2026年英文专栏

Select

东北海陆大通道运输网络关键节点识别与抗毁性分析

吴暖, 林婷, 王晚香

交通运输系统工程与信息 2026, 26 (1): 2-10. DOI: 10.16097/j.cnki.1009-6744.2026.01.001

摘要（496）

PDF （1968KB）（445）

PDF(English version) （489KB）（5）

东北海陆大通道涉及众多运输节点，各类风险事件不仅会直接影响节点的正常运转，还会通过货流在节点间转移引发网络级联失效，影响通道的高效运行。因此，本文基于复杂网络理论，研究东北海陆大通道运输网络的抗毁性。首先，基于东北海陆大通道多种运输方式的实际，构建多层复合网络，分析网络拓扑结构；其次，选取度中心性、接近中心性、介数中心性、特征向量中心性、聚集系数等指标，构建节点重要度评价体系，设计融入信息熵的改进相关性赋权法——优劣解距离法（CRITIC-TOPSIS），量化节点重要度；最后，基于节点重要度等因素，构建了负载-容量级联失效模型，仿真分析不同参数和攻击模式对网络抗毁性的影响。研究结果表明：当节点重要度排名前10节点失效时，东北海陆大通道运输网络全局效率下降58%，网络连通性下降30%；当节点负载参数α=2、节点容量系数 β=1.4，γ=1.6时，网络应对不同攻击的抗毁性较强。

Select

考虑海峡交通风险时空差异的航运公司船队路径优化

王杰, 王兴浩, 梁金鹏, 高俊

交通运输系统工程与信息 2026, 26 (1): 11-23. DOI: 10.16097/j.cnki.1009-6744.2026.01.002

摘要（352）

PDF （3596KB）（278）

PDF(English version) （1623KB）（3）

海峡航道作为船舶运输的重要通道，据国际海事组织统计，其交通事故发生率明显高于其他水域，且呈现显著的时空分布特征。本文针对船舶交通风险的时空差异性特点，综合运用船舶自动识别系统（Automatic Identification System, AIS）数据，融合物元可拓理论与栅格法，构建海峡航道动态风险量化评估体系。在此基础上，以船队运营收益最大化为目标，以总航行风险控制为约束条件，建立混合整数规划模型。该模型能够优化船舶航速配置，运输路径选择，特别是海峡航道的精细化路径规划，并采用Gurobi求解器进行高效求解。基于某航运公司原油运输实际数据的案例，分析验证了模型的有效性：通过动态航速调整和替代路径选择策略，能够有效规避高风险时段和海域；风险阈值与船队总运营收益呈正相关关系；货物运输延误惩罚系数从0增至5%时，总运营收益降幅达7.04%，而从5%增至30%时，降幅仅为3.54%，呈现边际递减效应；低风险阈值条件下，系统对运输需求波动的敏感性相应降低；运输价格每提升5%，总运营收益平均增长率约为5.5%。研究成果可为航运企业制定基于风险偏好的海峡通航策略和运营决策提供科学依据和优化方案。

Select

异构无人机两级协同配送网络选址-路径联合优化

耿劭卿, 翟一冰, 曹允春

交通运输系统工程与信息 2026, 26 (1): 34-44. DOI: 10.16097/j.cnki.1009-6744.2026.01.004

摘要（503）

PDF （2066KB）（285）

PDF(English version) （1118KB）（5）

针对无人机在复杂地形下进行支线运输与末端配送的瓶颈，本文研究由支线无人机机场与配送中心构成的两级物流网络选址-路径优化问题。现有研究多忽略支线与末端无人机功能与成本异质性。为此，本文构建以设施建设、两级差异化运输和时间惩罚成本最小化为目标的混合整数规划模型，联合优化两级设施分布、无人机配送路径和客户服务时效，并设计混合算法，其中，遗传算法用于全局选址与分配，变邻域禁忌搜索用于局部路径优化。通过云南省云龙县实例分析表明，相较于分步决策，所提联合优化方法可使系统总成本降低88.3%；与单级直流网络相比，客户准时送达率提升至91.9%，实现了成本与服务质量平衡。该研究为无人机分布式物流网络规划与运营提供了有效的决策模型与方法。

Select

基于链式因果推断的国省干线人因交通事故异质性分析

姚亮, 张文贵, 吴利, 刘尊青, 陈贻乐

交通运输系统工程与信息 2026, 26 (1): 360-370. DOI: 10.16097/j.cnki.1009-6744.2026.01.033

摘要（232）

PDF （2493KB）（265）

PDF(English version) （1184KB）（2）

针对国省干线人因交通事故的异质性特点，提出一种事故链式因果推断方法，实现交通事故因果机制辨识与交互效应量化的同步解析。首先，采集新疆11条国省干线近年交通事故信息构建数据集，利用K-prototype 聚类算法将事故严重程度分为3类；其次，基于结构因果模型、因果森林及SHAP（SHapley Additive exPlanation）算法构建链式因果推断模型，推理出事故关键致因链、多维诱因交互效应及事故类别概率预测值，解析“场景组合-人为要素-事故类别”的链式传导特征及异质性特点；最后，基于SHAP值分析多维要素贡献度，并结合因果效应强度划分行为致因类别，辨识出事故关键人为致因，提出具有针对性的事故防控策略。结果表明：本文所提方法的加权平均F1得分与宏平均AUC（Area Under Curve）值分别为0.86与0.82，相对高于常用的机器学习算法，且克服了传统关联模型难以实现多因素交互作用机制刻画与效应量化的局限，适宜人因事故异质机理解构分析；由致因链分析可知，人为要素为事故主要致因，天气和时段等环境要素对事故后果均有显著影响，恶劣环境与危险行为的综合作用对事故程度升级具有非线性影响作用；超速行驶、疲劳驾驶、跟车过近与观察不周为核心行为致因，营运类车辆出现上述行为后事故严重程度相对较高，严重型事故占比超过50%，应重点进行事故监测与防控。

专题