针对交通运输业碳排放序列高度非线性、非平稳性及驱动因素间存在复杂耦合与信息冗余导致预测精度受限的问题，本文提出一种结合两阶段特征筛选（LMIC-LASSO）、逐次变分模态分解（SVMD）、改进长颖燕麦优化算法（IAOO）及双向长短期记忆网络（BiLSTM）的混合预测模型。本文构建基于时滞最大互信息系数（TLMIC）与LASSO回归的两阶段特征筛选策略，精准识别关键驱动因素的时滞效应并剔除冗余变量。引入SVMD将原始碳排放序列自适应分解为多个平稳模态分量，降低数据的非平稳性；利用混合混沌扰动、适应t分布变异和动态反向学习策略改进长颖燕麦优化算法（AOO），并利用IAOO对BiLSTM网络的关键超参数自适应寻优，避免模型陷入局部最优。通过各模态分量分别构建基于IAOO-BiLSTM的预测模型，并对预测结果集成重构。以中国交通运输业1990—2023年的碳排放数据验证模型，结果表明：所提模型较最优对比模型的均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）分别降低21.88%、23.33%和24.32%，显著提高了交通运输业碳排放量的预测准确性。

既有通勤者定制公交选择行为的研究忽略了小汽车依赖的异质性，缺乏针对不同小汽车依赖群体的定制公交需求响应策略。本文基于问卷数据按小汽车依赖度将通勤者细分为低、中、高这3类群体，通过构建条件Logit模型系统检验社会经济属性与出行属性对定制公交选择意愿的影响，进行耦合小汽车依赖异质性的通勤者定制公交选择行为机理挖掘。结果显示：3类群体的用户画像存在差异，教育水平对选择定制公交的正向作用呈梯度增强，收入效应在各群体间表现出明显异质性，工作时间柔性对各群体选择意愿均具有显著影响，且作用方向随小汽车依赖群体发生转向。在出行属性方面，高峰时段对选择意愿具有最强促进作用，尤以中等依赖群体最为显著。不同群体的关注重点亦不相同，低、中、高依赖群体分别对拥堵时间、通勤费用和步行时间更为关注，低依赖群体愿意为节省拥堵时间多支付1.3元·min-1，高依赖群体愿意为减少步行时间多支付0.8元·min-1。本文提出面向不同小汽车依赖度通勤者的分层化、差异化和精准化的定制公交推广与定价策略，以提升定制公交吸引力，降低对小汽车的过度依赖，缓解通勤压力，进而促进城市交通系统的可持续发展。

轨道交通四网融合背景下，多制式轨道交通线路在综合客运枢纽接续异常复杂，本线客流与跨线客流相互交织，使列车时刻表、停站方案和旅客路径选择之间的耦合关系更加突出。本文考虑基于OD(Origin-Destination)客流需求的各制式轨道交通系统本线客流和跨线客流，借助列车-旅客多层时空网络引入基于弧段的列车和旅客选择决策变量，并在此基础上建立以旅客总出行时间最小的多商品网络流模型，研究多制式轨道交通列车时刻表、停站方案和乘客路径协同优化问题。基于模型复杂度，采用拉格朗日松弛算法求解，并设计基于对偶解的启发式方法求解原问题可行解。以京广高铁北京西—石家庄区段、京雄城际和北京城市副中心线组成的路网为实际场景，通过构建一个包含49列列车和345组旅客的案例验证本文所提出模型和算法的有效性。结果表明：76%的跨线旅客换乘时间控制在30 min以内，旅客平均换乘等待时间为11 min，并对相关参数做了灵敏度分析。

为提升城市群多模式交通网络韧性，本文以韧性最大化为目标研究多模式交通网络韧性恢复策略。构建无向加权的城市群多模式交通网络，综合考虑性能韧性和连通度韧性，其中，性能韧性由结构性能与功能性能构成，提出多模式交通网络韧性评估方法，并以韧性最大化为目标建立韧性修复双层规划模型，上层模型为双目标混合整数规划模型，下层模型为用户均衡分配模型。设计强化人工蜂鸟算法 （RLAHA）和Frank-Wolfe算法分别求解上层模型和下层模型。借助西部地区城市群多模式交通网络验证模型和算法的有效性。结果表明：RLAHA算法具有更优的收敛性与求解质量，相比按度优先恢复策略与随机恢复策略，韧性修复决策模型得到的最优恢复策略下的韧性分别提升了15%与20%，该模型得到的最优修复调度方案从修复工作开始即提升韧性。维修队配置对西部地区城市群多模式交通网络韧性与整体修复工期影响较大，单种交通网络的维修工期随着维修队的增加而减少，但整体维修工期并未随维修队数量的增加而单调递减。结构性能权重对性能韧性与连通度韧性的影响较小，平均变化率仅为1.28%，决策者偏好系数对性能韧性的影响较大，对连通度韧性的影响较小，平均变化率分别为12.37%与3.39%。研究结果可为我国城市群多模式交通网络韧性评估与抢修恢复提供决策依据。

低空经济作为国家战略性新兴产业，正进入快速发展阶段，然而，低空空域资源碎片化、空域使用效率低下及安全风险较高等问题仍然是亟待解决的挑战。为此，本文提出一种面向城市低空物流的航路网络构建方法，并进一步开展网络韧性恢复研究，实现突发事件下网络功能的快速恢复与高效重构。首先，采用增量优化策略布局节点空间，构建由干线-次干线-支线组成的分层拓扑结构；随后，引入多目标遗传算法，对不同恢复阶段的节点与边进行动态优化排序，获得高效的恢复策略。以天津市和济南市物流驿站的经纬度坐标和机场禁飞区数据为基础，结合公路货运量数据模拟低空物流需求与运行约束条件，构建典型城市低空航路网络。实验结果表明，本文提出的韧性恢复策略可显著提升网络整体效率与流量韧性；帕累托前沿分析进一步验证多目标优化方法在综合恢复性能上的优势。本文提出的新型低空航路网络抗扰动与动态恢复方法体系，可为无人机物流配送、城市空中交通及应急救援等低空经济应用提供有效的技术路径与实践依据。

国际运输框架下，跨境多式联运受到通关时间和关税征收幅度波动性的制约。本文引入三角模糊数刻画通关时间与关税税率的不确定性，以运输成本、运输时间和碳排放量为目标，构建多式联运路径优化模型，并基于模糊机会约束规划理论，将不确定性模型转化为易求解的混合整数规划模型；设计一种改进的多目标进化算法求解模型，减少优质解丢失，提升算法鲁棒性；最后，以重庆—新加坡覆盖8个国家15个节点的跨境运输为算例进行分析。计算结果表明：所提方法能够合理编制解决不确定跨境条件的多式联运路径优化方案集，与其他先进的多目标进化算法相比，其超体积指标提升13.21%，稳定性指标提升69.63%，本文所提方法性能提升效果显著，能够很好地为跨境多式联运相关承运主体提供优质的路径决策支持。

实际运输中，各节点不同运输方式的转运时间存在显著不确定性，这增加了多式联运路径优化的难度，也为承运人的决策带来挑战。因此，本文研究考虑转运时间不确定性的多式联运多目标路径优化问题，构建以运输费用、运输时间和碳排放最小为目标的多目标优化模型。为刻画转运时间的不确定性，对样本数据进行正态分布检验，采用拉丁超立方抽样和逆累积分布函数相结合的方法模拟不确定性转运时间。进一步地，针对传统NSGA-II（Non-dominated Sorting Genetic Algorithm II）算法在求解高维、多目标、多约束问题时易出现早熟收敛、种群多样性下降等情况，引入自适应交叉算子和自适应变异算子，根据种群适应度状态动态调整交叉概率与变异概率，以提高算法在不同迭代阶段的搜索灵活性，改善Pareto解集质量与收敛性能。最后，以黑龙江省对俄出口多式联运网络为算例进行仿真分析。结果表明，折中解对应运输费用为52 138.7元、运输时间为26.3 h、碳排放为4 964.8 kg；与标准NSGA-II算法相比，改进算法在运输费用和运输时间方面分别降低 1 690.5 元和 13.4 h。进一步地，相比于转运时间确定，不确定性条件 下会倾向选择转运次数更少、运输时间更短的方案，但这会导致运输费用和碳排放分别增加8 705.5 元和1 675.7 kg。此外，佳木斯、富锦和同江是高频转运节点，铁-水转运是关键环节，重点优化上述节点及其转运操作，有助于提高多式联运整体运输效率。研究结果可为多式联运承运人的路径决策提供参考。

城市交警常态化巡逻勤务中，地面警车受路网拓扑约束与交通拥堵影响，机动能力受限，难以同时满足全域见警率与拥堵点位快速响应的双重目标。为此，本文提出面向空地协同交警巡逻的双目标混合整数规划模型，以拥堵风险捕获量与巡逻节点覆盖规模最大化为联合优化目标，系统刻画地面警车与警用无人机的不同运动约束及“空中发现-地面处置-任务重分配”的协同任务逻辑。针对大规模路网下的求解难题，本文设计一种改进的自适应大邻域搜索算法，提出融合空间距离与拥堵风险差值双重权重的改进Shaw移除算子，增强算法对风险集聚区域的整体识别能力；设计统一贪婪修复算子实现空地资源动态适配；推导时间成本局部增量评估公式以降低计算开销。依托杭州市跨江区的真实路网开展实验验证，结果表明：所提算法在捕获风险总分、覆盖节点数和综合得分方面均优于遗传算法、第二代非支配排序遗传算法（NSGA-II）和禁忌搜索基准，其中，综合得分较禁忌搜索提高19.3%，覆盖节点数提高24.7%；消融实验表 明，在含有统一贪婪修复算子的自适应大领域搜索算法（ALNS-G）基础上，进一步引入改进Shaw移除算子后，所提算法较ALNS-G综合得分提高4.5%，捕获风险提高12.5%，运行时间降低21.6%；帕累托前沿分析表明，所提算法在风险捕获与覆盖规模双目标空间中对禁忌搜索形成明显支配，为决策者提供了不同勤务偏好下的巡逻方案选择依据。

针对极端暴雨内涝下城市交通与新能源汽车（New Energy Vehicles, NEVs）充电网络耦合失效及应急协同恢复难题，本文提出一种面向服务释放的路网抢修时序优化策略。首先，刻画灾害场景下“路网断裂-拓扑孤岛”跨层映射机理，以最大化系统服务效能释放率（System Service Efficacy Release Rate, SSR）及其恢复曲线下面积（Area Under the Curve, AUC）为目标构建时序优化模型。其次，为克服高度碎裂网络中启发式搜索易陷入非连通冗余修复与长期无收益的困境，提出基于重力路由的自适应边界拓扑(Gravity-Routed Adaptive Frontier Topology, GRAFT)算法。该算法通过动态作业面约束严格规避脱网无效修复，并引入孤岛重力场兜底机制引导抢修资源在连续无增益阶段维持有效推进。基于北京市海淀区大规模交能耦合路网的仿真结果表明，所提算法的全周期恢复效能（AUC为57.58）稳定优于传统的需求优先（54.43）、拓扑优先（52.83）和可达性优先（52.77）策略，展现出更高的累积恢复效益；消融实验显示，动态作业面约束将脱网无效修复动作清零，配合重力场机制使高价值枢纽站的触达时间提前至第36小时；敏感性分析揭示了资源受限工况下抢修投入规模与系统恢复效能之间的非线性关系及边际递减效应。研究结果定量证实 了底层交通网络连通性对上层充电服务能力的支撑作用，可为城市防汛减灾与跨部门协同应急资源配置提供理论依据。

交叉口作为城市交通网络的关键节点，其事故率居高不下，辅助驾驶技术的发展对交叉口安全提出新的挑战。为提高交叉口碰撞风险的预测能力，本文提出一种融合驾驶行为熵与双向长短期记忆网络的碰撞预测方法。基于高保真驾驶模拟平台，构建3类典型城市交叉口冲突场景（右转行人冲突、左转对向车冲突和直行障碍物避让），采集55名驾驶人的纵向速度与横向方向盘转角操控行为数据。通过滑动时间窗计算速度熵、方向盘转角熵及其对应标准差，构建多维驾驶稳定性特征指标，采用重复测量方差分析对不同场景及驾驶阶段的特征指标进行统计分析，并建立双向长短期记忆网络模型对3 s时间窗内的碰撞风险进行实时预测。结果表明，冲突阶段标准差类指标与驾驶行为熵指标均显著高于稳定驾驶阶段，且熵值指标能够有效表征驾驶人操作的不确定性与复杂性；熵特征的引入使模型漏检率降低30.07%，误报率降低42.45%，且平均提前预警时间提前36.84%。驾驶行为熵作为对传统波动性指标的有效补充，可增强模型对 危险状态的敏感性与预测稳定性，为辅助驾驶环境下交叉口风险预警提供一种可行的方法参考，对道路交通安全水平的提升具有一定意义。

聚焦网联车辆混合交通流条件下干线多交叉口车辆呈队列到达引起的启停延误、排队溢出与通行效率下降问题，本文提出信号配时与可变限速双层协同控制方法。上层以滚动优化为核心，结合车道级排队状态和短时到达预测结果，生成动态相位、绿灯时长及车道级绿灯服务窗口，并通过绿灯早起与迟断实现实时修正；下层以车道级绿灯服务窗口为约束，根据受控CAV（Connected and Automated Vehicle）距停车线距离和目标绿灯窗口计算速度上限，引导车辆尽量在绿灯期间到达停车线，并结合速度边界、新增延误约束、限速保持与平滑处理以及跟驰风险检查，减少不必要的限速干预和速度波动。仿真结果表明，在中等交通需求条件下，协同控制相较固定配时方案可使平均延误降低约51.2%~65.8%，且延误改善随CAV渗透率提高更加明显。在高需求且CAV渗透率较高的情况下，车均停车次数降低约57%，表明所提方法能够有效抑制停走波动和进口道排队积聚。同时，中等需求下，车均燃油消耗相较固定配时方案降低约40.9%~48.6%。研究结果表明，所提协同控制方法能够在不同交通需求下改善通行效率、车辆运行平顺性和能耗水平。

考虑到基于基本图理论的通行能力计算方法不能适应自适应信号控制的动态特性以及交通流状态的不稳定性，为准确地估算自适应信号控制系统通行能力，本文提出一种基于高斯过程回归的自适应信号控制动态通行能力计算研究方法。首先，针对自适应控制产生的复杂交通数据，构建包含交通状态 x(t) 、信号控制策略 Φ(t) 和决策时间序列 H(t) 的异构多维特征空间。然后，利用双向长短记忆神经网络完成对时序数据的编码和特征提取，利用多头注意力机制识别自适应控制策略中的关键节点。最后，采用高斯过程模型学习从多维输入特征到交通量的关系映射函数，运用非参数贝叶斯的性质和建模的不确定优势，可以灵活适应于信号控制策略与通行能力间的复杂非线性相关关系；从而突破了传统基本图理论在固定配时模式下的静态建模局限性。仿真实验结果证明：除对比基本图模型静态通行能力和静态高斯过程模型，本文还对比了支持向量机、随机森林、K-近邻、长短记忆神经网络模型与Transformer模型，本文模型的各指标都显示最优。本文提出的扩展输入特征的高斯过程回归方法能够较好地反映出自适应控制决策的变化对通行能力的影响，有效提高了通行能力预测精度（EMAPE =3.96%、R2 =0.951 0），对于自适应信号控制系统的性能评估、系统优化都具有较高的实际意义。

针对网联异构车队在动态复杂场景下纵横向协同控制精度与实时性难以兼顾的问题，本文提出一种人工势场增强的分布式纵横向耦合控制方法。首先，基于有向图通信拓扑结构，构建考虑轮胎非线性特性的三自由度纵横向耦合动力学队列模型；其次，设计人工势场增强的分布式非线性模型预测控制器，并采用交替方向乘子法进行分布式求解；最后，搭建多种工况环境进行仿真实验。结果表明：在车辆切入工况下，与传统分布式非线性模型预测控制相比，本文提出方法能够在保持期望安全间距下，横向位置误差和航向角误差分别降低约36.3%和22.1%；在高曲率S型弯道下，与分布式线性模型预测控制相比，横向位置精度和航向角精度分别提高约 57.1%和 64.2%，与集中式非线性模型预测控制相比，计算效率提高约87%，验证了分布式非线性架构的合理性，实现车队跟踪精度与实时性的最优权衡。此外，在人工势场增强的分布式非线性模型预测控制下，驾驶舒适度提升约8.9%，燃油消耗指标降低约3.6%，表明该方法在舒适度及燃油经济性方面同样具有优势。

针对当前自动驾驶车辆换道决策多关注自身及邻近车辆，对整体交通流态势考量不足的问题，本文提出一种考虑交通流态势的换道轨迹优化模型。基于风险势场理论，将障碍车辆加速度信息融入二维高斯分布构建自适应障碍物势场，并耦合道路势场，分析动态交通环境下的风险分布特征。基于五次多项式生成换道轨迹簇，建立融合安全性、效率性、舒适性和交通流扰动的多目标代价函数，求解最优换道时间与轨迹。借助CarSim/MATLAB联合仿真平台，在60 km·h^-¹和120 km·h^-¹两类设计速度工况下对模型进行检 验。仿真结果表明：自车跟踪轨迹平滑，纵向加速度峰值远低于 0.3g 的乘坐舒适性阈值；高速工况下自车 速度偏差峰值较低速工况减34.9%，目标车道后车扰动可在短时内消散，模型对周围车流的扰动可控性良好。

城市信号路段处智能网联车辆（Connected and Automated Vehicle, CAV）规划的平滑轨迹往往局部车速较低，易引起后方人工驾驶车辆（Human-driving Vehicle, HV）的超车。为提升超车场景下混合交通流运行和能耗效益，本文提出一种应对后方HV超车的CAV轨迹规划方法。首先，按对CAV及其混合车队的跟随意愿将HV分为跟随型与常规型，设计一个信号路段混合交通仿真框架，采用有限状态机描述车辆交互行为；其次，建立混合整数二次规划模型用于规划 CAV 轨迹，以最小化 CAV 的行程时间和油耗并最大 化驾驶舒适度为目标；最后，设计轨迹预测与超车感知算法，并基于此提出改进被动让行策略(Improved Passive Yielding Strategy, IPYS)用于更新CAV的规划轨迹，减小HV超车产生的负面影响。仿真结果表明，IPYS策略在不同CAV占比和流量水平下效益提升整体优于其他对比策略；当CAV占比为20%~30%，各种策略之间的差异最显著；跟随型HV占比的提升有助于提高交通流效益。同时，敏感性分析显示，路段和周期长度会显著影响优化效果；当路段长度在 500~700 m 之间时，不同周期长度下 CAV 被超车频率的差异较大。

针对由快速路多瓶颈及衔接城市路网构成的混合路网，为解决此类大范围优化控制中计算耗时过长的问题，本文构建兼顾控制性能与计算成本的交通控制协同优化方法。该方法对现有交通流模型的改进包括：在混合路网的两类组成路网中同步引入宏观基本图（MFD）模型；在多区域城市路网交通流模型中，考虑入口匝道长度不足且依赖上游交叉口实施控制的复杂场景，同时，将边界排队因素纳入各城市路网单元的MFD。将改进后的交通流模型作为模型预测控制（MPC）的预测模型，以系统总行程时间（TTS）最小化为优化目标，求解快速路主线整体及各城市路网的边界总进入流量；进而依据局部状态反馈，由各边界总流量分配得到各控制路段流量。仿真结果表明：由于引入边界排队因素，所提出的优化控制方法减小了预测模型与仿真模型之间的偏差，控制效果优于现有方法，且能逼近理论最优控制方法的控制性能；同时，由于全局采用MFD建模，显著缩短了计算时间，满足实时控制需求。控制排队空间充足时，所提出 的优化控制方法较无控制场景降低TTS达8.6%；排队空间受限时，TTS降幅为7.3%。

职住空间分离作为现代大都市的典型特征，直接导致长距离通勤现象的普遍化，为突破这一地面交通瓶颈，促进职住空间平衡，采用电动垂直起降飞行器（eVTOL）这一创新交通模式作为解决方案。eVTOL凭借其航速快、灵活性强和不依赖地面道路等优势，有望成为未来城市中途通勤的重要载具。然而，当前，关于城市空中交通（UAM）的研究和实践多数聚焦于无人机领域，面向载人场景的研究尚处于起步阶段，因此，本文基于eVTOL提出系统性的站点选址和路线规划方法。首先，通过提取有效通勤出行样本，结合禁飞区约束条件，以“覆盖最大化和站点数最小化”为目标，利用基于K-Dimensional Tree（KD-Tree）的改进贪心覆盖聚类算法实现eVTOL站点选址；其次，构建以“最小化运营成本”为目标的路线规划模型，综合考虑eVTOL载客量、航程、固定成本和距离成本等约束，并采用“贪心算法生成初始解+改进遗传算法迭代优化”的双阶段混合策略进行求解；最后，通过具体案例验证方法的有效性，输出可行的路线规划方案，并从距离与通勤时间两个维度对比评估其效果。结果表明：与小汽车相比，eVTOL在出行距离上平均节省28.29%， 在时间上平均节省61.58%，在提升通勤效率与空间利用率方面优势明显。

针对低空风场中强空间非均匀特征带来的重载无人机能效与安全协同路径规划的非凸优化难题，本文提出一种融合流场动力学特征的物理感知图神经网络引导 A*搜索的协同路径规划框架（PI-GNN-A*）。该框架首先基于流体力学机理构建融合涡度特征的稀疏物理图，赋予模型对流场各向异性的感知能力；其次，设计增强型非对称损失函数，通过惩罚低估误差将安全约束内化为启发式势场的保守偏置，有效平衡搜索效率与风险规避。基于二维稳态兰金涡旋场的理想化原型验证与统计检验表明：本文方法在计算效率、飞行安全和气动能效之间达成高鲁棒性的协同权衡，相比于缺乏显式物理约束的常规神经网络启发算法，本文方法在嵌入涡度特征后有效抑制了空间的盲目试探，搜索效率实现了统计学意义上的显著提升；相比Dijkstra算法，本方法以约8.0%的代价退化为合理让步，换取搜索空间50.8%的缩减；相比传统基于人工势场的风场感知方法，本文方法以适度的搜索开销为合理代价，在保证全局综合代价非劣的同时， 将系统的抗风安全裕度从5.08%拓宽至6.17%，相对提升21.46%，为算力受限的机载平台提供更快的路径重规划能力。

聚焦0~3 km场景下居民在电动自行车、共享单车、公交车与地铁4种绿色交通方式间的选择行为，本文引入细粒度环境与服务变量，并结合经典维度，构建综合选择与潜变量模型（ICLV），以深化对出行决策中心理与微观环境因素的刻画。通过与传统多项Logit模型的系统对比，验证了ICLV模型在拟合优度与行为解释力方面的显著优势。模型结果表明：心理潜变量、社会经济属性与出行方式属性均对选择行为具有显著影响，且心理变量路径增强了模型的机理解释深度。其中，地铁发车间隔增加对电动自行车选择具有显著的促进作用（发车间隔由3 min增加至9 min时，电动自行车选择概率提高约7.27个百分点），相比之下，共享单车出行成本与公交车乘车时间变化对电动自行车选择的促进作用相对平缓；同时，设置物理隔离的非机动车道显著提升共享单车吸引力，空气污染则推动出行向公交与地铁转移。这些发现揭示了短途绿色出行方式间复杂的竞争与替代关系。研究结论可为短途出行环境设计、多模式绿色交通协同发展与差异化政策制定提供定量依据。

针对节假日交通枢纽出租车接驳拥堵成因难以识别的问题，本文基于流量守恒机理，构建面向队列动态演化的状态递推模型与潜在运力缺口、有效匹配缺口双维度拥堵诊断方法。通过双缺口指标分层判别系统供需失衡类型，结合车辆利用效率、空车离去率、乘客弃乘率和供需时序响应时滞，建立多维度成因识别体系，系统解析接驳队列累积的动态演化机制与时序错配特征。以兰州西站2024年国庆假期3个典型高峰日5 min观测数据开展实例验证，结果表明：节假日出租车接驳拥堵呈现晚间集中失衡、持续累积、波动释放3类差异化演化模式，具备显著的时段依赖性与模式异质性；枢纽整体运力总量可覆盖节假日客流需求，拥堵主因并非运力短缺，而是服务转化不足与供需时序失衡的共同作用；乘客弃乘行为会压低观测队列长度和平均等待时间，削弱其对真实供需失衡程度的表征能力。该方法可为同类枢纽的拥堵成因识别与运行诊断提供参考。

随着新能源校车的大规模应用，锂电池热失控引发的火灾威胁日益凸显，校车内狭窄通道等约束使幼儿在紧急情况下的疏散效率显著受限。针对这一问题，本文围绕校车通道宽度约束场景，设计并开展幼儿单人及单列运动可控实验研究。基于图像处理方法提取幼儿运动轨迹数据，量化分析通道宽度与行走姿态对运动轨迹、速度、加速度、时空特征和基本图的影响。研究结果表明，通道宽度对幼儿单人及单列行走速度均具有显著影响。在单人运动实验中，当通道宽度由0.30 m增加至0.50 m时，正向与侧身行走平均速度分别提升约 42.70%与 60.50%；在单列运动实验中，正向与侧身行走平均速度分别增加约 88.90%与18.00%。研究揭示了前向距离与加速度的耦合关系，并以0.70 m（均值零点）和2.05 m（增益拐点）为界，定量界定了减速避撞、稳态跟随和加速牵引这3个功能分区。本文可为校车内部空间优化设计及低龄群体应急疏散安全保障提供数据支撑。

在既有理论研究中，高速铁路列车开行方案编制多依赖时变客流需求，存在准确完备数据不易获得和理论与现实脱节的问题。而依据旅客到发时段编制列车开行方案所需的数据则更加简单易得，符合其出行行为机理。因此，本文引入全日各时段旅客发到两端乘降方便度作为衡量其到发时段的指标，将包含冲突附加时分的列车旅行时间作为企业运营成本，按列车停站影响和旅客乘降方便度构造旅客出行成本，并综合两部分成本构建目标函数。基于列车备选集和方便时段列车覆盖率等约束，建立基于旅客到发时段选择的列车开行方案优化模型。搭建遗传算法框架并结合铁路售票管理特点进行客流分配，基于列车开行时段、始发时刻和停站设计多邻域遗传算子，引入遗传操作的自适应机制提升邻域解搜索效率。针对京沪高速铁路实际算例编制求解列车开行方案，所得结果中线路平均客座率为69.4%，列车开行结构、时段分布与能力利用均较为合理。相对京沪高速铁路实际运营方案，优化方案旅客出行方便度总和上升约18.2%，方便度较高的OD数量明显增加，旅客出行体验更加均衡，列车开行效果显著改善。结果表明：依据旅客到发时段能够有效解决列车开行方案优化问题，优化方法对铁路客运部门的列车开行方案决策具有较好的实用价值。

跨线运行是区域轨道交通网络化运营的重要方向。本文面向市域铁路多运营主体共线运行场景，对比分线编制与一体编制两种模式，以本线净效益最大化为目标，在通过能力和车底资源等现实约束下构建本线与跨线列车开行方案协同优化模型，统筹多方收益归属与跨线运营方经济可行性，并以超额出行时间度量乘客出行时间损失；模型在列车候选集上联合决策开行频次、编组与客流分配，经精确线性化转化为混合整数线性规划，由Gurobi求得最优解。以上海市域铁路机场联络线跨线运营为例，结果表明：跨线运行较无跨线方案提高本线运营收益，缩短乘客出行时间，净效益指标可有效兼顾收益与服务；一体编制本线净效益较分线编制高15.2%，其增量主要来源于运营收益提升，分线编制的增量主要来自超额出行时间改善对应的时间价值。超额出行时间仅占总出行时间约12.4%，却是开行方案可改善的主要部分，以其为指标比总出行时间更能识别跨线运行带来的服务差异。灵敏度分析表明，跨线列车频次上限与共线收益要求较低时，分线编制可在维持本线方案不变的前提下提高净效益；两者较高时宜采用一体编制。所建模型与对比框架可为本线运营方评估跨线运营方案和选择编制模式提供量化依据。

为缓解用地受限下大流量收费站的交通拥堵，本文提出一种基于可移动式收费岛的车道宽度及功能优化方法。综合考虑不同车型安全行驶的最小宽度及收费设备部署要求，通过动态调整收费岛（数量、类型、位置及顺序）与收费车道（宽度、功能分配、通行方向及收费方式）的配置，构建以通行能力最大化为目标的混合整数线性规划模型，并利用Cplex求解器快速求解。结果表明：在潮汐车流、流量随机波动及交通组成频繁变化的复杂场景下，灵活车道设计较传统车道功能切换方案具有明显优势，通行能力可提升约20%~80%；随着小型车专用车道宽度由2.6 m增至3.0 m，通行能力提升幅度逐渐减小；随着小型车及ETC（Electronic Toll Collection）流量比例的增加，可生成更多窄收费岛与专用车道，提供更大的优化空间；此外，通过车道宽度和功能优化可为超限特种车辆提供通行保障。研究成果可为大流量收费站的精细化运营管理与智慧扩容提供支撑。

针对干散货船队配置与运营调度联合优化中多类决策高度耦合、求解规模大的问题，本文以最大化系统总利润为目标，建立基于时空网络的混合整数线性规划模型。为求解该模型，提出动态加船求解算法，通过将多船联合优化分解为序贯单船子问题，并设置边际收益终止准则，有效降低计算复杂度；采用随机模拟算例与基于铁矿石运输的大规模现实算例，对模型与算法进行验证和灵敏度分析。数值实验表明：动态加船算法与Gurobi求解结果的目标值偏差在大多数算例中控制在5%以内，而计算时间大幅缩短，在大规模算例中优势尤为显著；固定成本与燃油价格对船队运营决策存在“门槛效应”，在一定范围内仅压缩利润水平而不改变船队配置，超过临界阈值后将触发船舶数量收缩与低收益货物的主动放弃；系统净收益对数量占比较高的主干货类运价更为敏感，而少量高价值远洋货物的运价波动对整体盈利的带动作用相对有限。

为探究港口码头运营商与班轮运输公司之间签订合作协议后异构船队航线配船问题，本文分析了多时间窗、多起讫时刻和多装卸速率的合作协议与航速、船舶配置和到/离港时间的关系。以规划期内总运输成本最小化为目标构建混合整数非线性规划模型，设计部分线性化求解方法并使用非线性求解器求解。基于中远海运集团运营的SEA3航线设计算例来验证模型的适用性和有效性。算例计算结果显示：与港口时间窗固定、装卸速率固定以及同构船队3种情形相比，采取合作协议及异构船队可使班轮公司总成本分别降低5.98%、15.31%和4.27%。敏感性分析结果表明：当燃油价格较高时，班轮公司并不会持续增加大型船部署，而会转向中小型船替代；当需求波动较大时，班轮公司会主动增加配船数量，以减少单船装载压力并避免因高负载运行导致航速过高或港口作业时间过长。研究结论可为合作协议下班轮公司进行异构船队航线配船与运营成本控制提供决策参考。

为提升机场离港旅客流量在小时尺度下的短期预测精度与稳定性，本文提出一种基于大语言模型的机场离港旅客流量预测方法（ChatPAX）。该方法将离港客流预测统一表述为受航班计划约束的条件生成式序列预测问题，在端到端框架内联合刻画历史旅客量的需求侧惯性与未来航班供给对客流形成的约束作用。ChatPAX以因果语言模型为预测器，通过结构化提示将历史48 h离港旅客量序列与预测区间内的航班前视信息组织为条件输入，并以固定格式生成未来24 h离港旅客量序列；训练阶段引入答案掩码机制，将监督信号集中于预测目标片段，提升生成稳定性与收敛效率。同时，结合参数高效微调与低精度量化策略，实现单卡显存受限环境下的可训练与可部署预测流程。基于国内某机场多月真实运行数据开展实验，结果表明，ChatPAX在测试集上的全天加权平均绝对百分比误差（WMAPE）均值为13.003%，相较于差分整合移动平均自回归模型（Autoregressive Integrated Moving Average, ARIMA）、长短期记忆网络（Long Short-Term Memory, LSTM）、随机森林（Random Forest）和极端梯度提升算法（Extreme Gradient Boosting, XGBoost）等模型，预测误差分别降低约53.9%、29.5%、26.2%和28.4%，且在跨日期预测中表现更高的稳定性。消融实验进一步表明，引入航班计划这一供给侧约束能够带来稳定性能提升，而节假日与天气等外生因素未产生一致性的边际增益。

随着机场混合运行模式日益复杂化和不同作业单元能源需求的多样化，优化异构混编摆渡车队调度的重要性日益凸显。本文以最小化总行驶距离为核心目标，构建一个融合车辆特定能源限制与无人车辆临时停靠策略的混合整数线性规划模型，针对异构车队高峰小时路径优化问题，设计量子行为粒子群优化（QPSO）算法以实现高效求解。以北京大兴国际机场典型高峰期运行数据为背景的实例分析表明，量子行为粒子群优化算法在减少车队总行驶距离，保持车辆工作量平衡和提升机场场面整体运行效率方面均显著优于其他启发式算法及传统先到先服务规则，该算法将总行驶距离从625.58 km降低至229.27 km，降幅达63.3%；同时将所需车辆数从55辆减少至35辆，优化比例为36.4%，充分体现了该算法在收敛速度与求解精度方面的显著优势。

极端天气等突发事件可能导致机场运行中断，实践恢复策略通常在中断结束后按顺延方式重新执行航班计划，但忽略了长时间延误引发的旅客取消行为和运力结构的可调整性。为此，本文构建一个考虑旅客取消行为与航班结构调整的离港恢复双层优化模型。上层通过航班合并、飞机交换和备用飞机替换的结构性策略优化运力配置，最小化航班运营成本；下层在时刻容量等约束下优化离港时刻，平衡旅客取消人数与总延误时间。基于韦伯分布刻画延误条件下的旅客取消概率，并引入飞行时长与高铁可达性修正分布参数反映航班异质性。为高效求解模型，设计融合模拟退火、ε 约束法及非支配排序的协同进化算法。以昆明长水国际机场为例进行验证，结果表明，对比通过顺延时间得到的基准恢复方案和仅优化起飞时刻得到的离港调度方案，总运营成本平均分别降低37.27%和11.51%，取消人数平均分别降低42.08%和13.50%，总延误时长平均分别降低36.46%和11.21%。本文通过联合建模旅客行为响应与航班离港决策，为机场大规模运行中断下的协同恢复提供可操作的决策支持。

民航客机飞行品质监控的飞行快速存取记录器（QAR）数据为探究机场跑道结构的飞机着陆荷载作用模式提供了便利。本文聚焦飞机着陆的垂直方向作用行为，基于数据自身特征自动化地确定并提取了空客A320和A330、波音B737和B747这4类典型机型共933趟飞行在着陆、着陆后滑跑两个飞机着陆主要阶段的QAR数据，基于动量定理提出一种QAR数据驱动飞机着陆、着陆后滑跑垂直动荷载估计方法，随后采用一阶傅里叶级数拟合技术对飞机着陆后滑跑阶段的垂直动荷载作用频率进行估计，最后采用高斯混合模型（GMM）对飞机着陆、着陆后滑跑阶段的QAR数据（飞机总质量、飞机惯性垂直速度、飞机俯仰角/滚转角）及其衍生数据（飞机垂直荷载相对于飞机重力的比例、飞机着陆后滑跑垂直动荷载作用频率）进行精准概率分布拟合与建模。基于对飞机着陆、着陆后滑跑阶段的QAR数据及其衍生数据的GMM量化分析，可得到飞机潜在重着陆工况所关联的数据单高斯主元均值和标准差等统计参数；以本文数据为例，计算得到了4类机型潜在重着陆工况的飞机垂直荷载相对于飞机重力比例的统计特征上限在1.158 9~1.441 4之间，可为机场跑道结构的设计和运维提供真实的工程数据支撑。

为研判轨道交通站区低空适航性，提出适配小型和大型航空器运行对地风险评估方法框架，围绕“失效-撞击-破坏”的多事件耦合风险链，针对小型航空器，建立站区受人口分布与出入口客流分布影响下人员暴露风险概率、人员伤亡概率及道路交通风险概率的测算模型；对于大型航空器，在上述风险要素基础上进一步整合杀伤体积、建筑容积率及建筑物体积等关键参数，建立大型航空器失效下站区建筑物破坏风险概率测算模型；引入站区禁飞区空间约束对风险场进行修正，利用空间聚合算法，构建面向城市区域的风险空间分异图谱。以上海轨道交通1号线和3号线为案例，结果显示：小型航空器地面风险概率主要受人口密度与道路环境影响，高风险区集中于轨道交通出入口及周边主要道路；大型航空器风险概率还受建筑密度和体积的显著影响，建筑密集区风险概率显著上升；城市站点集群风险概率中，11%的车站小型航空器运行处于无风险范围，91%的车站大型航空器运行处于高风险范围；航空器杀伤面积是决定对地风险水平的核心要素，其次，对小型航空器为道路面积，对于大型航空器为建筑体积。研究成果可为空轨融合下轨道站区设施布局及航路规划提供风险量化支撑。

为探究不同空间频率对比敏感度(CS)与飞行疲劳的关系，本文选取20名被试开展不同光环境的模拟飞行实验，对4种空间频率的CS和11种飞行疲劳指标进行采集分析。首先，根据重复测量方差分析结果，获取受光环境变化显著影响的飞行疲劳指标；然后，基于线性混合效应模型方法，构建4种空间频率CS与飞行疲劳的关系模型，并进行拟合优度检验；进一步，绘制边际效应图，分析关系模型中固定效应的可靠性与影响趋势；最后，使用随机截距分布和单因素方差分析方法对关系模型中的随机效应进行显著性检验。结果表明，在 0.1 的显著性水平下，4 种关系模型拟合效果良好，赤池信息量（AIC）和贝叶斯信息量（BIC）均处于较低水平且条件 R2 介于0.332~0.483之间；中低频空间频率（1.5, 3.0, 6.0 cpd）的CS与闪光融合临界频率(CFF)呈显著正相关，且1.5 cpd的CS与CFF的关联表现最优；高频空间频率(13.0 cpd)的CS与瞳孔直径呈显著负相关；随机截距分布和单因素方差分析结果表明，个体差异对应的随机效应均显著( p ＜0.01)。本文揭示不同空间频率CS与飞行疲劳的特异性关联指标，研究成果能够为基于CS的飞行疲劳监 测提供基础理论支撑。

地面保障涵盖航班落地至起飞的关键作业环节，各环节任务间存在条件时序依赖，同时，多航班作业过程伴随资源竞争，这种复杂耦合关系成为制约地面保障发展的关键难题。传统方法依赖人工规则设计，在大规模和高动态场景下难以适用。本文提出一种融合数学图嵌入与注意力机制的深度强化学习算法框架，将具有随机任务序列的动态调度问题通过条件任务图形式化建模为混合整数规划模型，并将其转化为异质图，利用图卷积网络提取全局图嵌入以高效表征图中的耦合关系，与实时状态融合形成深度强化学习状态表示，通过基于注意力机制的策略网络学习序列化调度策略，实现端到端调度策略优化。在真实机场仿真环境中的测试结果表明：该算法框架与传统启发式方法以及强化学习方法相比，在多个核心指标上均有显著提升，其中，与深度Q网络相比，航班平均延误降低40.1%，资源利用率提升6.6%，验证了算法的有效性与优越性。