首页期刊导航|交通运输研究
期刊信息/Journal information
交通运输研究
交通运输部科学研究院
交通运输研究

交通运输部科学研究院

半月刊

1002-4786

csma2815@vip.sina.com

010-58278982

100013

北京市东城区和平里东街10号院办公楼1109室

交通运输研究/Journal Transportation Standardization北大核心CSTPCD
查看更多>>《交通标准化》杂志是交通部主管，交通部科学研究院主办，国内外发行的中央级期刊；是交通系统唯一以将标准化理念与质量和市场融为一体为主旨的专业化刊物近年来，《交通标准化》杂志以其刻意的装帧、准确的定位及高质量的编审得到业内一致好评和认可，公认其为具有较强权威性、学术性和可读性的精品杂志，是政府交通主管部门和交通行业企事业单位领导及相关人员的必读刊物，也是发表科技论文的理想园地。《交通标准化》应用科技版（即《交通标准化》上半月刊）的主要栏目有：政策与法规、决策者论坛、公路工程与运输、水运工程与运输、计量检测与监测、产业经济与管理、物流与信息、交通与安全、标准通报、标准书苑、行业动态和信息荟萃以及广告等。《交通标准化》社会资讯版（即《交通标准化》下半月刊）的主要栏目有：标准解读、标准通报、政策导航、认证与认可、特别报道、热点追踪、企业采风及人物访谈、市场了望、新产品新技术交流、行业资讯、会展之窗、广告等。
正式出版
收录年代

    我国综合货运枢纽演进特征及发展对策

    王娟杨勇范昕怡
    1-9页
    查看更多>>摘要：为加快建设现代化交通运输基础设施体系，推动降低全社会物流成本、提高经济运行效率，聚焦综合货运枢纽，通过梳理其发展历程，研究了综合货运枢纽的概念内涵、功能定位、演进特点，厘清其定义和空间边界，找出其发展中面临的难点。在此基础上，提出推进综合货运枢纽发展的思路，以及规划布局、建设要求、运营模式和协调机制四个方面的对策建议，旨在推动统一对综合货运枢纽的认识、形成发展合力，为构建现代化综合货运枢纽系统提供基础支撑。

    基础设施体系综合货运枢纽演进特征枢纽经济物流成本

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于机器学习空间聚类的出租车停靠站点布局规划

    年光跃黄建云潘海啸
    10-17,27页
    查看更多>>摘要：针对出租车随意停靠给城市交通带来的负面影响，为规范出租车营运秩序、改善出租车营运环境和居民乘车条件，提出一种将出租车出行空间信息与机器学习算法相结合的出租车停靠站点布局规划方法。首先利用出租车GPS轨迹数据提取出租车出行起点，然后采用HDBSCAN聚类算法对起点进行空间密度聚类，形成聚类簇后以其中心点作为出租车停靠站点布局的备选点。最后，为验证所提方法的可行性和有效性，选取重庆市中心城区一土地利用类型丰富、人口密度高的典型区域进行案例分析。结果显示，107个备选点主要分布于商业中心区和居住集中区，与出租车出行高需求区域的空间分布基本吻合;布局的出租车停靠站点在300 m范围内的覆盖率达到76。0%，未覆盖区域主要为城市绿地和水体。研究表明，机器学习算法可实现出租车停靠站点的高效布局规划，但在规划和实施阶段，停靠站点的设置还应结合邻近区域的建成环境特点综合考虑。

    城市交通布局规划空间聚类出租车停靠站点轨迹数据机器学习算法HDBSCAN

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于SSA-CNN-BiLSTM组合模型的短时交通流量预测

    陆由付孔维麟田垚王庆斌...
    18-27页
    查看更多>>摘要：为改善城市道路交通拥堵状况，并为智能交通系统决策提供辅助手段，针对短时交通流的非线性和时序性特点，构建了一种基于麻雀搜索算法(SSA)优化的卷积神经网络(CNN)联合双向长短时记忆神经网络(BiLSTM)的组合模型以预测短时交通流量。首先，对原始交通流数据进行异常值清洗、小波阈值去噪和归一化处理。然后，利用SSA算法对CNN与BiLSTM组合网络中的隐藏层单元数、初始学习率和L2正则化系数三个超参数迭代寻优。最后，将搜索得到的最优超参数组合输入搭建好的组合网络中进行训练和预测。实验结果显示:与粒子群优化(PSO)和灰狼优化(GWO)算法相比，SSA算法在网络超参数寻优过程中的收敛速度更快，全局寻优能力更强;与3种对比模型(CNN-BiLSTM、BiLSTM和LSTM)相比，在5 min时间尺度划分下，SSA-CNN-BiLSTM组合模型的均方根误差(RMSE)分别降低了5。46、12。78、20。38，平均绝对百分比误差(MAPE)分别降低了0。49%、2。24%、3。11%;在15 min时间尺度划分下，SSA-CNN-BiLSTM组合模型的RMSE分别降低了9。70、28。42、41。18，MAPE分别降低了0。50%、1。98%、2。59%。研究表明，相比既有算法，该短时交通流量预测组合模型在精度和稳定性上都有所提升，可通过提供更精准的短时交通出行信息来改善道路交通状况。

    智能交通交通流预测卷积神经网络城市道路麻雀搜索算法双向长短时记忆神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    智能网联车专用道内队列控制模型

    柳祖鹏姚海铧
    28-35页
    查看更多>>摘要：在智能网联车与人工驾驶车辆混合通行的场景中，为提高混行交通流的通行效率，提出了一种智能网联车专用道内车辆按编队行驶的队列控制模型。根据快速路道路条件和智能网联车的运行模式，通过分析智能网联车专用道内前后两车的运动过程，构建了智能网联车车队创建、加入和巡航控制模型，并求解出专用道内智能网联车形成编队行驶的最优策略。为验证队列控制模型的有效性，利用SUMO仿真平台搭建单车道和多车道仿真场景，模拟智能网联车在专用道内形成车队的过程，统计分析车流的通行效率，其中单车道仿真结果显示，相比于传统CACC跟驰模型，队列控制模型能将车辆编队时间减少23。06%;多车道仿真结果显示，当CAV渗透率在23。22%～40%时，队列控制模型下的车辆平均行程时间缩短17%。这表明在智能网联车专用道内，队列控制模型能更有效地利用专用道的空间资源，从而缩短车辆编队时间，提高智能网联环境下混行交通流的通行效率，故可用于混行交通流下智能网联车专用道的设置。

    智能网联车专用车道SUMO队列控制渗透率

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于ELM神经网络的高速公路隧道运营风险评估模型

    李然朱本成郭云鹏李凯伦...
    36-44页
    查看更多>>摘要：为克服传统高速公路隧道运营安全风险评估方法计算过程繁琐、运算效率低及泛化能力差等问题，采用极限学习机(Extreme Learning Machine，ELM)神经网络模型对高速公路隧道运营风险进行评估。首先，基于系统工程理论，分析了高速公路隧道运营风险影响因素，构建了运营风险评估指标体系。然后，以全国126个隧道典型运营事故数据为样本集，基于ELM神经网络算法，对比不同激活函数模型的分类准确率和测试时间指标，选定Sigmoid作为激活函数，训练得到高速公路隧道运营风险评估模型。最后，以该模型为核心算法开发了隧道运营风险评估系统，并依托广东省某高速公路隧道路段开展了工程应用。结果表明，所构建的风险评估模型简化了人工计算过程，可提升高速公路隧道运营风险评估的及时性和有效性。

    交通工程隧道运营安全极限学习机风险评估风险管控

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    车辆载重对重型货车碳排放的影响

    吴睿中费文鹏范鹏飞宋国华...
    45-57,81页
    查看更多>>摘要：现有交通碳排放模型对重型车在实际路况下的载重变化特性考虑不足，尚未从微观排放率角度分析载重对车辆排放的影响，从而造成碳排放测算的不确定性较大。针对此问题，首先采集大规模的实际路况下重型货车运行工况和油耗数据，使用基于油耗的CO2排放测算模型计算重型货车的CO2排放量;然后对不同类别的货车分类讨论，使用基于VSP的排放模型研究车辆载重对CO2排放的影响，并建立考虑车重的LC-VSP排放模型，再与传统MOVES模型进行排放测算误差的对比。研究结果显示，载重对重型货车CO2排放率、VSP分布都会产生显著影响，进而显著影响CO2排放因子，具体表现为:①当VSP处于较小的正区间时，CO2排放率随载重的增加而线性增大;②在相同速度区间，随着载重的增加，VSP分布的均值和方差都会逐渐减小;③在平均工况下，根据车型的不同，满载相较于空载的CO2排放因子增加了约24%～113%，当车辆速度较低(小于20 km/h)时，载重对CO2排放因子影响显著，车辆满载(49 t)时的CO2排放因子为车辆空载(18 t)时的2。8倍，但随着速度的提高，载重对CO2排放因子的影响逐渐减小;④相较于不考虑车辆实际载重的排放模型，考虑车辆实际载重时CO2排放测算误差可以减小3%～12%。这一结果强调了在排放测算中考虑车辆载重的必要性，为精准的排放建模和评估提供了一定的理论依据。

    碳排放载重比功率分布重型货车排放率排放因子

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    沥青老化前后宏-微观性能相关性

    郭猛何舒欣龚演严二虎...
    58-69页
    查看更多>>摘要：为探索沥青老化过程中微观结构变化对其宏观力学性能的内在影响机制，结合动态剪切流变仪测定的流变学参数与红外光谱仪及荧光显微镜获取的化学官能团和微观结构数据，揭示了基质沥青与SBS改性沥青在不同老化阶段的宏-微观性能关联。研究发现，SBS改性沥青的微观空间网络结构赋予其卓越的黏弹特性。识别了SBS改性剂特有的红外光谱特征峰，为快速识别和评估SBS改性沥青提供了一种方法。通过灰色关联度分析，发现官能团指数与复数剪切模量的关联度排序为:亚砜基官能团指数>芳香环官能团指数>羰基官能团指数，与沥青表面能的关联度顺序为:芳香环官能团指数>羰基官能团指数>亚砜基官能团指数。研究进一步证实，沥青老化过程中官能团的氧化和微观形貌的重构是影响其复数剪切模量变化的关键因素，为沥青材料的老化行为提供了新的理论解释。

    沥青老化流变力学荧光显微镜红外光谱表面能灰色关联分析

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    考虑生态限制的内河港口岸线等级评价研究

    蒋军陈丽璇杨琛马志明...
    70-81页
    查看更多>>摘要：为明晰港口岸线的优劣情况，给港口开发及整合提供参考，提出了一种考虑生态限制条件的港口岸线等级评价方法。首先，选取自然条件、社会经济、交通发展等3个方面的12个指标，借助物元可拓模型进行港口岸线资源等级初评。然后，以生态限制条件为减分因素对初评结果进行修正，得出岸线等级可划分为4类:一级规划岸线、二级规划岸线、三级规划岸线、四级规划岸线。其中，一级规划岸线最适宜建设深水港，二级规划岸线适宜建港，三级规划岸线和四级规划岸线不宜建港。最后，基于长江重庆段五段不同岸线的数据进行案例分析，分析结果表明:评价结果与实际情况基本一致;改进的等级评价指标、定性定量相结合的方法能够提高评价结果的准确性;将生态因素作为限制条件从综合评价中独立出来进行等级结果修正能够有效避免岸线开发利用时侵占生态资源。

    水路运输内河港口岸线物元可拓模型生态限制等级评价

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    内河水上服务区绿色评价指标体系研究

    刘宇祖福兴王伟李惠酒原...
    82-89页
    查看更多>>摘要：为明确内河水上服务区绿色化建设目标和方向，促进水上服务区绿色效能提升，开展了水上服务区绿色评价指标体系研究，提出了一种适用于各类建设型式的水上服务区绿色评估方法。首先，在分析水上服务区建设型式和绿色建设现状的基础上，提出水上服务区绿色评价的主要原则，结合《绿色交通标准体系(2022)》与相关绿色评估标准明确具体的绿色化要素;其次，构建了水上服务区绿色评价指标体系，利用专家打分与层次分析法结合的方式确定指标权重，结合服务区实际情况验证指标权重的科学性，提出各项指标的评分方法;最后，运用所构建的指标体系对重庆某水上服务区进行评价。结果表明:该水上服务区可达到4星级绿色水平，验证了评价指标体系的适用性，并指出该服务区在节能管理、能耗监测、人员制度方面存在短板，为后续服务区优化提升提供了依据。

    内河航运水上服务区绿色评价指标体系层次分析法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    美国2022-2026年交通科技战略布局重点及对我国的启示

    费文鹏熊羚利龙雨璇卞雪航...
    90-102页
    查看更多>>摘要：为谋划好"十五五"时期我国交通科技战略布局，采用对比分析方法，研究了美国联邦运输部《研究、开发和技术战略规划(2022-2026年)》中提出的战略目标、优先主题和研究内容，分析了该版战略规划在战略目标和优先主题上的重点变化。在此基础上，结合我国交通科技战略布局现状及趋势，提出了加强我国交通科技战略布局的建议。研究认为，我国交通科技战略布局要适应国际国内形势的新变化，进一步加强在大数据技术、社会科学研究、供应链安全保障、交通公平性保障、基础设施韧性提升、立体互联交通支持技术领域的布局，提升我国交通的全球竞争力。

    美国联邦运输部交通科技战略战略目标战略布局交通转型交通公平性

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据