在“双碳”目标持续推进与运输需求不确定性加剧背景下，研究多式联运网络设计优化问题。首先，构建以优化策略制定者为上层领导者，以托运人为下层跟随者的双层双目标优化模型，上层协同制定通过能力投资、低碳投资与补贴策略，实现总收益最大化与碳排放量最小化；下层基于广义运输成本求解用户均衡下的网络货流分配结果。接着，引入实物期权理论，采用几何布朗运动描述运输需求波动的随机过程，量化延迟优化的期权价值，确定优化策略的最优实施时机。针对模型特点，设计嵌套Frank-Wolfe的基于分解的多目标进化算法(MOEA/D)求解确定性模型，并结合最小二乘蒙特卡洛模拟识别优化策略实施时机。以西部陆海新通道沿线区域为例进行实证分析，结果表明：所提方法可统筹经济、低碳与运营效率等目标，实现单位运输成本降低16.58%，网络碳排放总量减少27.11%及总收益稳健增长5.41%；在需求不确定环境下，延期实施优化策略能够带来额外的期权价值，案例中，延期至第3期实施可使预期收益提升4.70%，碳排放总量降低5.03%。

在碳排放约束下，提升自身产能效率，在市场竞争中获得优势，是航空公司管理者当前普遍关注的问题。基于2017—2021年中国6家上市航空公司的面板数据，将CO2排放量作为非期望产出纳入指标体系，采用视窗网络DDF(Directional Distance Function)模型测算产能效率，将产能无效分解为技术无效和产能利用无效，进一步识别中国上市航空公司产能效率低下的关键制约因素，并采用面板回归-门槛效应双重机制重点探究在股权集中度调节作用下政府补贴对上市航空公司产能效率的影响。结果表明：碳排放约束下中国6家上市航空公司的产能效率普遍不高，受技术水平和产能利用情况的共同影响；所有上市航空公司均需减少飞机在飞行过程中的碳排放量；不同影响因素对中国上市航空公司产能效率的影响具有异质性，政府补贴、股权集中度、企业年龄以及飞行时长是中国上市航空公司产能效率提高的关键驱动因素；在股权集中度调节作用下，政府补贴对上市航空公司产能效率的影响存在单门槛调节效应，股权集中度小于等于86.79%时仍然保持促进作用，大于86.79%时转变为抑制作用。因此，上市航空公司应加强技术创新，优化投入资源配置，合理控制股权集中度；政府应赋能技术升级，推动节能降碳，优化补贴发放机制。

针对现有研究中普遍忽视生产与运输脱节的问题，本文构建一个融合生产线分配、生产顺序与多式联运路径选择的双目标优化模型。该模型以系统总成本和总时间最小化为目标，将定时发班与定量发班两种铁路发班模式引入模型，更真实地刻画多式联运的运营特性。为求解模型，设计改进的多目标粒子群算法，并通过动态调整算法参数、结合模拟退火机制，增强全局搜索能力并加速了收敛。最后，结合釜山—汉堡/鹿特丹的实例进行数值实验，结果表明，最优调度方案使总成本降低11.4%，总时间缩短580h。与其他多目标优化算法相比，本文提出的算法在解的多样性与精度方面具有显著优势。情景分析进一步揭示，仅优化生产或仅优化班期均难实现整体最优，独立调整会导致成本上升超18%。敏感性分析显示，班期间隔与仓储单价的适度调整可在兼顾成本与时效的前提下，影响运输方式选择。

随着电子商务快速发展和即时配送需求的激增，无人机配送作为物流领域的新型解决方案，正引发物流体系的深刻变革。本文系统回顾2015—2024年间发表的74篇相关文献，从关键技术、经济效益、环境可持续性、应用潜力和系统协同等维度，全面梳理无人机配送的研究进展。研究表明，无人机配送主要依赖路径规划算法、能源管理和多机协同等关键技术。相关优化研究已从单一目标优化向多目标协同演进，算法从经典启发式向智能算法发展，能有效减少求解时间和优化成本。但载重和风力的非线性影响，以及恶劣天气适应性仍是瓶颈。无人机配送在提升物流效率、降低配送成本和减少碳排放方面具有显著优势。在经济效益方面，无人机与车辆协同配送系统可通过优化路径规划和资源调度，显著缩短客户等待时间、降低配送成本及人力需求；与公共交通（公交/地铁）系统整合，能有效扩大覆盖服务范围并降低能耗；通过多目标优化模型，动态平衡能耗、成本与时效的关系，进一步提升协同效益；但其经济性受限于载重与航程，在短途轻载和应急货物配送更具优势。环境效益分析表明，无人机配送阶段的碳排放水平明显低于传统运输方式，但需综合考虑其全生命周期环境影响，包括制造、运营和回收等环节。应用层面，无人机配送在医疗物资配送、应急物流和城市“最后一公里”配送等领域展现出独特价值，在偏远地区和紧急场景下优势突出。然而，该技术仍面临安全风险、技术创新不足、社会认知局限和政策法规不完善等挑战。未来研究应聚焦电池技术突破、智能路径规划优化、隐私安全保护机制和跨区域政策协调，加速无人机配送的商业化应用进程。

基于可接受间距策略的三相自适应巡航系统(Three-Phase Adaptive Cruise Control,TPACC)以线性控制器实现车辆间的速度同步，虽然较恒定时距策略改善了稳定性，但在面临复杂交通扰动时更易诱发交通冲突。为此，本文在车联网支持下运用模型预测控制(Model Predictive Control, MPC)对CTPACC(Cooperative TPACC)车辆队列进行安全优化。首先，构建考虑系统延时的CTPACC运动学模型，通过数值实验阐明可接受间距策略下队列控制的稳定性与安全性关系；进而，提出基于速度同步的MPC安全优化策略，同时，引入终端约束与贝叶斯优化保障系统稳定，并设计延时补偿机制改善控制性能；最后，结合典型工况验证所提策略的有效性。结果显示：线性控制器过高的稳定裕度将导致追尾事故或紧急安全模式介入，且安全性与稳定性呈现非单调性关系。针对此，无延时补偿MPC在控制稳定基础上带来安全性整体提升，延时补偿机制进一步实现稳定性与安全性的全面优化，理论工况下，安全风险指标时间积分碰撞时间、时间暴露碰撞时间、队列振荡指标平均最大超调量和总绝对加加速度值的降幅达到24.4%~61.7%、29.7%~57.4%、52.7%~90.8%和13.9%~81.3%，且在扰动强度敏感性实验以及实际工况测试中均表现相同趋势。此外，所提策略抑制紧急安全模式介入，提升车辆控制平稳性。交通流相变分析表明，延时补偿MPC在瓦解拥堵核的同时，两项安全风险指标较典型线性控制器分别下降50.4%与53.3%。

编队的鲁棒控制策略对于实现智能网联车辆在超高速公路上的安全高效运行至关重要。为提高超高速公路场景下智能网联车辆编队的运行稳定性与安全性，本文提出一种车辆编队控制策略。构建考虑通信时延的全速度差模型作为底层跟驰基础，在领导者-跟随者信息拓扑下，设计一种非线性编队控制律，其核心在于通过反解底层跟驰模型的最优速度函数动态计算与速度相关的非线性期望间距，确保编队控制的稳态目标与单车驾驶行为的平衡态相统一。通过传递函数法严谨分析模型的稳定性，并基于H∞性能指标优化控制器参数。仿真结果表明：在120~160km·h^-1的动态变速场景下，与CACC(Cooperative Adaptive Cruise Control)基准策略相比，DLFC(Delayed Leader-Follower Control)策略展现出较好的弦稳定性与动态跟踪性能，能够有效抑制扰动放大。在随机扰动的极限紧急制动场景下，经蒙特卡洛仿真验证，DLFC策略相较于基准策略展现出高安全冗余，能有效规避碰撞风险，并将车队遭遇高风险状态的概率控制在20%以内，能够保障超高速公路场景下车辆编队的安全性。

为实现自由换道场景下驾驶人换道意图的准确识别，通过分析换道过程中车辆运动状态的信息变化规律，提出一种考虑车辆运动状态信息特性的自由换道意图识别模型。首先，基于人机共驾实车系统平台采集驾驶人自由换道场景下的车辆运动状态信息，通过车道线检测获取车辆中心点与车道中心线的偏离距离，确定自由换道过程关键时间节点，将所采集数据分成车道保持、向左换道和向右换道3类，构建换道意图数据集；其次，通过SHAP(SHapley Additive exPlanations)全局可解释性方法分析各车辆运动状态信息对换道意图识别的影响权重，并采用独立样本T检验说明各变量的差异性，验证各变量作为换道意图识别模型输入的可行性；再次，针对自由换道过程中车辆运动状态的非平稳性、采样吉布斯现象及车道偏离数据干扰问题，在Informer网络的基础上依次引入可逆实例归一化模块(RevIN)、频率增强信道注意力机制(FECAM)、趋势感知自注意力机制(ETTA)和Unet结构，构建自由换道意图识别模型RF-EUInformer(RevINFECAM-ETTA Unet Informer)；最后，采用蒙特卡洛交叉验证评估模型的泛化能力，通过消融试验得出引入的各模块在1.5s预判时间下对准确率的贡献分别为1.4%、0.5%、0.6%和1.2%，验证了各模块的有效性。与双向长短期记忆网络(Bi-LSTM)、卷积长短期记忆网络(ConvLSTM)、时域卷积网络(TCN)和时域卷积网络注意力机制(TCN-Attention)等模型进行对比分析，所提出模型在0.5、1.0、1.5s预判时间下的准确率较最优对比模型分别提升了3.9%、4.5%和5.8%。

在灾后黄金救援时期，可使用无人机率先抵达受损高层建筑进行螺旋上升式全覆盖扫描感知灾情。然而，由于受灾现场复杂的动态环境，无人机在抵近立体扫描时，容易出现轨迹跟踪精度低和碰撞风险高等问题。为此，本文提出融合优先经验回放的软演员-评论家(PER-SAC)控制模型，并基于六自由度(6DOF)非线性动力学模型搭建高保真仿真平台。模型通过优先学习高时序差分误差(TD-error)的关键经验，提升复杂任务中的学习效率与控制策略的鲁棒性。仿真对比实验表明，所提PER-SAC策略的收敛速度和最终性能均优于软演员-评论家(SAC)和近端策略优化(PPO)算法。在静态轨迹跟踪任务中，PER-SAC的任务成功率达99.0%，平均轨迹误差较SAC降低了66.3%；在动态避障任务中，其任务成功率高达97.0%，且规避动作更平滑高效，模型控制的鲁棒性得到充分验证。通过融合优先经验回放机制显著提升无人机在未知动态环境下的自主飞行性能。所构建的PER-SAC模型即可以兼顾飞行控制精度、飞行品质与安全性，也可直接应用于灾后对高层受损建筑物的自主螺旋式扫描，通过稳定的飞行姿态获取高清影像，从而辅助救援团队快速感知灾情，提升应急搜救效率。

为精准量化天气因素和节点失效对低空物流航线网络抗毁性的影响，本文提出一种融合气象数据空间插值与复杂网络级联失效的评估框架。以公开的高程数据(DEM)作为协变量，应用局部薄盘光滑样条法对低空航线风速、降雨量数据进行高精度空间插值，克服了站点数据稀疏性，精确刻画了航路气象风险分布；基于熵权法融合度中心性、介数中心性等6项指标，构建综合节点重要性指标M_si，用于识别网络关键节点；定义融合网络效率、最大连通子图规模、网络密度的综合抗毁性指标H，并构建考虑节点失效和负载重分配的级联失效模型。以深圳市88个运营站点构建的低空物流航线网络为对象进行仿真。仿真结果表明：综合抗毁性指标H能全面反映网络抗毁性变化，熵权法节点重要性指标M_si识别关键节点效果显著，移除其前10个节点导致H下降80%，网络崩溃。气象影响量化分析表明：所构建网络有效规避了深圳市高风速区域，60%区域降雨量低于无人机运行阈值，移除受天气影响排序靠前的30个节点时，H仅下降28.3%，证明天气对网络整体抗毁性影响有限。同时，提出抗毁性优化方案，即在关键节点附近增设4个备降场。仿真验证表明，优化后网络抗毁性显著提升，按度值移除前10个节点时，H从优化前的0.08提升至0.25。本文为低空物流网络在恶劣天气下的安全运行与抗毁性提升提供了安全性评估工具与优化策略。

为探究生命周期视角下建成环境对居民出行强度的影响机制，本文将居民划分为无子、满巢I、满巢II和空巢4个阶段，以温岭市居民出行量、地理空间和建成环境数据为基础，设置居民出行强度为被解释变量，结合建成环境“5D”要素衍生出7种解释变量，基于多尺度地理加权回归模型分析建成环境对不同阶段居民出行强度的影响机制。研究发现，多尺度地理加权回归模型能够更有效地揭示变量在不同空间尺度上对居民出行强度的影响差异性。总体来看，居住密度、公交站点密度和商业设施密度对4个阶段居民出行强度均呈现正向显著影响，无子与空巢阶段的影响差异性在空间分布格局上较为相似，满巢I和满巢II阶段则表现出高度一致性；医疗设施密度在4个阶段均存在正向显著影响，集中在医疗资源丰富地区，但在满巢I、满巢II和空巢阶段该变量同时还表现出负向显著影响，主要分布于医疗设施相对欠发达地区。从不同阶段来看，无子阶段私家车拥有率低，对时间出行成本敏感度较高，受公交站点密度的影响差异性较大；空巢阶段短距离出行频次高、就医出行需求较多，受居住和医疗设施密度的影响差异性均最大；满巢I和满巢II阶段均需面临工作和家庭双重压力，不同的是，满巢I阶段受上下班通勤制约较大，满巢II阶段的出行偏重于家庭生活，分别受公交站点和商业设施密度的影响差异性最大。

为获得预测时刻线网客流量的概率信息，本文提出一种考虑数据与模型不确定性的城轨线网客流短时概率预测模型(PD-STGCN)。该模型构建时空不确定性预测模块(STUPM)和概率量化模块(PQM)的协同框架。在STUPM中，针对客流数据和预测模型中存在的不确定性，利用高斯负对数似然损失(GNLL)和蒙特卡洛Dropout技术(MCDropout)，开发融合两种不确定性量化结果的新损失函数。在PQM中，根据预测结果利用随机正态采样获得离散的样本集，基于高斯核密度估计(KDE)方法输出连续的概率预测结果。以某大城市城轨交通客流数据为例，选择工作日和非工作日两种场景进行验证。结果表明：相较于基准预测模型，PD-STGCN的预测区间覆盖概率(PICP)和连续排序概率评分(CRPS)指标分别提升8.01%和20.77%，可以更好地覆盖真实客流值且预测精度更高。通过消融实验验证不确定性是影响模型性能最显著的因素，考虑双重不确定性比仅考虑单种不确定性模型在PICP和CRPS上分别提升了1.91%和4.02%以上。

为优化城轨与市域铁路贯通运营开行方案，解决传统换乘模式在高峰时段难以满足跨线客流需求的问题，构建基于心理账户理论与Logit模型的乘客出行选择行为模型，刻画乘客在时间和费用等多属性因素影响下的出行选择行为机理，建立以开行频率和折返站位置为决策变量，以乘客出行时间最小与企业运营成本最少为目标的贯通运营开行方案优化模型，设计基于对立学习-Arnold混沌映射的多目标粒子群优化求解算法。研究结果表明，相较于换乘衔接模式，贯通运营模式下，乘客总出行时间与企业运营成本分别降低22.60%与17.44%。进一步分析可知，乘客出行选择行为呈现时间价值偏好特性，高时间价值客流对直达服务敏感性较高，跨线刚性客流占比是决定贯通列车开行频率的关键因素，贯通列车发车频率与跨线刚性客流占比呈正相关，但当贯通列车发车频率超过7对·h^-1后，跨线刚性客流占比表现出边际效益递减规律。本文可为城轨与市域铁路贯通运营提供一定的理论支撑。

针对城市轨道交通客流分布不均导致的运力冗余或不足问题，本文研究高峰时段灵活编组模式下开行方案的优化，旨在实现运力与需求的精准匹配，有效控制运营成本，提升资源利用效率。以典型不均衡性客流为研究对象，构建以企业运营成本最小化和平均满载率最大化的双目标非线性整数规划模型，综合考虑立席密度限制等约束。设计基于分层序列的三阶段求解算法，以及采用优劣解距离(TOPSIS)策略的择优方案。以某市城轨实际线路为背景设计算例，对所构建模型和算法的有效性进行验证。实验结果表明，相较于单一交路固定编组和大小交路固定编组模式，灵活编组模式展现出显著优势。在高峰时段，灵活编组使企业运营成本分别降低25.67%和7.34%，满载率优化幅度达29.55%和26.02%。灵敏度分析显示，允许小交路立席密度适度提高，可进一步降低运营成本，但需权衡乘客舒适度与安全性。当立席密度从7人·m^-2增至9人·m^-2时，灵活编组模式下，成本与满载率反比分别下降15.38%和14.83%，车底运用数减少15.79%。综上所述，基于灵活编组的大小交路开行方案能够有效适应客流时空波动，实现运力动态调配与成本控制的协同优化。

在城市轨道交通网络运行图调整优化中，全网同步优化面临建模难度大和计算复杂性高的问题。本文基于按线调整的现实需求，提出一种线路间列车开行方案运能配置协同优化策略。首先，从客流转移竞合协同与网络效能贡献协同两方面，解析线路开行方案运能配置与网络整体效能的相互作用机理；其次，构建运输效率与服务水平双维度网络效能评价指标体系，依托自研多智能体线网仿真系统与理想解排序法实现效能量化评估；最后，提出按线编制模式下的线路开行方案运能配置协同优化方法及决策模型。基于某市真实路网数据，通过363组方案的仿真与评估验证策略有效性。结果表明：本文提出的以网络效能为优化目标，按照线路重要度顺序，采用“逐线调整+固定其他线路开行方案”迭代机制的运能逐线协同优化方法，在按线编制模式下能生成最优运能配置方案，其优化精度与全网启发式搜索等效，可作为全网同步优化的时间节省替代方法，使案例网络效能从初始0.519提升至0.588，增幅度达13.4%，为大规模城市轨道交通网络开行方案协同优化提供兼顾优化质量与计算效率的解决策略。

跨线运营模式下列车运行图一体化协同编制对提高行车组织效率具有重要意义。针对本线车与跨线车运行线排序方案多样化导致运行图编制复杂度高这一问题，解析跨线站列车发车时刻和运行顺序间耦合关系，提出共线区段运行线协调方法以确定各车次铺画顺序。以行车间隔偏差最小化、额外停站时间最小化和车底出入库次数最小化为优化目标，考虑列车到发时刻、发车间隔、车底接续和出入库作业等约束条件，构建运行图和车底运用一体化编制模型，并通过模型线性化以提高求解效率。最后，选取某城市轨道交通4号线和9号线构成的“X”型跨线运营场景为对象进行实证分析。结果表明：所构建方法能够综合考虑稳定性与车底资源的权衡关系，实现列车运行图和车底运用方案的一体化编制；通过科学排列多交路运行线，行车间隔偏差降低22.88%，额外停站时间降低12.65%。研究成果可为跨线运营模式下列车运行图协同编制提供方法，提高编图效率与运行图质量。

换乘是制约城市轨道交通系统服务水平的重要因素，而明确分析城市轨道交通换乘时间是制定有效提升策略的前提。以长沙市地铁为研究对象，基于历史1周的AFC(Automatic Fare Collection)数据，对换乘时间进行深入分析。首先，构建换乘次数受限的广度优先搜索算法，识别最短换乘路径，进一步分解乘客出行链时间结构，建立线性回归模型，采用最小二乘法估计参数，从而量化换乘时间；接着，从空间分布、时间变化和相对耗时这3个维度对换乘时间进行客观全面的分析。结果表明，长沙市地铁平均换乘时间为6.2 min，占总出行时间的17.6%，工作日换乘耗时高于休息日，且存在高峰时段换乘效率退化现象。空间分布上，不同换乘站点之间存在一定差异，进一步利用K-means算法进行聚类分析，7座通道换乘站点被识别为低效率站点。基于研究结果，提出采用物理结构优化、实时引导和互联互通等措施，提升地铁换乘效率。

为量化公交网络对城市轨道交通站点故障引发级联失效的缓解作用，提出一种融合公交替代效应的耦合映像格子模型(SCML)。基于交通可达性定义轨道站点的公交替代效应，并通过多属性决策方法(CRITIC-TOPSIS法)将其量化为步行换乘便利程度和站点可达机会的加权值。设计映射函数刻画公交替代效应对站点状态的调节作用，进而改进耦合映像格子模型(CML)以模拟级联失效动态演化过程。构建分步失效站点比例等指标评估网络脆弱性，并以深圳地铁和公交网络为案例进行验证。研究表明：公交替代效应呈现空间异质性，城市核心区站点值较高；在中低扰动强度下，该效应可显著降低失效传播速度与范围，但在高强度干扰下缓解作用有限；与CML模型相比，SCML模型能更准确刻画轨道交通网络的脆弱性特征，触发网络崩溃的站点平均扰动强度阈值由1.7提升至2.2。研究结果为多模式交通系统的韧性评估提供了定量依据。

地铁大规模疏散效能优化是轨道交通安全的关键，但现有模型因均质化假设和单一人群类型划分，缺乏复杂人群研究。为此，本文提出改进的社会力模型，构建结伴行为-行李携带-遗弃行为三维耦合动态仿真框架。基于青岛站1081份问卷数据校准参数，通过AnyLogic对廊道转角与车厢出入口关键瓶颈区域进行仿真。首先，依据实证数据设定行李丢弃率和结伴行人占比，建立结伴群体、携带行李箱行人、普通行人及遗弃行李箱4类异质主体交互规则，改进单因素模型对复杂人群行为的简化处理；然后，基于地铁转角几何特征与列车尺寸构建模拟疏散场景；最终，通过仿真对比验证表明，在转角与车厢区域耦合模型较单因素模型疏散时间差10s以上，在多耦合疏散模拟中，结伴行人疏散受影响最大，延误时间达携带行李者的1.5倍（转角区）和1.66倍（车厢区）。

为更真实地模拟地铁车站应急疏散过程，提高疏散效率和安全性，本文提出融合行人空间认知能力与恐慌情绪传播的改进社会力模型CogPanic-SFM(Cognition Panic Social Force Model)。模型通过动态模拟行人在疏散过程中的空间认知能力演化过程，结合空间认知依赖特征的SACR(Susceptible-Activated Constrained-Recovered)恐慌传播模型，实现空间认知能力与恐慌强度的双重调制，并协同优化了社会力模型中的自驱力和排斥力。仿真结果表明，改进后模型的疏散总用时与应急演练疏散用时的相对误差为7.792%，低于传统模型的37.083%，验证了模型在复杂场景下的有效性和拟真性。进一步发现，空间认知能力的分布比例对群体恐慌强度具有明显影响：当高空间认知能力者(0.85~0.95)比例为1时，群体恐慌强度峰值为0.49，较低空间认知能力者(0.10~0.30)比例为1时，群体恐慌强度峰值下降46.7%。较低的恐慌强度意味着行人在疏散过程中更为冷静，有助于缓解拥堵，提高出口利用率，从而缩短整体疏散时间。

针对高校校园规模扩大导致的内部交通问题，本文提出融合乘客换乘行为的校园公交线路设计与发车频率优化模型。构建包含行驶节点和换乘节点的双层网络结构，并设计精确刻画换乘行为的流量平衡约束体系。模型采用混合整数规划方法，以最小化乘客总出行时间和线路运营成本为目标，联合优化线路选择、发车频率配置和乘客路径分配决策。在线路生成阶段，基于出行需求分布特征，提出受限深度优先搜索算法构建备选线路集合。以北京交通大学雄安校区为例的实证研究表明：优化方案通过3条线路实现11个站点的全覆盖，70.8%的出行需求可通过直达完成，其余均可一次换乘满足；75%的出行需求额外时间不超过5min，公交满载率超过70%的路段达到52%以上。研究成果可为校园公交系统的科学规划与高效运营提供理论依据和实践指导。

为解析通学、通勤及老年群体高峰时段公交出行的生成机理，并在同一时空维度下，剖析建成环境对不同群体的异质性作用，本文引入随机森林模型，量化关键因素贡献度，识别阈值和边际效应，分析多因素交互作用，揭示建成环境对不同群体公交出行的非线性影响机制。研究发现：从影响因素的个体重要性看，公交线路数量对3类群体均起主导作用，但次要影响因素呈显著群体差异。其中，通勤群体高度依赖公交站密度与距市中心距离，老年群体受医疗保健与科教文化设施双重约束，通学群体主要受距市中心距离的影响。从影响因素的集体重要性看，通学与老年群体出行由土地利用因素单极主导，通勤群体由土地利用与公交站属性因素协同驱动，城市设计因素重要性相对较低且稳定。从非线性影响看，同一因素对不同群体的阈值与边际效应存在显著差异，且多因素交互作用也存在差异；此外，同一因素对通学和老年群体的影响存在明显时序分异。

为降低公交企业成本，提升乘客满意度，本文结合分段充电策略、分时电价，以及与时间相关的驻站时间、行程时间、乘客上车率、乘客下车率等参数，构建考虑多车场多车型的时刻表和车辆调度整体优化的双目标模型。模型以乘客出行时间和公交企业成本最小为目标。前者包括乘客等待时间和乘客车内时间，后者包括固定成本、空驶成本和充电成本。针对该模型的特点，设计改进非支配排序遗传算法II进行求解，并选取珠海市26路公交线路进行案例分析。结果表明：在早高峰、中午平峰和晚高峰3个时段中，公交企业现状方案和顺序方法获得的解均被整体优化方法得到的Pareto最优解支配。与公交企业现状方案相比，整体优化方法平均降低5.1%的公交企业成本和4.9%的乘客出行时间；与顺序方法相比，乘客出行时间平均降低1.6%，其中，乘客等待时间降低1.8%，乘客车内时间降低1.6%。本文可为城市公交企业科学调度与管理提供优化建议。

为解决因多条公交线路重叠运行所引发的拥堵问题，本文提出一种提高多线路运行效率的公交车辆调度与泊位设置联合优化方法。以车辆成本和乘客等待时间成本的加权和最小，以及重叠区间泊位数量最小为目标，综合考虑时刻表、公交运行和分离式站点泊位分配等约束，建立多目标联合优化模型，并通过鲁棒优化方法重构模型。设计混合自适应大邻域搜索算法(MODE-ALNS)求解，多目标差分进化算法(MODE)负责全局搜索和生成初始解，自适应大邻域搜索算法(ALNS)负责对多目标差分进化算法生成的解进行局部优化。通过两者结合，实现全局搜索与局部优化的有机结合，提升解的质量。最后，以哈尔滨市6条重叠运行的公交线路为例进行案例分析。结果表明，相较现状方案，优化后的方案在车辆成本和乘客等待时间成本上减少了3.17%和7.19%，重叠区间内泊位总数的优化效果可达16.67%，能同时顾及运营商和乘客利益。与确定性模型相比，鲁棒优化模型能以更低的总成本和更稳定的泊位数量应对不同的扰动场景，验证了模型的优越性。

为应对城市物流配送网络扩张所引发的交通压力与碳排放问题，本文提出一种考虑碳排放成本的轻型载货汽车-公交车协同配送优化模型。该模型融合公交固定线路、客户需求时间窗、碳排放因素与运输成本，以最小化总成本为优化目标，系统刻画公交车辆与轻型载货汽车协同配送的复杂约束与多因素决策问题。针对问题高维、复杂和易陷入局部最优等特点，设计改进遗传算法，通过节约里程法生成高质量初始种群，并引入锦标赛选择、自适应交叉与变异策略，显著提升算法的收敛速度与全局搜索能力。实验结果表明：本文所提出的算法在算例规模为60时实现19.48%的成本优化；4种不同节点规模下，运行20次数据的最大成本、最小成本和平均值成本均得到有效降低；相比单一配送模式，公交协同模式可在一定范围内有效降低运输成本、碳排放成本和时间窗惩罚成本，提升配送效率与服务质量。

为探究建成环境对电动汽车充电行为的非线性影响及交互作用，本文以上海市为例，结合电动汽车充电订单数据和多源建成环境数据，针对工作日与非工作日两种充电场景，构建基于梯度提升决策树(Gradient Boosting Decision Trees, GBDT)的充电强度模型。借助SHAP(SHapley Additive exPlanations)解释器，分解模型输出，量化各建成环境因素的边际贡献，识别不同场景下影响汽车充电行为的关键因素，并解析其与电动汽车充电量强度间的非线性关联。对比线性回归模型，基于GBDT的充电强度模型拟合效果更优，工作日与非工作日场景下的模型拟合优度分别为0.333和0.573。结果显示，无论是工作日还是非工作日，主次干路密度、市中心邻近度和企业密度是影响公共场站电动汽车充电的核心要素，且均呈现显著的非线性特征和阈值效应。各变量的影响机制各异：主次干路密度与企业密度对电动汽车充电量强度呈正向促进作用，而市中心邻近度与公交站点密度则表现为抑制作用。此外，主、次干路密度等变量间也存在明显的交互效应。

为解析影响货车服务区停车选择行为的关键因素及其作用路径，构建考虑感知疲劳的货车服务区停车行为选择模型。首先，基于计划行为理论，选取停车态度、停车行为意向和停车行为3个潜变量作为基本模型A；然后，引入泊位偏好和服务区信息透明度潜变量，构建货车服务区停车行为选择的初始模型B和增加感知疲劳的扩展模型C；最后，将模型运用于云南省实例，回收有效问卷320份。通过偏最小二乘结构方程方法，验证建立的3个货车服务区停车行为选择模型。结果表明：新增感知疲劳变量的扩展模型C可提升货车服务区停车行为选择模型的适配度和解释性；扩展模型C的适配度相较于基础模型A提高了26.53%，相较于初始模型B提高了8.16%；停车行为意向与泊位偏好是货车服务区停车选择行为最主要的影响因素；停车态度和服务区信息透明度通过影响停车行为意向与泊位偏好，间接影响停车行为；感知疲劳也会通过影响停车态度间接作用于停车行为意向。

山区洪涝灾害易导致道路淹没中断，形成陆路与水路并存的复杂路网，加大了应急物资配送难度。据此，本文建立由物资仓库、陆路和水路组成的陆-水联运配送网络，考虑物资仓库的存储限制和灾后路网功能分化，采用仓库间横向转运及卡车-冲锋舟协同配送策略，构建以最小化总调运时间和最大化平均需求满足率为目标的双目标混合整数规划模型，并设计包含两阶段启发式初始解构造、混合遗传算子和可变邻域搜索等策略的改进非支配排序遗传算法II(INSGA-II)进行求解。以某山区在建大型工程为案例进行数值实验，结果表明：与依赖式协同相比，允许冲锋舟从仓库出发的混合式协同配送可将最大平均需求满足率提升4.85%，并将最短总调运时间缩短2.17%。

针对货车禁行区的实际可达性及机器人的灵活投放与回收问题，构建一种多移动中转站下的货车多机器人协同配送路径优化模型(MMS-MTRCRP)，以最小化货车与机器人的路径成本及货车固定成本为目标，综合考虑货车路径约束、机器人行驶与续航约束、动态资源约束、客户的硬时间窗约束，以及货车与机器人在时间、空间和容量方面的耦合约束。针对耦合约束带来的复杂决策难题，提出基于投放与回收操作的贪婪路径初始化算法(DRGPIA)，并设计一种融合优化操作的改进自适应大规模邻域搜索算法(IALNS)。基于12个Solomon算例与GUROBI12.0.1的对比实验表明，所提算法在求解质量与效率方面均优于精确求解器。在小规模算例中，IALNS在结果与时间上均优于GUROBI；在中大规模算例中，也表现出良好的性能。此外，通过消融实验与多模式对比分析发现：优化算子对算法性能均产生积极影响，尤其在3个大规模算例中，优化模块使求解成本平均降低8.9%；在单中转站及多中转站原地回收模式无法获得可行解的场景下，多中转站协同优化策略仍可求得满足硬时间窗的可行解，且平均成本分别降低20.6%与17.1%。

针对自动化干散货码头存在多种资源和机械设备导致多环节协同调度困难的问题，本文提出基于船舶在港时间最小和码头作业成本最小为目标的泊位-装船机-堆场协同调度模型。由于此问题具有大规模及非线性特征，在求解上具有挑战性，故提出一种基于灰狼优化的两阶段算法用于模型求解。第1阶段基于改进灰狼优化算法求解泊位-装船机分配方案，第2阶段基于分流机-堆场分配算法筛选符合作业线和堆场约束的可达方案。最后，以安徽长久内河码头数据为基础进行模型可行性和算法优越性验证。数值结果表明，本文建立的优化模型高度契合多资源和多机械协同作业的自动化干散货码头作业场景，符合实际作业约束，能充分利用码头资源和机械设备；本文提出的算法能有效求解该优化问题，较粒子群算法、遗传算法、灰狼优化算法、鲸鱼优化算法和哈里斯鹰优化算法在总成本的求解效果分别提升8.1%、8.7%、6.5%、2.4%和4.5%。

零担快运分拨中心作为干支线运输的重要协调节点，承担货物的快速集散与高效中转任务，对自动化设备间的联合调度与高效衔接提出更高要求。本文针对零担快运货物“快进快出”的越库作业特点，以最小化最大完工时间为优化目标，构建调度水平搬运AGV(Automated Guided Vehicle)与垂直装卸存取无人叉车的混合整数规划模型；进一步引入灵活充电策略，联合优化作业任务与充电任务；结合问题的分解结构，设计Logic-based Benders分解的精确算法，提升大规模问题的求解效率。通过不同规模算例验证模型与算法，结果表明：所提出的算法在求解效率和解的质量方面均优于Gurobi求解器；同时，AGV与无人叉车的联合调度相较于独立调度，可显著提升越库作业的流畅度与资源协同水平；此外，引入的灵活充电策略能够动态优化充电时机与补电量，相较于完全充电策略，平均减少24.3%的充电时间，并使总作业时间降低7.62%，有效提升了物流枢纽运行效率。

为明确高速公路小净距“隧道-互通”路段下匝道驾驶人心理负荷水平，通过实车驾驶试验采集33名被试者在渝湘高速黄草互通至保家互通的心电数据，分析驾驶人心率增长率均值、心率增长率最大值、R-R间期（心电图相邻R波之间的时间间隔）标准差和连续R-R间期均方根的分布特征，以此为观测变量构建基于因子分析法的心理负荷综合量化模型，揭示小净距“隧道-互通”心理负荷水平，以及其与常规隧道、常规互通的差异，探讨隧道与互通之间的净距及驾驶人因素的影响。结果表明：4处小净距“隧道-互通”的驾驶人心理负荷分别分布在0.23~1.00、0.00~0.87、0.15~0.76和0.03~0.65，显著高于常规隧道( p<0.05)；净距在410 m及以下的3处小净距“隧道-互通”的心理负荷显著高于常规互通出口(p<0.05)；随着净距的减小，心理负荷逐渐增大，且心理负荷在两两小净距“隧道-互通”路段之间均存在显著性差异(p<0.05)；不同类型驾驶人之间心理负荷差异显著(p<0.05)，女性驾驶人心理负荷比男性高41.0%，不熟悉路线的驾驶人比熟悉型心理负荷高37.8%，非经验型驾驶人心理负荷比经验型增加59.0%。

为量化车载平视显示系统在行人冲突事件中的安全效用，首先，基于驾驶模拟实验设计两种天气条件（晴/雾）下的行人冲突事件，获取34位被试使用Baseline、HDD(Head-Down Display)和HUD(Head-Up Display)这3种人机交互系统的驾驶操纵及车辆运行数据；其次，分析人车冲突过程中车辆的速度特征，并基于交通冲突理论提取驾驶人制动反应时间、最小碰撞时间和后侵占时间，刻画冲突前-中-后的时间安全裕度变化规律；最后，对3个时间维度指标分别构建Cox比例风险模型，探究系统条件、天气条件和驾驶人个体属性对安全裕度的作用机制。结果表明，与HDD组和Baseline组相比，HUD组驾驶人在冲突前及冲突中的车辆速度显著降低，制动反应时间更短，最小碰撞时间更长，冲突后车辆恢复速度显著更高，但后侵占时间与其他两组相比无显著差异。进一步分析表明，驾驶人性别及驾驶频率与后侵占时间有关，表现为男性驾驶人和驾驶频率较低的驾驶人后侵占时间较长。研究结果可为HUD预警系统的优化设计提供理论支撑，提升HUD系统在复杂风险驾驶环境中的安全效能。

近年来，随着国际地缘政治形势的愈发复杂，洋区不明飞行活动日趋频繁，严重影响域内民航航班运行的安全和效率。本文构建一种基于注意力机制的卷积记忆网络预测架构，旨在挖掘GDELT(Global Database of Events, Language, and Tone)新闻事件与不明飞行活动架次及其滞后性的关联特征。首先，采用格兰杰因果检验和相关性分析筛选与飞行活动显著相关的新闻事件类型，并构建输入特征空间；接着，提出一种“卷积神经网络-长短期记忆网络-多头注意机制(CNN-LSTM-MHA)”混合架构，通过CNN提取事件数据与架次数据的局部时空关联特征，通过LSTM捕捉事件滞后影响，并引入多头注意力机制优化学习权重。利用2015—2024年三亚情报区不明飞行活动数据验证模型，结果表明：该预测模型在测试集上表现出较优的性能，平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R²)分别为0.6049、0.7642和0.8103；模型对正常与异常飞行活动样本均能保持较高预测精度，且测试性能与训练集接近，显示出良好的泛化能力与预测稳定性。