本 期 導(dǎo) 讀

船舶航行交通事件檢測(cè)依賴基于歷史數(shù)據(jù)的離線檢測(cè)方法，檢測(cè)模型適用性差，難以滿足監(jiān)管人員的實(shí)時(shí)監(jiān)測(cè)需求。通過(guò)分析船舶異常行為檢測(cè)、航行事故檢測(cè)等現(xiàn)有交通事件檢測(cè)技術(shù)，可以發(fā)現(xiàn)：在數(shù)據(jù)層面，監(jiān)測(cè)數(shù)據(jù)來(lái)源單一、環(huán)境信息缺失；在方法層面，基于統(tǒng)計(jì)、風(fēng)險(xiǎn)評(píng)估等經(jīng)典模型的事件監(jiān)測(cè)方法效率高但準(zhǔn)確性低，基于神經(jīng)網(wǎng)絡(luò)、圖像識(shí)別等機(jī)器學(xué)習(xí)的檢測(cè)方法準(zhǔn)確性高但效率低；多源數(shù)據(jù)融合、多項(xiàng)技術(shù)結(jié)合的交通事件檢測(cè)方法成為實(shí)時(shí)檢測(cè)方法的發(fā)展趨勢(shì)。在此基礎(chǔ)上，梳理了實(shí)時(shí)船舶航行交通事件檢測(cè)的3項(xiàng)關(guān)鍵技術(shù)：①海事大數(shù)據(jù)技術(shù)：高效處理船舶運(yùn)動(dòng)數(shù)據(jù)和航行環(huán)境數(shù)據(jù)，統(tǒng)一多源異構(gòu)數(shù)據(jù)結(jié)構(gòu)標(biāo)準(zhǔn)，降低數(shù)據(jù)源單一造成的事件誤報(bào)率；②船舶行為動(dòng)態(tài)建模技術(shù)：利用知識(shí)圖譜等技術(shù)融合船舶航行情境信息，在不同船舶運(yùn)動(dòng)環(huán)境下利用深度學(xué)習(xí)、語(yǔ)義關(guān)聯(lián)、圖神經(jīng)網(wǎng)絡(luò)等方法構(gòu)建不同的船舶行為模型，提高檢測(cè)準(zhǔn)確性；③實(shí)時(shí)分析和可視化技術(shù)：結(jié)合平行系統(tǒng)進(jìn)行虛實(shí)系統(tǒng)間信息傳遞，定性分析檢測(cè)結(jié)果，實(shí)時(shí)顯示檢測(cè)全過(guò)程，提升監(jiān)管過(guò)程中的人機(jī)交互效率。然后，提出了包括數(shù)據(jù)采集、后臺(tái)服務(wù)和客戶端應(yīng)用3個(gè)功能模塊的交通事件平行檢測(cè)系統(tǒng)；該系統(tǒng)具備實(shí)時(shí)接收并處理船舶航行數(shù)據(jù)、分析并預(yù)測(cè)交通狀態(tài)、動(dòng)態(tài)檢測(cè)并預(yù)警交通事件和仿真結(jié)果展示等功能。從數(shù)據(jù)融合、交通狀態(tài)感知和交通虛實(shí)映射3個(gè)方面，展望了面向海事監(jiān)測(cè)實(shí)務(wù)的實(shí)時(shí)檢測(cè)技術(shù)發(fā)展方向。（黃 琛，等：船舶航行交通事件實(shí)時(shí)檢測(cè)技術(shù)研究現(xiàn)狀與展望）

為解決限制速度值確定不合理、限速方式不適用以及限速區(qū)間長(zhǎng)度設(shè)置不恰當(dāng)?shù)葐?wèn)題，對(duì)駕駛?cè)诵旭傮w驗(yàn)以及限速管理可信度的負(fù)面影響，優(yōu)化了高速公路限速區(qū)間最小長(zhǎng)度、限制速度值、限速區(qū)間劃分的確定方法，進(jìn)而提出了以安全車速與通行效率為依據(jù)的高速公路限速區(qū)間優(yōu)化與評(píng)價(jià)模型。依據(jù)駕駛?cè)艘曊J(rèn)距離、限速標(biāo)志設(shè)置前置距離和駕駛?cè)诵睦矸€(wěn)定距離，標(biāo)定計(jì)算模型中的限速區(qū)間最小長(zhǎng)度。以行駛速度是否易發(fā)生突變?yōu)闃?biāo)準(zhǔn)，采用不定長(zhǎng)法將不同路段劃分為6種組合類型，建立基于不同組合路段的限速預(yù)測(cè)模型。采用有序聚類分析法中基于劃分和層次的分析方法，以滿足限速區(qū)間最小長(zhǎng)度和交通延誤最小2個(gè)方面為目標(biāo)進(jìn)行優(yōu)化限速區(qū)間的劃分。同時(shí)，選取交通沖突率作為表征交通安全的指標(biāo)，選取交通延誤時(shí)間作為表征交通效率的指標(biāo)，建立評(píng)價(jià)指標(biāo)模型；最后通過(guò)對(duì)比分析優(yōu)化前后的指標(biāo)來(lái)驗(yàn)證限速區(qū)間優(yōu)化方法的有效性。以某山區(qū)高速公路為對(duì)象應(yīng)用VISSIM開展限速優(yōu)化仿真實(shí)驗(yàn)，結(jié)果表明：優(yōu)化后安全評(píng)價(jià)模型參數(shù)值比原方案降低了約29.49%，效率評(píng)價(jià)模型參數(shù)值比原方案提高了約21.90%，優(yōu)化后的高速公路整體安全性以及通行效率均得到提高。所提出的高速公路限速區(qū)間確定方法以速度突變?yōu)榛鶞?zhǔn)，結(jié)合路段的屬性及指標(biāo)特點(diǎn)，能夠優(yōu)化限速區(qū)間長(zhǎng)度的制定和區(qū)間的劃分。（楊雅鈞，等：高速公路限速策略優(yōu)化方法與評(píng)價(jià)模型）

傳統(tǒng)的干道協(xié)調(diào)控制通常以協(xié)調(diào)流向的通行效率最大為優(yōu)化目標(biāo)，然而在實(shí)際交通流量波動(dòng)環(huán)境中，某些非協(xié)調(diào)流向的流量在局部時(shí)段可能與協(xié)調(diào)流向相當(dāng)甚至高于協(xié)調(diào)流向，從而影響干道運(yùn)行的總體效率。為了解決該問(wèn)題，研究了1種考慮關(guān)鍵路徑序列的干道綠波協(xié)調(diào)控制方法。利用路徑流量分擔(dān)率和行程時(shí)間指數(shù)計(jì)算各車輛行駛路徑的重要度，并采用系統(tǒng)聚類算法識(shí)別干道上車輛行駛的關(guān)鍵路徑。在此基礎(chǔ)上構(gòu)建了考慮關(guān)鍵路徑序列的干道綠波協(xié)調(diào)控制模型：考慮了各關(guān)鍵路徑信號(hào)相位之間的協(xié)調(diào)關(guān)系，設(shè)置了含0-1變量的信號(hào)相位矩陣，并構(gòu)建模型的基礎(chǔ)約束條件；設(shè)置了無(wú)效帶寬存在性判斷變量和最小重要度判斷變量，構(gòu)建了考慮路徑重要度的綠波帶寬分配策略，確保綠波帶寬優(yōu)先分配給重要度大的關(guān)鍵路徑；以關(guān)鍵路徑序列加權(quán)綠波帶寬總和最大為優(yōu)化目標(biāo)，構(gòu)建了模型的目標(biāo)函數(shù)。利用VISSIM仿真軟件搭建仿真環(huán)境，以武漢市中山路4處交叉口組成的干道路段為例進(jìn)行仿真驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：相比于傳統(tǒng)的干道綠波協(xié)調(diào)控制方法和干道多路徑綠波協(xié)調(diào)控制方法，考慮關(guān)鍵路徑序列的干道綠波協(xié)調(diào)控制方法使得干道平均延誤分別減少了12.1%和4.8%，平均排隊(duì)長(zhǎng)度分別減少了13.6%和7.6%，平均停車次數(shù)分別下降了16.5%和9.7%；各關(guān)鍵路徑的車輛平均行程時(shí)間與自身重要度大小嚴(yán)格成反比，避免了綠波帶寬的浪費(fèi)。（王厚沂，等：考慮關(guān)鍵路徑序列的干道綠波協(xié)調(diào)控制方法）

在空域資源優(yōu)化配置、運(yùn)行效率提升、飛行安全保障等方面，掌握空中交通流量波動(dòng)規(guī)律發(fā)揮著先導(dǎo)性、基礎(chǔ)性和關(guān)鍵性作用。為評(píng)估可視圖、水平可視圖、有限穿越可視圖這3種圖對(duì)航班流量波動(dòng)特性及其演化的刻畫能力，針對(duì)同1個(gè)進(jìn)場(chǎng)航班流的多尺度流量時(shí)間序列構(gòu)建復(fù)雜網(wǎng)絡(luò)，分別從網(wǎng)絡(luò)的整體結(jié)構(gòu)和局部結(jié)構(gòu)開展了適用性評(píng)估分析。針對(duì)網(wǎng)絡(luò)整體結(jié)構(gòu)特點(diǎn)，提出了基于網(wǎng)絡(luò)結(jié)構(gòu)從屬陣特點(diǎn)的網(wǎng)絡(luò)細(xì)節(jié)損失率定義，再通過(guò)k-core聚類分析考察了k階核量化流量波動(dòng)強(qiáng)度的適用性；針對(duì)網(wǎng)絡(luò)局部結(jié)構(gòu)特點(diǎn)，利用motif方法計(jì)算波動(dòng)模式轉(zhuǎn)移概率，分析了不同長(zhǎng)度序模體刻畫波動(dòng)演化的適應(yīng)性水平。分析結(jié)果表明：①當(dāng)有限穿越可視圖網(wǎng)絡(luò)N值與節(jié)點(diǎn)數(shù)量占比在0.48%～1.442%區(qū)間時(shí)，N值的選擇能夠保證從屬陣細(xì)節(jié)損失率在0.5范圍內(nèi)；②可視圖與有限穿越可視圖（N=1～3）均能有效刻畫航班流量時(shí)間序列的波動(dòng)強(qiáng)度，對(duì)時(shí)間序列波動(dòng)的適應(yīng)性評(píng)估值分別為2.665、4.810、6.973和9.883；③motifs序列長(zhǎng)度過(guò)短，將導(dǎo)致motifs類型數(shù)量少、不同motifs類型之間的轉(zhuǎn)移概率趨于相同，而在交通流混沌特性的影響下motifs序列過(guò)長(zhǎng)對(duì)于預(yù)測(cè)沒(méi)有意義，因此，可視圖及N=1～3的有限穿越可視圖motifs序列長(zhǎng)度推薦使用選擇4～7個(gè)節(jié)點(diǎn)長(zhǎng)度。綜上所述，運(yùn)用k-core聚類與motifs方法能有效分析整體網(wǎng)絡(luò)與局部網(wǎng)絡(luò)下波動(dòng)模式的轉(zhuǎn)移特征，準(zhǔn)確揭示空中交通時(shí)間維度的演變規(guī)律，相關(guān)分析結(jié)果可以為航班延誤預(yù)測(cè)提供依據(jù)，能在航班實(shí)際運(yùn)行管理中發(fā)揮先導(dǎo)性作用。（張 勰，等：基于3 種可視圖的進(jìn)場(chǎng)航班流量波動(dòng)特性適應(yīng)性評(píng)估）