本期導讀

研究城市交通與其他系統(tǒng)間的協(xié)調(diào)性問題具有重要意義。為研究交通運輸與物流業(yè)、交通運輸與旅游業(yè)發(fā)展的協(xié)調(diào)程度，構(gòu)建反映3 個系統(tǒng)發(fā)展水平的指標體系，在此基礎上構(gòu)建耦合協(xié)調(diào)度模型、分析系統(tǒng)間的耦合協(xié)調(diào)狀況。以武漢市2010—2017 年交通運輸系統(tǒng)與物流業(yè)、旅游業(yè)發(fā)展為例，進行綜合實證分析。結(jié)果顯示，3 個系統(tǒng)之間綜合評價值總體上均呈現(xiàn)出持續(xù)上升發(fā)展之勢。其中，交通運輸業(yè)與物流業(yè)的協(xié)調(diào)耦合度從2010 年的0.0841 上升至2017 年的0.9301，交通運輸業(yè)與旅游業(yè)的協(xié)調(diào)耦合度從2010 年的0.1197 上升至2017 年的0.9314，均經(jīng)歷了從嚴重失調(diào)到高度協(xié)調(diào)的階段。研究結(jié)果與武漢市實際發(fā)展情況一致，可證明所提方法的有效性。（葛修潤，等：交通運輸與物流業(yè)、旅游業(yè)發(fā)展耦合協(xié)調(diào)度分析——以武漢市為例）

為了更好地把握智能船舶研究領域的前沿問題及發(fā)展現(xiàn)狀，針對智能船舶領域相關主題，基于中國知網(wǎng)（CNKI）和Web of Science 數(shù)據(jù)庫中2010—2020 年的文獻檢索結(jié)果，運用知識圖譜從計量統(tǒng)計的角度從時間、作者、機構(gòu)以及關鍵詞4 個方面系統(tǒng)地呈現(xiàn)了智能船舶領域發(fā)展的趨勢、前沿和熱點。在此基礎上，從智能船舶的態(tài)勢感知、智能避碰、智能控制、網(wǎng)絡通信和法律規(guī)則研究5 個研究方向分析了智能船舶研究趨勢和熱點問題，并提出了智能船舶人機共融及決策技術研究、編隊航行風險研究以及傳統(tǒng)/智能船舶混行風險評價研究這3 個重點研究方向。研究結(jié)果表明，從2015 年開始，智能船舶相關研究文章快速增長，增長幅度在每年14 篇以上，平均增長率達58%；國內(nèi)智能船舶主要研究機構(gòu)包括大連海事大學、武漢理工大學、上海交通大學等，國外主要研究機構(gòu)包括挪威科技大學和代爾夫特理工大學；智能船舶領域的研究熱點包括態(tài)勢感知、智能避碰、智能控制、網(wǎng)絡通信安全和法律安全。（張 笛，等：智能船舶的研究現(xiàn)狀可視化分析與發(fā)展趨勢）

為明確互通立交匝道的運行特性和駕駛風險，在重慶市南山立交和江南立交開展了超過30 位被試者的小客車實車駕駛試驗，通過Speedbox 和Mobileye 等車載高精度儀器采集了小客車在4 條迂回式匝道上的連續(xù)運行數(shù)據(jù)，包括行駛速度、橫向加速度、縱向加速度等，明確了迂回式匝道的車輛運行狀態(tài)，然后運用表征橫、縱向加速度關系的G-G 圖分析了匝道行駛過程中的駕駛風險，確定了立交匝道不同位置的危險等級以及危險駕駛行為的高發(fā)路段。研究結(jié)果表明：①立交匝道上小客車的橫向加速度與速度呈三角形分布，縱向加速度與速度呈橢圓形分布；②小半徑曲線匝道上出現(xiàn)危險駕駛行為的比例要高于大半徑曲線匝道；③通過統(tǒng)計不同斷面的危險駕駛行為點占比，將匝道的危險斷面分為低風險、中風險、高風險3 個等級；④男性駕駛員在立交匝道上的危險駕駛行為占比要高于女性駕駛員，冒險型駕駛員的危險駕駛行為占比要高于其他駕駛風格的駕駛員；⑤立交匝道的危險高發(fā)路段通常位于速度變化劇烈的路段，即入彎減速段和出彎加速段。（丁 瑞，等：基于車輛加速度數(shù)據(jù)的互通立交匝道駕駛風險分析）

多船協(xié)同航行在海事搜救、資源勘探、極地航運等領域中具有顯著優(yōu)勢，其中縱向航速協(xié)同控制是實現(xiàn)船舶協(xié)同航行的關鍵。通過分析船舶螺旋槳轉(zhuǎn)速、加速度與航速之間的關系，構(gòu)建了考慮風力影響的船舶縱向動力模型，為實現(xiàn)前后船加速度與跟馳距離的關聯(lián)，引用基于變時距策略的船舶間距模型。設計了考慮航速、加速度等多約束的多船航速控制目標函數(shù)，并利用模型預測控制方法實現(xiàn)了最優(yōu)化問題的實時求解。通過Matlab 進行仿真驗證，結(jié)果表明，提出的基于模型預測控制方法的船舶縱向航速協(xié)同控制方法在前船加速、減速、勻速等工況下，后船均能實現(xiàn)對前船的精確穩(wěn)定跟馳，其距離跟蹤誤差分別為0.092 5 m，0.192 8 m，0.166 2 m，與PID 方法相比具有更好的收斂性、跟蹤精度和抗干擾能力。（吳文祥，等：基于模型預測控制的船舶縱向航速協(xié)同控制方法）

為減少汽車尾氣污染，政府部門應制定交通政策推動出行者采用低碳出行方式。有效的交通政策需要深入了解影響出行者低碳出行的心理因素。通過實證分析，研究出行者環(huán)保態(tài)度、環(huán)保行為、公交偏好等潛在變量對低碳交通政策支持度的影響?；诮Y(jié)構(gòu)方程模型（SEM 模型）的基本原理，建立模型假設，并通過Mplus 進行數(shù)據(jù)分析。研究發(fā)現(xiàn)，環(huán)保態(tài)度會直接影響環(huán)保行為、公交偏好，環(huán)保行為直接會影響公交偏好，公交偏好會直接影響低碳交通政策支持度；但環(huán)保態(tài)度和環(huán)保行為對低碳交通政策支持度沒有直接效應。在95%的置信水平下，性別、婚姻狀況、私家車擁有情況、房產(chǎn)擁有情況、是否開車上班對結(jié)構(gòu)方程模型均無顯著影響；但在90%的置信水平下，性別、教育程度對結(jié)構(gòu)方程模型的影響顯著。（劉麗華，等：出行者環(huán)保意識對低碳交通政策支持度的影響）