以南京南站铁路枢纽片区为案例对模型进行验证。本文以2021年5月份南京南站周边片区部分公交线路刷卡数据为依托，分析枢纽乘客出行需求的空间分布特征，预设需求站点和乘车需求。运行编制的模型算法进行迭代优化，最终生成的方案适应度为0.921 2，乘客平均满意度为89.77%，算法在迭代50次以内即达到收敛，验证了模型和算法的可行性与有效性。灵敏度分析表明当乘客需求规模发生变化时，模型和算法依旧具有较好的适用性。

在全球城市化背景下，农村格局发生巨大变化，与之相关的农村居民日常交通行为问题已经成为关乎社会、环境和经济的研究热点。近十年来，对农村居民交通行为的相关研究逐渐增多，相关研究内容和方法也日益丰富。这些研究取得了丰硕的成果，为农村地区的发展和建设提供了有价值的参考和建议。本研究基于140篇与农村居民交通行为相关的研究文献，通过文献计量检索、科学制图和定性讨论的综合方法，确定了自2000年以来农村居民出行相关研究中做出重要贡献的期刊、学者和国家，并通过关键词分析揭示了主要的研究话题。根据统计数据显示，过去的研究美国、中国和澳大利亚是发表文献数量最多的3个国家。在期刊方面，交通运输地理杂志、交通研究记录杂志和交通与健康杂志是发表文献较多且被引用数量最高的期刊。在学者方面，敖、王和赵等发表的文献较为丰富。此外，研究结果表明绿色出行与节能减排、青少年与老年群体、建成环境与出行模式以及新兴交通与交通劣势是主要的研究方向。基于文献梳理，本研究构建了农村居民交通行为领域的研究方法框架，总结了该研究领域的主要影响因素及其影响作用路径，指明了该领域主流研究话题和现有研究不足，并为该领域提出了未来的研究方向，为从业者和研究人员提供了一个多学科指南。

随着城市汽车保有量的稳步增长，道路交通拥堵问题日益凸显，给城市发展带来了巨大压力。为了有效应对这一挑战，开发能够提高交通效率并降低能源消耗的方法显得至关重要。在当前环境下，车路协同系统作为实现绿色智慧交通系统的一种理想选择，可通过整合和优化各种交通资源，实现交通效率的提升和能源消耗的降低，进而为实现“双碳”目标提供了重要技术支持，已成为交通领域研究和实践的重要方向。本文详细解析了车路协同的基本概念、研究方法和应用场景，并深入讨论了其4个核心技术模块：融合感知、驾驶认知、自主决策和协同控制。文章回顾并总结了这些模块中从传统方法到最新的深度强化学习方法的研究成果，并深入探讨了这些技术和方法在提升交通效率、降低能源消耗和增强道路安全性方面的应用潜力。最后，文章剖析了车路协同系统在实际应用中可能遇到的诸多挑战，如信息传输的安全性、系统的稳定性、环境的复杂性等。为了克服这些挑战，文章从开发整合车端和路端信息的数据集、提升多源感知信息的融合精度、增强车路协同系统的实时性和安全性与优化复杂条件下多车协同决策控制的方法等4个方面展望了未来的发展方向。因此，本文不仅对于车路协同技术的进一步发展具有重要的参考价值，也对于城市交通系统的未来规划和建设具有重要的指导意义。

在交通网络中如何优化定位道路交通检测器布设位置以及布设数量，以此获得实时准确的多样化交通态势信息，为交通管控部门提供全面的信息基础并作为合理决策的依据，这一问题一直备受广泛关注。解决这一问题的关键在于选择合适的检测器类型，并根据研究目的构建决策模型。同时，考虑到投资成本限制和路段数量限制等约束条件，采用适当的启发式算法对模型进行求解，以得出最佳的检测器布设数量和位置。本文从道路交通检测器类型、应用场景、数据采集指标以及各种优化布设研究的研究目标层面综述了道路交通检测器的优化布设研究。首先，将检测器根据安装方式划分为固定式交通检测器和移动检测器两大类，并详细阐述了各类检测器的原理、特性、优缺点。其次，给出了各类道路交通检测器在不同场景下的应用情况以及相应的数据采集指标。然后，根据研究文献中的优化布设方法研究目的，将道路交通检测器的优化布设问题分为面向用户旅行时间估计、面向交通流观测/估计、面向交通事件检测3大类型，并论述了这些研究的发展历程、发展方向、构建的问题研究模型、解决问题的方法以及存在的不足之处。最后，对现有大量研究进行了一些总结，指出在交通网络规模庞大、各类交通不确定性突出、智慧高速发展迅速的复杂情景下，未来的研究应该以多样性交通信息检测为主导，充分考虑不同类型的交通检测器组合布设的方式、交通网络中各类不确定性以及多样场景应用等问题，以此构建完备的优化模型来解决道路交通检测器优化布设问题。

合乘出行是共享经济背景下的典型商业模式之一，以降低出行费用、减少碳排放等优势，在城市出行市场占有重要份额。车辆资源分配是优化合乘出行服务的核心环节。为充分分析车辆分配过程，本文综合考虑多种出行方式、乘客选择行为对分配方案的影响，着重探讨基于合乘出行的混合出行模式的供需匹配问题，解析乘客出行模式选择行为与区域间车辆资源分配之间的内部关联。首先引入乘客-司机匹配函数表述车辆供给与乘客需求之间的关联，然后通过Logit模型模拟乘客出行方式选择行为，从而构建区域间资源分配优化模型。在模型求解方面，将资源分配分为乘客出行方式分配和车辆供给分配两阶段，整合拉格朗日松弛算法和梯度下降算法针对每个阶段涉及的决策问题进行求解，通过乘客选择行为和车辆分配方案的反馈更新两阶段的决策方案，从而建立区域多时段交通资源分配算法。最后，在路网分区基础上，生成随机算例对资源分配算法进行测试。结果表明，本文提出的方法能够有效地均衡区域间不同出行模式的车辆供给及出行需求，随着合乘车辆数量的减少，总收益值减少比例由7.32%逐渐增至25.37%；与基于行驶里程的车辆分配方法相比，本文提出的车辆分配算法有助于提高总收益值。

网约车司机和乘客双向搜索效率低、准确性差，造成了需求与供应之间的不匹配。网约车重定位策略将车辆提前调度到未来有需求的地区，提高了供需匹配度。现有的研究大多以网络栅格表示城市道路环境，缺少几何拓扑信息，影响了调度准确性。针对这一现象，提出一种基于图神经网络（GNN）和执行者-评论者强化学习算法（A2C）的网约车重定位算法GA2C。该算法学习过程更平稳且能够高维采样，适用于海量网约车进行多智能体最佳重定位策略的学习，并且使用几何路网结构表示城市道路环境，可以将GNN作为函数逼近器学习路网几何信息，此外，引入基于动作价值函数的动作采样策略，增加了动作选择的随机性，从而有效防止竞争。基于Python构建的网约车重定位仿真实验结果如下：GA2C算法的订单响应率为84.2%，显著高于所有对比实验结果；在订单分布对比实验结果中，GA2C在均匀分布、中心状布局、块状布局和棋盘状布局所对应的相对提升分别为1.17%、6.02%、13.12%和14.55%。上述实验结果表明，GA2C算法能够有效对网约车进行重定位，当订单分布呈现明显差异性，且不同需求区域之间距离较近时，能够更好的学习动态需求变化，通过重定位网约车获得最大订单响应率。

毫米波雷达作为一种新兴的交通检测设备，受光照、天气等环境影响较小，能为道路交通感知、安全管控和信号配时优化等方面提供可靠的数据支撑。毫米波雷达获取的车辆轨迹数据蕴含着丰富的交通信息，反映了车辆时空运动特征，对交通参数提取、事件检测、驾驶行为分析、信号配时优化等具有重要意义。针对路口毫米波雷达检测车辆时数据丢失、易被遮挡，导致轨迹碎片化、有效跟踪率低等问题，文章采用多阶段关联的思想提出了一种基于短轨迹片段关联的车辆轨迹连续跟踪方法。首先，获取路口处毫米波雷达高频采集的二维点云数据，并进行清洗获取有效目标点云；其次，通过帧间关联从二维点云中提取短轨迹片段，并使用多重运动序列特征进行轨迹片段修正以剔除分裂轨迹；第三，基于时空维度的运动特性构建模糊相关函数描述车辆经过路口时多个短轨迹碎片之间的相关度，并利用匈牙利法求解关联度最高的构成目标短轨迹集合；最后，基于三次分段Hermite插值法修复短轨迹集合中缺失的轨迹点，推算完整轨迹并实现连续跟踪。利用真实路口采集的6 627帧二维点云数据进行试验，其结果表明：相较于传统轨迹跟踪算法，提出的方法在不同车流密度、监测方向和遮挡情况下均能取得较优的跟踪性能，其跟踪准确性为92.4%，平均轨迹间断数为4.5条，估计的车辆数准确率显著提升。

为了提升城市纯电动公交换电效率，降低充电站建设和运行成本，研究了电池交换式纯电动公交充电站选址定容优化问题。首先，考虑纯电动公交车换电站运行保障能力，建立了换电设施数量和电池储备容量模型，获得了换电工位和最优电池配置数量。然后，基于纯电动公交换电需求，利用排队理论对充电站运行工况建模，设置惩罚因子来保证充电站服务质量，建立了以服务半径、服务强度和供需平衡等为约束，以年总成本最小为目标的选址定容模型，应用GA、PSO和PSO-GA算法进行求解。最后，对选址定容模型敏感性分析，以获得充电速率、额定行驶里程等参数对选址结果的影响。案例应用结果表明：PSO-GA算法较GA和PSO算法在目标函数和收敛速度方面更优，充电站最优数量为30座，充电桩数量为943个，最低总成本为1 215.142 9万元。纯电动公交车额定行驶里程与建站数量、运输成本和建设成本呈负相关；充电速率与建站数量和建设成本呈负相关，与运输成本呈正相关，提高充电速率会加快电池老化，降低电池使用寿命。研究结果可为城市纯电动公交车充电站合理规划和运营提供理论依据。

随着能源危机和环境压力的加剧，电动汽车被认为是降低石化资源依赖、应对气候变化、维持能源与环境可持续发展和实现“双碳”目标的有效措施。在多方政策的鼓励下，电动汽车市场的推广规模不断得到拓展，由此带来的巨大充电需求对充电设施的布局和运营提出了挑战。电池容量限制造成的“里程焦虑”和现有充电网络建设不完善导致的“一桩难求”，使得充电设施可用性低和用户充电不便成为电动汽车的行业痛点，阻碍着电动汽车的普及，而动态无线充电技术的成熟为上述问题带来了极具前景的解决方案。电动汽车动态无线充电路段的合理配置是满足用户需求、解决“里程焦虑”、提高设施利用率、降低社会成本的关键。为提供该研究领域较为全面的综述视角，本文首先概述国内外动态无线充电路段技术的发展情况，根据优势及其面临的挑战总结技术特点；然后从建模方法、决策变量、优化目标、约束条件、模型假设、求解算法等维度，分析无线充电路段的优化配置模型，列举国内外研究成果及测试情况；最后对动态无线充电领域现有的方法、技术问题进行总结，并对无线充电路段优化配置与电网影响分析、充电负荷管理、电力市场分析、充电策略、电池管理系统、电池容量预测、电池均衡控制及无人驾驶的多学科交叉融合发展应用前景进行展望。

航空运输业是碳排放最大的行业之一，随着航空运输业的发展和环境保护管控的加强，航空运输业面临着巨大的环境压力。如何降低航空运输业的碳排放引起广泛的关注。机场场面航空器的滑行产生大量的碳排放，优化航空器的滑行是降低航空运输碳排放的重要途径。此外，为保证航空运输的安全性和高效性，机场场面的航空器滑行需要考虑滑行等待和滑行冲突等因素的影响。针对该问题，本文提出了一种基于碳排放的场面航空器时空滑行优化模型。通过在上层模型决策滑行路径，在下层模型决策滑行时间，上下层交互优化使场面航空器滑行碳排放总量、进场航空器滑行等待时间和航空器滑行冲突最小。为提高模型求解质量，设计一种上下层模型交互优化的迭代邻域搜索算法，引入冲突解脱邻域算子和随机扰动算子来求解该模型。根据广州白云国际机场的实际运行数据验证所提出的模型和算法。实验结果表明：与采用最短滑行策略相比，在避免场面航空器滑行冲突的条件下，所提模型在一个半小时的规划期内可为47架航空器减少971 kg航空器碳排放量，占总量的1.8%。该研究可以在提高滑行效率和滑行安全性的同时，提供更环保的滑行策略，帮助航空运输业降低碳排放，提高航空运输的可持续性。

在交通强国建设的大背景下，大力发展城市公共交通，推动城市可持续发展已然成为城市交通发展的必然要求。公交信号优先控制作为一种主动优先策略，可有效减少公交车辆在信号交叉口处产生的碳排放和延误，提升公交服务质量。为研究公交优先控制策略对交通碳排放的影响，基于交叉口车速随机特性，引入公交车速概率密度函数，分析了延误、停车次数、速度等主要参数对交通碳排放的影响。采用车速引导与绿时延长的组合控制策略，以交叉口上游路段以及交叉口范围内不同燃料类型的公交车和小汽车的碳排放减少量最优为上层目标，以人总延误减少量最优为下层目标，以引导速度以及非公交优先相位被压缩的绿灯时间为决策变量，建立单交叉口公交优先控制双层优化模型，并采用Gauss-Seidel迭代算法对模型进行求解。最后，将所建立的模型应用算例进行分析，结果表明，在引导提速与绿时延长策略下，交叉口整体的碳排放和人总延误减少量可分别达到25.63%和36.27%。模型有效降低了交叉口上游路段以及交叉口范围内的碳排放和人总延误，在推动可持续发展的同时，实现了交叉口整体通行效益最优。