脑电信号能够以非侵入方式表征驾驶人在连续交通任务中的注意、疲劳、工作负荷、情绪、风险感知和行为准备，为分析外显驾驶行为与内在认知过程之间的联系提供信息。本文采用系统综述方法，检索Web of Science核心合集和中国知网截至2026年4月20日收录的中英文文献，最终纳入97篇。本文以感知人、理解人和协同人为总体框架，系统综述了驾驶人状态监测、行为与意图解码、自动驾驶接管、交互信任和脑机协同控制研究，并比较了各项的实验范式、标签、脑电表征、验证协议和应用环节。现有证据表明，在紧急制动和转向等特定驾驶任务中，脑电能够在踏板或方向盘动作发生前捕捉与行为准备和动作意图相关的神经活动。相关方法已由人工特征分析扩展到时空建模、脑网络分析、跨被试泛化和多模态融合，但不同研究间在任务定义、数据规模、通道配置和验证方式方面差异较大，多数成果仍停留在离线识别阶段，脑电信息尚未稳定用于接管决策、控制权分配和交互策略调整。未来研究可聚焦可信感知与统一表征、认知-决策-控制闭环、多主体与混合交通协同，以及自然驾驶闭环验证与工程部署。本文总结驾驶人脑电由状态识别走向人机协同的现有证据、可比性边界和评价重点。

未成年人的生理发育与认知能力具有显著年龄阶段性特征。为系统梳理各年龄段未成年人疏散行为的研究进展、行为机制和未来方向，本文以中国知网、WebofScience、Scopus等核心数据库为来源，依据PRISMA（Preferred Reporting Items for Systematic reviews and Meta-Analyses）流程筛选得到272篇文献，从研究演变、研究方法和分龄行为特征开展综述。研究表明：未成年人疏散研究已从早期的总疏散时间测算和出口通行能力评估等宏观层面，逐步转向预动作行为机理、微观行人流参数、路径决策机制和成人陪护效应的演化。中外研究取向存在明显差异：国内研究侧重聚集场景的实测与应用落地，国外研究更关注基础数据积累与模型参数精细化校准。现有研究形成功能互补的方法体系：实地调研与问卷支撑认知规律解析，疏散演习实现真实场景行为观测，可控实验完成核心运动参数提取，计算机仿真开展多情景方案推演。分龄特征研究揭示了行为异质性：婴幼儿与学龄前儿童（(0,6)岁）疏散高度依赖成人照护与辅助转运，建模思路需从独立低速个体转向照护依赖型组合单元；学龄儿童（[6,12)岁）具备基本规则理解与自主移动能力，但路径判断与队列协同受多重外部约束，属于规则约束下的有限自主行动主体；青少年（[12,18)岁）运动能力接近成人水平，但其行进速度、瓶颈流率与空间行为仍受人群密度等因素调控，无法直接沿用成人参数体系。总体而言，现有研究已初步构建儿童疏散实测参数库与异质行为建模框架，但年龄分层精度、“成人与儿童”组合单元、场景拓展等方面仍存在研究缺口，未来需拓展研究范畴，构建贯通撤离、集合、转运和监护交接的连续疏散分析框架。

随着电动汽车保有量持续激增，用户快充需求不断提升，解析城市公共快充站使用强度空间异质性，对优化城市充电基础设施布局具有重要意义。本文旨在探究城市公共快充站使用强度在工作日与非工作日场景下的空间异质性及其驱动机制。利用南京市157个公共快充站实际运营数据，从密度、多样性、设计、公共交通临近度、目的地可达性和社会经济特征6个维度构建建成环境指标体系，基于多尺度地理加权回归模型，识别公共快充站使用强度的关键影响因素，并解析其空间异质作用机制。此外，对缓冲区半径进行敏感性分析，比较分析不同半径尺度下模型拟合效果与变量作用特征。研究发现：地铁站和火车站对公共快充站使用强度呈正向影响，办公区表现为负向抑制，路网密度整体以负向效应为主且非工作日显著性更强，公交站点数量仅在工作日有显著正向关联。敏感性分析结果表明，1.0km缓冲区半径能够较有效地刻画公共快充站使用强度与周边建成环境之间的关联关系。研究结果揭示了公共快充站使用强度空间异质性的建成环境驱动机制，可为城市公共快充站差异化布局与精细化设施规划提供科学支撑。

综合分析地铁网络在不同类型扰动下的脆弱不确定性，挖掘其影响因素是全面提高地铁运行可靠性的关键所在。本文考虑地铁系统典型风险，提出一种基于渗流理论的地铁网络脆弱性及不确定性量化方法，定义了地铁系统的风险抵抗能力和性能损失程度，以及两类脆弱性指标的不确定性。以我国40个城市的地铁网络为对象，模拟了随机攻击、度攻击和介数攻击下网络渗流过程，并分析线网布局、结构冗余、结构瓶颈等特征对地铁网络脆弱性的影响。研究发现：平均聚类系数和桥总数对风险抵抗能力与性能损失程度两种脆弱性表现出一致的改善或加剧趋势，连接密度对两者的作用效果则相反；风险抵抗能力不确定性的影响因素较多元，性能损失程度不确定性的影响因素单一。综合分析脆弱性及不确定性的非线性影响因素发现，网络连接密度、瓶颈割集和线路数量是关键特征。本文为面向多风险防控的韧性网络设计提供理论依据与实践指导。

本文面向智能回收箱清运场景，针对时变投放需求下智能回收箱占用量动态变化、单箱服务次数不固定，以及服务时刻与实际清运量和箱体占用量强耦合等问题特征，提出一种清运车辆时空路径优化方法。本文将每一智能回收箱扩展为多个候选清空服务事件，构建以运营成本、过程拒收惩罚和期末残余占用惩罚之和最小化为目标的细粒度离散时间混合整数线性规划模型，并根据问题结构，设计内嵌交替迭代策略的自适应大规模邻域搜索算法（ALNS），形成“候选服务事件生成及更新-ALNS路径搜索-时空路径生成及调整”迭代求解框架。通过小规模对比算例、敏感性分析和实际场景算例，验证模型与算法的有效性。结果表明：本文方法能够生成高质量智能回收箱清运方案，与精确解的平均相对偏差仅为0.59%；惩罚系数决定服务水平与运营成本之间的权衡，需求时空特征影响增加车辆数量与提升车辆容量两类资源配置方式的相对有效性。实际场景算例进一步验证了所提方法在真实智能回收网络中的适用性。

为扩展农村地区即时零售服务范围，并提高时效性，本文提出一种需求响应式货运公交与众包骑手协同的取货策略，订单统一配送至城乡公交客货邮融合首末站，由城乡公交完成末端配送，实现半日达。首先，依据订单空间分布设置偏移距离阈值，将零散订单分配给骑手，货运公交专注高密度区域，减少绕行；其次，引入订单中转合并策略，利用固定站点作为中转节点，将多车任务整合至单车完成，避免空驶返程；然后，以取货总成本最低为目标，构建两阶段调度模型，并设计遗传-变邻域搜索算法（GA-VNS）求解；最后，以南京市江宁东山片区为例，进行小、中、大规模订单实例验证。结果表明：大规模订单下，协同取货模式相较单一取货模式成本降低7.6%，行驶距离减少12.2%，效果显著；中转合并策略适用于农村即时零售发展初期，小规模订单下能提升32%满载率，减少返程空驶；自适应调整送达时间窗与分批处理时间间隔能有效平衡时效性与运营成本。

针对多汇入区走廊中多簇交通波传播难以协同调控，且现有方法缺乏跨区域协同与精细化调控能力的问题，本文提出一种基于深度强化学习的分布式车辆群体协同控制方法。首先，根据汇入区结构与控制对象对走廊进行单元划分与分组，构建可扩展的模块化架构，实现对走廊交通系统的统一建模，从而将多簇交通波消散问题转化为多智能体协同决策问题。其次，考虑交通流交互特性对瓶颈通行能力的动态影响，协同设计状态空间与奖励函数，构建面向车辆群体的车道级速度控制模型。最后，基于多智能体近端策略优化算法训练分布式控制策略，通过多车道限速联合决策实现车道层协同调控，以提升多瓶颈交通系统的整体运行性能。仿真结果表明，控制周期为30s时，所提方法在停车次数、平均等待时间和潜在碰撞次数上分别降低49.88%、80.65%和26.84%。该方法将控制粒度由路段级细化至车道级，控制范围由单瓶颈拓展至多瓶颈，实现了交通系统跨层级的协同优化。

随着低空经济与人工智能技术的快速发展，无人机逐渐从辅助感知设备演进为智慧道路交通组织管理体系中的关键技术支撑，在提升交通运行有序性，保障交通安全与改善交通畅通性方面展现出系统性价值。本文从道路交通组织管理目标导向出发，构建“有序-安全-畅通”这3类典型应用场景的分析框架，系统综述近年来无人机道路交通组织管理研究。结果表明，无人机道路交通组织管理研究整体呈现由“单一感知和局部应用”向“多模态协同和系统集成”演进的趋势。在交通有序场景中，研究重点由早期的规则驱动与人工判读，转向以深度学习为核心的目标检测和检测-跟踪一体化与轨迹分析方法，无人机在交通要素识别覆盖范围与精度方面优势显著，但对高质量数据与理想观测条件的依赖限制了其跨场景应用。在交通安全场景中，多传感器融合、异常行为识别、多无人机协同响应和三维场景重建成为研究热点，无人机在事故识别、应急支撑和风险研判中的独特价值得到验证，但现有研究缺乏对完整应急管理链条中系统协同效能的深入评估。在交通畅通场景中，无人机应用由局部拥堵监测逐步扩展至宏观交通态势感知与事故现场三维重建，多无人机协同与空地融合成为提升拥堵治理能力的关键方向，但其对通信基础设施、空域管理和运行机制提出更高要求。在此基础上，本文归纳无人机应用于3类道路交通组织管理场景的共性评估体系与数据基础，并展望其在技术泛化能力、多主体协同机制和制度化运行体系等方面的未来发展趋势。

随着全球降碳目标的持续推进，排放控制区、碳税及绿色走廊等多重气候政策密集出台。如何降低环境合规成本并维持航线利润，已成为班轮运输企业面临的严峻挑战。本文综合考虑多种气候政策与需求不确定性的复合情境，提出一种采用多类型船舶进行中转运输的绿色航线设计问题。为求解该问题，构建两阶段随机规划模型，协同优化各段航线上的配船、航线挂靠、航速设定及舱位分配等决策。通过分段航速的优化消除模型中的非线性项，采用样本均值近似方法处理需求的不确定性，并设计Benders分解算法提升模型的求解效率。通过多组算例验证模型与算法的有效性，并以中欧航线为实例，分析不同气候政策下的最优运营策略。结果表明：当排放控制区和碳税同时实施时，采用燃油船转运至双燃料船的中转航线，相比当前单一船舶的环形航线运输，碳排放可降低约22%，航次利润可提升近4%；当碳税价格翻倍时，则更适合投入纯绿色动力船，此时，碳排放可减少约72%。本文可为航运企业制定适配气候政策的绿色转型方案提供科学的决策依据。

我国机动车保有量持续增长，城市道路交通突发事件呈现高频率和强扰动的特性，对道路交通运行监测和应急管理带来严峻挑战。传统交通事件监测体系在实时性、覆盖范围和信息维度上存在局限性，而社交媒体文本能够从公众感知角度提供细粒度事件信息。针对社交媒体交通突发事件文本噪声高、语义表达不规范、时空信息描述模糊等问题，本文提出一种融合深度语义建模与交通地理知识的交通突发事件提取方法。首先，搭建“Scrapy+Selenium”数据采集框架，制定交通突发事件文本采集规则，获取突发事件文本数据并完成数据预处理；其次，基于解耦注意力预训练模型（DeBERTa），实现对交通事件文本内容的准确识别；最终，构建融合地理知识的解耦注意力预训练模型-双向长短期记忆网络-条件随机场（DeBERTa-BiLSTM-CRF）命名实体识别模型，结合所建立的外部实体数据库，实现对交通突发事件时间与地点信息的精准提取。结果表明：DeBERTa分类模型F1值为0.9265；DeBERTa-BiLSTM-CRF模型在地点实体和时间实体的F1值分别为0.8595和0.8693，均优于对比模型。

城市轨道交通平峰期闲置运能具备开展客货混运的潜力。本文针对跨线运营下客货混运问题，以Y型线网为研究对象，通过干支线配合实现货物跨线运输。在此基础上，构建融合快递、普货和重货3类货物时效性差异的优化框架。模型以客货运输时间和运营成本最小为双目标，对纯旅客列车与旅客-快递、旅客-快普和旅客-全货3类客货混运列车的发车频率进行差异化决策，采用理想点法将双目标转化为单目标。针对模型非线性特征，设计PCCO-VNS（Passenger-Cargo Coordination Optimization based Variable Neighborhood Search）算法，通过客货分层优化、自适应邻域调整和货物优先级导向修复，提升算法的搜索效率与求解质量。案例分析表明：优化方案使综合目标函数降低10.00%，乘客等待时间减少11.44%，换乘时间减少7.19%，3类货物站台停留时间分别降低10.59%、16.35%和17.79%；灵敏度分析显示，旅客权重设为0.6时，可实现成本控制与服务水平平衡。研究成果可为跨线运营下客货混运系统的规划与运营提供决策支持。

为减少乘客换乘时间并提升运输服务水平，本文研究城市轨道交通网络跨线交路服务设计优化问题。基于跨线交路方案备选集，综合考虑换乘站改造条件、可运用车底数量等现实约束，构建以最大化乘客服务水平和最小化轨道交通改造与运营成本为目标的混合整数线性规划模型，以协同优化改造换乘站点、开行跨线交路和对应频率，以及线网中既有交路开行频率。以北京地铁网络为背景设计的数值实验，验证了所提方法的有效性。实验结果表明，所提出的方法能够综合考虑并权衡改造运营成本与乘客服务水平间的关系，在较短时间内求得跨线交路服务设计方案。与基准方案相比，考虑跨线交路运营策略虽需增加一定的换乘站改造与运营成本，但直达客流量提升10.06%，滞留乘客数量下降52.85%。综上所述，开行跨线交路可以有效提升线网的直达服务水平与连通性，显著提高乘客服务水平。

现有共享单车建成环境研究多以出行量作为表征指标，难以反映不同区域对骑行活动的吸引能力和空间组织特征。本文基于深圳市共享单车订单数据构建共享单车出行势能场，从密度、多样性、设计、目的地可达性和公共交通临近度这5个维度表征建成环境特征，采用多尺度地理加权回归模型分析建成环境对共享单车出行势能的时空异质性影响。结果表明：相较于以出行需求为因变量的模型，以出行势能为因变量时，慢行道路密度、到商圈中心的距离和地铁可达性的作用尺度均由全局或中高尺度收缩至局部尺度，表明共享单车出行吸引力的形成过程具有更明显的局部空间依赖特征。到商圈中心的距离对出行势能整体呈负向作用，商业设施集聚强化了共享单车向城市核心区域集聚的空间格局；人口密度对出行势能呈稳定正向作用，且晚高峰影响更强；地铁可达性对出行势能的影响呈片区化、节点化分异；慢行道路密度对共享单车出行吸引力的促进作用具有局部差异。

针对交通流高峰期导致的交通拥堵影响冷链配送效率的问题，本文研究带时间窗的区域时变冷链车辆路径规划问题，并针对该问题提出一种两阶段协同决策的交通拥堵规避策略。综合考虑车辆固定成本、运输成本、货损成本、制冷成本、碳排放成本和时间窗的惩罚成本等因素，构建以总成本最小为目标的冷链车辆路径优化模型。最后，设计带交通拥堵规避的改进遗传算法求解多类型算例。实验结果表明，所提模型计算复杂程度相对较低，提升了算法的收敛速度，能高效、迅速地应对不同规模大小和不同分布类型的客户分布；在小规模问题上，带交通拥堵规避策略的改进遗传算法（improvedAdaptive Genetic Algorithm integrated with Traffic Congestion Avoidance, AGATCA）相较于CPLEX求解器能在较快收敛速度前提下得出较优质量的解；在总成本和碳排放量上，本文模型相较于不带拥堵规避策略的改进遗传算法（AGA）下降8.4%和2.3%，相较于传统遗传算法（GA）下降15.7%和19.9%，相较于头脑风暴优化算法（BSO）下降15.0%和4.9%。本文模型能快速为决策者生成有效规避交通拥堵，减少车辆碳排放，降低总配送成本的配送路线，促进冷链物流配送与生态环境和谐发展。

本文提出一种基于驾驭工程（Harness Engineering）的大语言模型粒流协同控制方法，以自动驾驶小汽车（CAV-C）为可控粒子，在道路作业区临时集卡专用道（ECTL）上游引导交通流，为有人驾驶货车及自动驾驶货车编组（CAV-TP）汇入ECTL创造稳定通行条件。首先，针对交通信息异构及大语言模型在连续决策中的上下文丢失问题，构建车辆位置、速度、汇入需求和碰撞风险等关键信息的结构化表征与封装模块，支撑连续控制决策生成；其次，针对大语言模型输出动作可能存在不可执行和安全约束不足的问题，构建驾驭工程安全校核模块，对高层协同控制意图进行车道合法性、速度边界、安全间隙和碰撞风险约束验证；最后，将通过校核的高层动作转化为换道、加速、减速和保持等可执行指令。以上海东海大桥港口集疏运道路作业区为研究对象，基于开源交通仿真平台SUMO（Simulation of Urban MObility）构建混合交通流场景，并对所提方法进行验证。仿真结果表明：与无控制场景相比，所提方法可使作业区总延误成本降低11.4%～21.82%，且多数场景下低于动态限速控制；其控制车辆数、控制动作数和内存占用分别为动态限速控制的14.0%～19.8%、6.5%～9.6%和14.7%～23.0%，表明该方法所需干预规模和计算资源较低。敏感性分析表明，当CAV-TP渗透率为75%、CAV-C渗透率为40%时，系统可在延误成本与碰撞风险之间取得较优平衡。

高速公路匝道汇入区因车辆速度差大、车流交织复杂，在交通流持续增长的背景下，已成为通行安全与效率的关键瓶颈。针对传统匝道汇入控制方法因缺乏前瞻性预判而导致汇入时机与安全性难以兼顾的问题，本文提出一种融合轨迹预测的自动驾驶车辆匝道汇入控制方法。该方法将汇入决策指令与自车未来轨迹预测信息输入纵向控制模块，通过融合宏观汇入意图与微观未来位置演化信息，生成兼顾安全和效率的优化加速度控制量。为确保准确反映真实交通环境下的驾驶特性，本文基于exiD公开数据集与西安绕城高速实地采集数据，构建真实汇入场景数据集，并以此为基础分别训练Autoformer轨迹预测模型与GWO-XGBoost（Grey Wolf Optimizer-eXtreme Gradient Boosting）横向汇入决策模型。在此基础上，构建融合Autoformer、GWO-XGBoost与DDQN（Double Deep Q-Network）的一体化汇入控制模型。仿真实验结果表明，所提模型平均汇入成功率达98.21%，显著优于XGBoost-DDQN、LC2013-DDQN和DDQN等对比模型，汇入效率与安全性方面也表现更优。进一步通过SHAP（Shapley Additive Explanations）可解释性分析发现，匝道汇入车辆当前位置、预测位置以及主干道车辆位置是影响控制输出的关键因素，验证所提模型能够有效利用时序信息实现更合理的汇入决策。

为揭示连续合流瓶颈路段堵塞相变的时空传播特征及关键影响因素，以武汉邹黄互通为研究对象，利用无人机采集堵塞加剧与堵塞缓解两类场景下的高精度轨迹数据展开研究。基于三相交通流理论与变点检测方法辨识堵塞交通流不同阶段，以堵塞传播速度确定时空单元斜率，进而将微观轨迹聚合为解释变量；构造宽移动堵塞占比作为被解释变量，设计基于瓶颈约束的时空权重矩阵；建立时空自回归模型，分别估计两类场景下堵塞相变的空间溢出效应，并展开情景模拟。结果表明，忽略瓶颈约束导致空间溢出系数超出合理区间。引入约束后，堵塞加剧与堵塞缓解阶段的空间溢出效应方向相反：堵塞加剧阶段显著为负（−0.655），堵塞缓解阶段显著为正（0.947）。情景模拟表明，可变限速的优先干预区域为瓶颈下游300~540 m路段，换道管控的关键位置为上游合流瓶颈处，上游匝道流量控制宜及早介入，而下游匝道管控在堵塞充分向上游传播后效果更为显著。

为深入揭示定制公交乘客出行意向形成机理，本文基于计划行为理论框架（Theory of Planned Behavior, TPB），引入多维服务感知潜状态（Service perception, SP），构建考虑多维服务感知与计划行为的贝叶斯结构方程模型（Bayesian Structural Equation Modeling, BSEM）。从观测算子、状态映射算子与层级传导算子这3个层面刻画乘客出行意向形成机理。研究结果显示，在心理认知向行为意向映射层中，知觉行为控制的映射强度最大，主观规范次之，态度相对较弱；层级传导分析表明，安全性具有最大的跨层级传导强度，经济性呈双通道传导结构，可靠性通过社会规范扩散影响，方便性属于能力约束型因素，舒适性表现为弱信号因素。进一步的多特征维度异质性分析表明，不同群体的意向形成机制存在显著差异：通勤群体更偏向约束驱动型，而非通勤群体更偏向评价驱动型；中低收入群体更关注成本约束与使用便利，中高收入群体则更重视安全保障与服务可靠性。同时，将本文构建的SP+TPB-BSEM模型与SP-BSEM、TPBBSEM及TAM-BSEM（Technology Acceptance Model-Bayesian Structural Equation Modeling）模型进行对比，结果显示，SP+TPB-BSEM模型的解释力R2相对传统TPB模型提升了39.1%，且在预测性能方面，其广泛适用信息准则（Widely Applicable Information Criterion, WAIC）的预期对数预测密度（expected log predictive density, elpd）指标与留一交叉验证（Leave-One-Out, LOO）的elpd指标均表现最优，证实了将服务感知因素纳入心理决策框架的必要性。研究表明，定制公交出行意向的形成呈现显著的分层传导结构特征，不同服务感知潜状态通过差异化心理通道产生结构性影响，为定制公交服务的优化提供系统化的理论依据与实践路径。

针对现有行程时间预测研究中存在未深入挖掘轨迹数据中路段的语义关联，并且无法充分处理行程所蕴含的丰富时空信息问题，本文提出一种考虑轨迹语义与时空关联的行程时间预测方法。首先，设计语义感知轨迹表示学习模块，将行程路段序列视为轨迹语义单元，通过多层Transformer编码器学习路段上下文关联，并引入掩码预测自监督任务优化路段表示质量，获得融合路段语义和拓扑关联的轨迹表示；其次，构建属性嵌入模块，将车辆类型、出发时间和路段长度等多维特征映射到统一特征空间，以增强模型对行程外部影响因素的表达能力；最后，设计自适应门控注意力网络，协同建模全局路径依赖与相邻路段局部关联，并通过注意力输出模块动态分配不同路段对行程时间的贡献。基于福建省3条高速公路电子不停车收费（ETC）和人工收费（MTC）数据的实验结果表明，所提方法在平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）指标上均优于对比方法，误差分别降低1.44%、1.46%和1.22%，预测效率较最优基线方法提升19.30%。消融实验进一步验证了轨迹表示学习、自适应门控注意力网络和注意力输出模块可显著提升预测性能。综上，本文通过准确建模轨迹表示，并且学习潜在的行程时空规律，有效地提升了高速公路行程时间预测精度和效率。

针对智能网联车辆在高速公路匝道合流区因时空约束耦合导致的通行效率低下、车辆冲突频繁等问题，本文提出一种分层协同控制框架，采用“全局优化-局部跟踪”结构，上层通过混合整数线性规划（MILP）调度器生成全局最优的目标合流时间序列，下层基于虚拟队的分布式控制器实现车辆精确轨迹跟踪。本文基于SUMO（Simulation of Urban Mobility）与Python联合仿真平台，构建匝道合流场景，分析不同交通流量下的车辆平均车速、平均延误、吞吐量等指标。结果表明：本文所提方法可有效缓解无控制条件下因车辆等待引发的“瓶颈效应”与扰动传播，将单车通行延迟控制在5s以内；与无控制自然合流相比，协同汇入控制方法在不同的交通需求水平下能使车辆平均速度提高23.4%~46.7%，平均延误降低37.2%~74.9%；与先进先出合流控制相比，在高匝道交通需求水平下能使车辆平均速度提高2.1%~15.9%，平均延误降低4.7%~33.3%。此外，当主道与匝道车流密度总和达到2800veh·h-1时，系统吞吐量趋于饱和，车辆总通过数稳定在约119veh，体现出良好的通行稳定性。

科学合理的配载方案是保障海上危险品集装箱运输安全的前提和基础。以集装箱船吃水差、初稳性高度和倒箱次数为优化目标，依据《国际海运危险货物规则》中第1类爆炸品积载与隔离要求，构建同兼容性组别爆炸品混合积载多目标优化模型，并提出基于适应度分割搜索策略的粒子蜂群算法。该算法融合人工蜂群算法的全局搜索能力与粒子群算法的局部寻优能力，通过适应度分割搜索和粒子蜂更新与异常解处理机制，提高可行解筛选效率和收敛精度。多港口仿真实验结果表明：在满足爆炸品积载、隔离和船舶安全约束的前提下，所提算法较对比算法获得更高适应度，计算耗时缩短8%~16%，倒箱量减少20.0%~38.5%，体现了算法的高效性和针对性，可为爆炸品集装箱安全高效配载提供理论参考。

针对高铁快运需求与可用运能双重不确定性带来的时效与成本权衡难题，本文研究高铁快运枢纽站前端集货环节与列车配装方案的协同优化问题。以不同时效等级货物的集拼发货阈值和预留车厢数量为第1阶段决策变量，以直运与集拼分量和列车配装方案等为第2阶段决策变量，构建考虑库存平衡、阈值触发、运力和卸货能力等约束的两阶段随机规划，最小化期望总成本。通过蒙特卡洛抽样和反向消减法生成场景子集，刻画市场需求与捎带模式可用运能的不确定性，并由Matlab调用Gurobi求解。以成渝贵环线部分线路开展算例验证，结果表明：次日达货物的集拼阈值随运输距离单调递增，次晨达货物阈值除终点站外处于整体偏低的水平，当日达货物呈现近端少远端多的特征，且分别在10、40、50个场景后趋于稳定。预留车厢集中于订单涌入与积压释放的关键车次，占比约23.5%；两阶段随机规划相对期望均值模型的随机解价值稳定在0.69%~1.38%区间，集货机制相比纯直运模式的累计平均节省成本收敛于11000元左右；通过调整集货环节直接相关参数可以实现满载率、延误和弃货率的同步优化。

为精准有效地提升城市轨道交通的适老化服务水平，利用长沙地铁自动售检票数据分析城市轨道交通老年乘客的出行特征。首先，采用自然断点法按出行次数将老年乘客分为高、中、低频地铁出行，高频老年乘客人数占比仅6.13%，其地铁出行次数却占老年乘客出行次数的22.83%，周均地铁出行次数为14.28次，为老年乘客整体均值的3.72倍。接着，针对高频地铁出行老年乘客，基于出行天数基尼系数、小时熵、OD熵，周末工作日出行比，运用高斯混合模型进行聚类。结果表明：高频老年乘客可划分为3类：全周活跃型占老年乘客总客流59.88%，出行强度全周稳定、时空多样性高；工作日活跃型占老年乘客总客流30.74%，出行集中于工作日、周末骤降；两点一线型占比仅9.37%，出行时空高度固化，基尼系数0.072，OD熵1.10。与通勤人群相比，老年乘客出行距离更短、耗时更长，空间上向中心城区集聚，时间上晚高峰提前约1h、周末早高峰延后约1h。两阶段框架有效解析了老年乘客异质性，为地铁适老化分类施策提供了定量依据。

针对城市电动汽车充电需求短时波动性强和区域差异显著，且连续需求预测结果难以直接表征公共充电设施运行压力的问题，本文构建面向容量压力识别的短时充电需求预测与压力转化框架。该框架首先融合区域充电量、设施占用率、充电时长、电价、服务价格和天气因素等多源特征，利用时间卷积网络提取局部时间特征，引入双向长短期记忆网络刻画时序依赖关系，并通过注意力机制强化关键历史时刻对下一时段需求的影响；其次，以区域训练期历史充电需求第95分位值作为相对容量基准，构建容量压力指数，将连续需求预测结果转化为不同等级的容量压力状态；最后，结合压力等级的时空分布特征，识别重点高压力区域及时段。基于公开数据集开展实证分析，结果表明，所构建模型的拟合优度为0.9682，均方根误差、平均绝对误差和加权平均绝对百分比误差分别为152.7197kWh、41.2489kWh和16.6336%；在第95分位容量基准下，高压力及以上样本占比为22.6380%，其中，超负荷风险样本占比为8.7514%。研究实现了由短时充电需求预测向区域容量压力状态识别的转化，可为公共充电设施运行监测、重点区域筛选及差异化资源配置提供量化依据。

空中交通管制员的个体工作负荷承受能力是空管系统韧性的决定性因素。现有关于管制员工作负荷的研究均为群体均值模型，难以适配管制员的个体差异。本文选取24名一线管制员，在岗前与岗后不同状态下开展模拟管制对照实验，同步采集多模态生理数据对管制员一个工作周期的个体工作负荷承受能力开展量化研究。首先，采用加权偏最小二乘路径模型（Partial Least Squares Path Modeling,PLS-PM）将多维生理与眼动指标融合为表征工作负荷的潜变量（Latent Variable,LV），并构建其与交通流特征间的耦合关系；进而，基于贝叶斯信息准则（Bayesian Information Criterion, BIC）拟合分段线性回归模型（Piecewise Linear Regression Model, PWLF），为每位管制员标定潜变量初始阈值。在此基础上，引入基于标准化潜变量得分1.0σ的动态更新机制，确定自适应阈值，实现高负荷状态的精准标注及持续高负荷起始点的识别。最后，综合初始阈值、自适应阈值和持续高负荷起始点值(映射回流量坐标)，确定岗前与岗后个性化管制架次阈值，并通过岗前与岗后的纵向对比实现对管制员工作负荷承受能力的量化评估与分型。研究结果表明，不同管制员个体工作负荷承受能力存在差异，根据差异可将管制员划分为3类：“抗疲劳型”（占比20.8%）、“稳态维持型”（占比66.7%）和“疲劳敏感型”（占比12.5%），实际工作中应重点关注疲劳敏感型群体。该结果能够为管制单位优化人员岗位匹配策略提供参考。

针对城市轨道交通短时客流预测中时间依赖与空间关联耦合紧密，现有模型难以充分实现时空异构特征深度交互的问题，本文提出一种融合长短期记忆网络（Long Short-Term Memory,LSTM）、图卷积网络（Graph Convolutional Network, GCN）和多头交叉注意力（Multi-Head Cross Attention, MHCA）的短时客流预测模型。模型采用LSTM提取站点客流序列的时间演化特征，利用GCN学习轨道交通网络拓扑下的空间依赖关系，在此基础上，构建双向多头交叉注意力机制，实现时间编码特征与空间增强表示之间的深层交互融合，并结合非对称参数映射和空间掩码机制增强异构特征表达能力，降低远距离弱相关节点带来的干扰。基于杭州地铁80个站点AFC（Automatic Fare Collection）刷卡数据开展实验，并与LSTM、LSTM+GCN、STGCN（Spatio-Temporal Graph Convolutional Network）、ASTGCN（Attention Based Spatial-Temporal Graph Convolutional Network）、DCRNN（Diffusion Convolutional Recurrent Neural Network）和 Graph WaveNet（Graph WaveNet for Deep Spatial-Temporal Graph Modeling）等模型进行对比，结果表明，所提模型在全网15 min客流预测任务中RMSE（Root Mean Square Error）、MAE（Mean Absolute Error）和MAPE（MeanAbsolute Percentage Error）分别达到37.85、30.94和22.68%，整体性能优于各对比模型；在不同预测步长、不同客流类型和高峰时段预测场景下均表现出较好的预测精度和稳定性。消融实验进一步验证了GCN与MHCA的协同增益作用，以及空间掩码和非对称参数映射对模型性能的提升效果。研究表明，所提模型能够有效增强城市轨道交通复杂时空依赖关系的建模能力，为轨道交通客流预测及智能运营管理提供参考。

针对城市低空物流两级起降设施布局受需求集聚、限制区、敏感设施和建成环境共同影响的问题，本文构建固定规模两级起降设施的选址方法。该方法综合人口与功能活动表征规划阶段潜在需求并估算日均货运需求，将水域、机场限制空间等不具备布局条件的区域作为硬约束从候选空间中剔除，并以邻近惩罚控制敏感设施影响；依据末端覆盖和区域汇聚功能差异，分别生成二级起降点和一级枢纽候选位置。在需求覆盖和二级起降点-一级枢纽连接关系基础上建立考虑设施容量和货运量平衡的两级选址模型，采用COIN-ORBranch-and-Cut（CBC）求解器限时求解混合整数线性规划模型，并设计覆盖-均衡双种群启发式算法；通过建设场地匹配，将选址结果匹配至建筑屋顶、平台或连续开放空间。天津市十区案例表明：两级候选位置差异化构建能够依据需求分布和设施功能形成相应的候选空间；本文算法平均目标值较变邻域搜索和自适应大邻域搜索分别提高2.44%和3.62%，最高目标值达到数学规划3600s限时可行解的97.90%。敏感性分析表明：设施规模、服务范围和容量水平会共同影响需求覆盖、空间距离和设施负荷。两类方案中的二级起降点均可匹配到满足面积要求的建筑屋顶或平台，而一级枢纽均未匹配到满足面积和形态要求的连续开放空间，表明两级设施的建设场地条件存在明显差异。

针对需求响应模块化公交在随机行程时间环境下的静态调度优化问题，本文构建了融合路径规划、乘客分配、编组与换乘决策的机会约束规划模型，并通过确定性等价转化，将原随机优化问题转化为混合整数二阶锥规划模型。为实现高效求解，设计了嵌套编组与换乘搜索策略的自适应大邻域搜索算法，并周期性嵌入局部搜索策略以强化全局寻优能力。以北京市石景山区实际出行需求数据开展案例分析。研究表明：所提出的调度策略能够有效适应随机行程时间环境，并展现出良好的协同编组能力；相较于常规需求响应公交运营模式，系统总成本降低约4.47%，车辆运营成本降低约5.85%。进一步开展灵敏度分析，系统探究公交容量、置信水平与行程时间随机波动对调度方案的影响规律。分析发现：公交容量配置需在运营成本与服务质量之间寻求平衡；提高机会约束置信水平可显著提升乘客准时到达的服务可靠性，但会相应增加系统运营成本；忽略行程时间随机性将系统性低估实际运行风险，而考虑随机性则有助于在服务可靠性与运营经济性之间实现有效权衡。研究成果为不确定环境下模块化公交系统的鲁棒调度设计提供了理论支撑与决策参考。

针对航班地面保障过程中里程碑节点时间分布发生季节性概念漂移，以及多节点级联预测中误差传播的问题，本文提出基于证据推理的级联轻量梯度提升树预测模型（CER-LGBM）。模型由证据推理预测和级联滚动更新两个子模块构成。证据推理预测模块基于回溯误差序列划分概念区间，并在各区间内训练固定专家模型；测试阶段依据各区间专家近期误差水平进行漂移检测，动态调整证据可信度，并对各专家输出进行加权融合。级联滚动更新模块利用新增观测节点真实值及上一轮预测误差构造过程特征，并通过时序一致性约束控制更新时机，对未完成节点实施滚动更新预测。实验结果表明：在数据分布发生漂移的场景下，初始预测阶段，66.67%的节点的±5min预测精度达到70%以上；随着保障流程推进，全部节点±5min预测精度达到95%及以上。

针对现有模型难以适应环境扰动下多源信息贡献度的动态变化，导致异常天气下预测精度下降的问题，本文提出一种场景自适应门控融合预测方法。该方法融合进站客流、出站客流、图结构和天气环境这4类信息源，构建基于缩放点积的图注意力模块以克服静态拓扑局限、提取站点间动态空间依赖，并设计环境驱动的门控融合机制，将环境信息作为场景感知信号动态调整4类信息源的分支级融合权重。基于北京地铁276个站点的自动售检票系统数据，在15、30、60min这3种时间粒度下进行实验。在60min粒度下，该方法平均绝对误差较双向长短时记忆网络图神经网络混合模型降低28.5%，优势最为显著；在15min粒度下，平均绝对误差为22.34，均方根误差为41.41，加权平均绝对百分比误差为8.79%，综合精度优于对比模型。异常天气条件下，图结构分支融合权重从0.5996降至0.5308，进站客流分支权重从0.1815升至0.232 1，天气分支权重相应上升。消融实验显示，移除门控融合机制后平均绝对误差上升至34.10，移除图注意力模块后上升至36.47。实验结果表明：场景自适应门控机制能够根据环境扰动强度动态调整多源信息的贡献度，提升复杂环境条件下的预测鲁棒性。

针对沙漠高速公路长直线路段与单调景观的特殊环境，为探究该环境下驾驶员视觉特征与视觉负荷的变化规律，以新疆S21阿乌高速公路为试验路段，选取32名被试驾驶员开展实车试验。采用k-medoids动态聚类方法将驾驶视野划分为6个注视兴趣区域，基于马尔科夫链分析视觉搜索模式与注视转移规律。选取注视持续时间、水平扫视幅度和瞳孔直径为核心指标，构建熵权-模糊综合评价模型，并结合高斯混合模型拟合视觉负荷动态变化规律。结果表明：沙漠高速公路单调景观与长直线环境下，驾驶员注视点高度集中于前方车道区域；随着行驶里程增加，平均注视持续时间逐渐延长，瞳孔直径持续收缩，扫视幅度不断收窄，视觉负荷呈现明显累积特征；行驶速度与各项视觉指标均存在显著线性相关，视觉负荷增加会降低驾驶员速度感知能力，进而增加超速行驶风险；驾驶视觉负荷呈现周期性累积特征，峰值分别出现在12.97、34.05、57.8 km处，经阶段性缓解后的视觉负荷值基础水平持续上升，驾驶员难以依靠自我调节恢复至初始清醒状态。研究结果可为沙漠高速公路线形优化设计和安全设施合理布设提供理论依据与数据支撑。

为明确城市地下环道曲线场景下驾驶人生理行为响应特征及稳驾代偿效率，选取重庆市解放碑地下环道开展实车试验，采集38名驾驶人在入口段、单曲线段、连续曲线段和出口段的车辆运行与心电数据。采用因子分析、差异性检验和投入导向DEA（Data Envelopment Analysis）模型，识别不同场景下驾驶行为、心电响应、生理代偿投入与行为稳定输出的匹配效率。结果表明：不同场景下驾驶行为和心电响应均存在显著差异，行为指标的场景分化特征更明显。入口转换段表现为速度恢复、平均心率升高和心率波动增强，出口转换段表现为提前减速控制；单曲线及接入口叠加场景更容易引发速度修正和心电波动，连续曲线场景下驾驶状态相对稳定。驾驶人层面DEA结果显示，各场景平均效率集中在0.898~0.920之间，但单曲线L2场景和连续曲线L5强有效数量较少，分别为10个和12个。场景层面DEA结果显示，连续曲线及部分接入口场景达到DEA强有效，而入口转换段和车库接入口叠加单曲线场景未达到DEA有效，其中，入口转换段综合效率最低，为0.446，车库接入口叠加单曲线场景综合效率为0.896，主要表现为心电投入冗余和速度稳定输出不足。结果说明，地下环道稳驾代偿效率受曲线类型、曲线半径和接入口条件共同影响，入口转换段及车库接入口叠加单曲线场景是效率损失的主要区域。

为解决城市快速路施工区引发的交通瓶颈与安全风险问题，本文提出一种基于多智能体深度确定性策略梯度（MADDPG）算法的智能网联自动驾驶车辆（CAV）协同换道方法。该方法针对施工区时空位置确定的特征，设计“预告区提前预备拆分-过渡区执行换道引导-作业区维持稳态混行”的分阶段控制策略。结合“粒-流一体化”协同思想，构建施工区CAV协同控制的双层马尔科夫决策过程（MDP）模型，设计面向编队重构与合流任务的扩展奖励函数，并采用改进的预测性多智能体深度确定性策略梯度算法（PRMADDPG）求解，该算法将施工区的分区信息编码至状态空间，使智能体能够依据未来交通冲突类型进行预见性决策，并通过SUMO-Python联合平台开展仿真分析。结果表明：所提方法能够在不同施工区场景下稳定触发编队拆分、间隙构造、协同让行与下游重构等控制行为，在3类施工区占用车道场景下，换道过程速度标准差均小于3.5，表明换道过程中车速波动小，运行平稳；进一步与改进的深度Q网络（DQN）算法相比，在31%~60%的CAV渗透率范围内，所提算法可使内侧专用车道占用和外侧混行车道占用场景的平均流量分别提高7.6%和7.1%，峰值流量分别提高7.9%和8.5%；中间混行车道占用场景下改进最为显著，当密度为20~40 veh·km-1时，较改进DQN算法提高12.6%；此外，采用PR-MADDPG算法时的交通冲突概率（Time-To-Collision, TTC<4 s）平均降低79.8%，平均极端减速操作次数减少80%以上。在此基础上，引入Q值混合（QMIX）与多智能体近端策略优化（MAPPO）等主流多智能体算法进行横向对比，以中间占道场景为例，所提算法的峰值流量较两者分别提升6.8%和3.9%，极端减速操作次数分别降低75.4%和63.7%，展现出在复杂受限空间下更优的协同控制能力。消融实验验证了分区编码、双层MDP架构与策略裁剪机制在提升决策预见性、保障宏观协同和维持训练稳定性方面的独立性能增益。以上证明所提方法可有效缓解施工区上游交通扰动，提升混合交通流条件下的通行效率与运行稳定性。

在长隧道交通流接近饱和的同步流条件下，由于行车环境变化和交通流随机干扰，极易出现局部交通瓶颈区段，发生拥堵并向后传递，变成宽移动阻塞状态。针对长隧道在接近饱和状态下可能出现的随机拥堵问题，本文提出一种基于特征断面实时检测数据的瓶颈区段动态识别方法与稳定性约束调控方法。根据长隧道内部行车环境特征将其划分为多个区段，并实时检测各区段的交通流量和速度参数，引入区段交通密度变化量，建立长隧道交通状态动态预测、瓶颈区段识别和稳定性调控的宏观交通流模型；在准稳态点附近对模型进行线性化处理，构建离散状态矩阵，基于特征值判据识别交通流最大特征值模长最接近1的瓶颈区段，并提取其对应的临界密度与临界速度参数；构建一种以临界密度为核心约束的模型预测控制方法，通过上游可变速度引导对瓶颈区段交通流进行主动调控。以某长隧道的断面检测数据为例，构建区段瓶颈动态识别方法和基于模型预测稳定性调控策略，利用仿真实验与无调控和固定速度调控策略进行对比，仿真结果表明，基于模型预测的稳定性调控方法能够抑制瓶颈区段的流量和速度波动，使瓶颈区段密度稳定运行于临界密度附近高效运行区间，通行能力利用率提升至98.1%，能够在交通流密度接近临界状态前实现有效干预，可实现长隧道瓶颈区段的交通流由“拥堵产生再干预”向“事前预测与主动调控”的转变。