本 期 導 讀

船舶航行交通事件檢測依賴基于歷史數據的離線檢測方法，檢測模型適用性差，難以滿足監管人員的實時監測需求。通過分析船舶異常行為檢測、航行事故檢測等現有交通事件檢測技術，可以發現：在數據層面，監測數據來源單一、環境信息缺失；在方法層面，基于統計、風險評估等經典模型的事件監測方法效率高但準確性低，基于神經網絡、圖像識別等機器學習的檢測方法準確性高但效率低；多源數據融合、多項技術結合的交通事件檢測方法成為實時檢測方法的發展趨勢。在此基礎上，梳理了實時船舶航行交通事件檢測的3項關鍵技術：①海事大數據技術：高效處理船舶運動數據和航行環境數據，統一多源異構數據結構標準，降低數據源單一造成的事件誤報率；②船舶行為動態建模技術：利用知識圖譜等技術融合船舶航行情境信息，在不同船舶運動環境下利用深度學習、語義關聯、圖神經網絡等方法構建不同的船舶行為模型，提高檢測準確性；③實時分析和可視化技術：結合平行系統進行虛實系統間信息傳遞，定性分析檢測結果，實時顯示檢測全過程，提升監管過程中的人機交互效率。然后，提出了包括數據采集、后臺服務和客戶端應用3個功能模塊的交通事件平行檢測系統；該系統具備實時接收并處理船舶航行數據、分析并預測交通狀態、動態檢測并預警交通事件和仿真結果展示等功能。從數據融合、交通狀態感知和交通虛實映射3個方面，展望了面向海事監測實務的實時檢測技術發展方向。（黃 琛，等：船舶航行交通事件實時檢測技術研究現狀與展望）

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間長度設置不恰當等問題，對駕駛人行駛體驗以及限速管理可信度的負面影響，優化了高速公路限速區間最小長度、限制速度值、限速區間劃分的確定方法，進而提出了以安全車速與通行效率為依據的高速公路限速區間優化與評價模型。依據駕駛人視認距離、限速標志設置前置距離和駕駛人心理穩定距離，標定計算模型中的限速區間最小長度。以行駛速度是否易發生突變為標準，采用不定長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測模型。采用有序聚類分析法中基于劃分和層次的分析方法，以滿足限速區間最小長度和交通延誤最小2個方面為目標進行優化限速區間的劃分。同時，選取交通沖突率作為表征交通安全的指標，選取交通延誤時間作為表征交通效率的指標，建立評價指標模型；最后通過對比分析優化前后的指標來驗證限速區間優化方法的有效性。以某山區高速公路為對象應用VISSIM開展限速優化仿真實驗，結果表明：優化后安全評價模型參數值比原方案降低了約29.49%，效率評價模型參數值比原方案提高了約21.90%，優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間確定方法以速度突變為基準，結合路段的屬性及指標特點，能夠優化限速區間長度的制定和區間的劃分。（楊雅鈞，等：高速公路限速策略優化方法與評價模型）

傳統的干道協調控制通常以協調流向的通行效率最大為優化目標，然而在實際交通流量波動環境中，某些非協調流向的流量在局部時段可能與協調流向相當甚至高于協調流向，從而影響干道運行的總體效率。為了解決該問題，研究了1種考慮關鍵路徑序列的干道綠波協調控制方法。利用路徑流量分擔率和行程時間指數計算各車輛行駛路徑的重要度，并采用系統聚類算法識別干道上車輛行駛的關鍵路徑。在此基礎上構建了考慮關鍵路徑序列的干道綠波協調控制模型：考慮了各關鍵路徑信號相位之間的協調關系，設置了含0-1變量的信號相位矩陣，并構建模型的基礎約束條件；設置了無效帶寬存在性判斷變量和最小重要度判斷變量，構建了考慮路徑重要度的綠波帶寬分配策略，確保綠波帶寬優先分配給重要度大的關鍵路徑；以關鍵路徑序列加權綠波帶寬總和最大為優化目標，構建了模型的目標函數。利用VISSIM仿真軟件搭建仿真環境，以武漢市中山路4處交叉口組成的干道路段為例進行仿真驗證。實驗結果表明：相比于傳統的干道綠波協調控制方法和干道多路徑綠波協調控制方法，考慮關鍵路徑序列的干道綠波協調控制方法使得干道平均延誤分別減少了12.1%和4.8%，平均排隊長度分別減少了13.6%和7.6%，平均停車次數分別下降了16.5%和9.7%；各關鍵路徑的車輛平均行程時間與自身重要度大小嚴格成反比，避免了綠波帶寬的浪費。（王厚沂，等：考慮關鍵路徑序列的干道綠波協調控制方法）

在空域資源優化配置、運行效率提升、飛行安全保障等方面，掌握空中交通流量波動規律發揮著先導性、基礎性和關鍵性作用。為評估可視圖、水平可視圖、有限穿越可視圖這3種圖對航班流量波動特性及其演化的刻畫能力，針對同1個進場航班流的多尺度流量時間序列構建復雜網絡，分別從網絡的整體結構和局部結構開展了適用性評估分析。針對網絡整體結構特點，提出了基于網絡結構從屬陣特點的網絡細節損失率定義，再通過k-core聚類分析考察了k階核量化流量波動強度的適用性；針對網絡局部結構特點，利用motif方法計算波動模式轉移概率，分析了不同長度序模體刻畫波動演化的適應性水平。分析結果表明：①當有限穿越可視圖網絡N值與節點數量占比在0.48%～1.442%區間時，N值的選擇能夠保證從屬陣細節損失率在0.5范圍內；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間序列的波動強度，對時間序列波動的適應性評估值分別為2.665、4.810、6.973和9.883；③motifs序列長度過短，將導致motifs類型數量少、不同motifs類型之間的轉移概率趨于相同，而在交通流混沌特性的影響下motifs序列過長對于預測沒有意義，因此，可視圖及N=1～3的有限穿越可視圖motifs序列長度推薦使用選擇4～7個節點長度。綜上所述，運用k-core聚類與motifs方法能有效分析整體網絡與局部網絡下波動模式的轉移特征，準確揭示空中交通時間維度的演變規律，相關分析結果可以為航班延誤預測提供依據，能在航班實際運行管理中發揮先導性作用。（張 勰，等：基于3 種可視圖的進場航班流量波動特性適應性評估）