船舶航行交通事件檢測依賴基于歷史數(shù)據(jù)的離線檢測方法，檢測模型適用性差，難以滿足監(jiān)管人員的實時監(jiān)測需求。通過分析船舶異常行為檢測、航行事故檢測等現(xiàn)有交通事件檢測技術，可以發(fā)現(xiàn)：在數(shù)據(jù)層面，監(jiān)測數(shù)據(jù)來源單一、環(huán)境信息缺失；在方法層面，基于統(tǒng)計、風險評估等經典模型的事件監(jiān)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(shù)據(jù)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(fā)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(shù)據(jù)技術：高效處理船舶運動數(shù)據(jù)和航行環(huán)境數(shù)據(jù)，統(tǒng)一多源異構數(shù)據(jù)結構標準，降低數(shù)據(jù)源單一造成的事件誤報率；②船舶行為動態(tài)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(huán)境下利用深度學習、語義關聯(lián)、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(tǒng)進行虛實系統(tǒng)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(jiān)管過程中的人機交互效率。然后，提出了包括數(shù)據(jù)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(tǒng)；該系統(tǒng)具備實時接收并處理船舶航行數(shù)據(jù)、分析并預測交通狀態(tài)、動態(tài)檢測并預警交通事件和仿真結果展示等功能。從數(shù)據(jù)融合、交通狀態(tài)感知和交通虛實映射3個方面，展望了面向海事監(jiān)測實務的實時檢測技術發(fā)展方向。（黃 琛，等：船舶航行交通事件實時檢測技術研究現(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)間長度設置不恰當?shù)葐栴}，對駕駛人行駛體驗以及限速管理可信度的負面影響，優(yōu)化了高速公路限速區(qū)間最小長度、限制速度值、限速區(qū)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(jù)的高速公路限速區(qū)間優(yōu)化與評價模型。依據(jù)駕駛人視認距離、限速標志設置前置距離和駕駛人心理穩(wěn)定距離，標定計算模型中的限速區(qū)間最小長度。以行駛速度是否易發(fā)生突變?yōu)闃藴?，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(qū)間最小長度和交通延誤最小2個方面為目標進行優(yōu)化限速區(qū)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(yōu)化前后的指標來驗證限速區(qū)間優(yōu)化方法的有效性。以某山區(qū)高速公路為對象應用VISSIM開展限速優(yōu)化仿真實驗，結果表明：優(yōu)化后安全評價模型參數(shù)值比原方案降低了約29.49%，效率評價模型參數(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?，結合路段的屬性及指標特點，能夠優(yōu)化限速區(qū)間長度的制定和區(qū)間的劃分。（楊雅鈞，等：高速公路限速策略優(yōu)化方法與評價模型）

傳統(tǒng)的干道協(xié)調控制通常以協(xié)調流向的通行效率最大為優(yōu)化目標，然而在實際交通流量波動環(huán)境中，某些非協(xié)調流向的流量在局部時段可能與協(xié)調流向相當甚至高于協(xié)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(xié)調控制方法。利用路徑流量分擔率和行程時間指數(shù)計算各車輛行駛路徑的重要度，并采用系統(tǒng)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(xié)調控制模型：考慮了各關鍵路徑信號相位之間的協(xié)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(yōu)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(yōu)化目標，構建了模型的目標函數(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行仿真驗證。實驗結果表明：相比于傳統(tǒng)的干道綠波協(xié)調控制方法和干道多路徑綠波協(xié)調控制方法，考慮關鍵路徑序列的干道綠波協(xié)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(shù)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(xié)調控制方法）

在空域資源優(yōu)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(guī)律發(fā)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(jié)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(jié)點數(shù)量占比在0.48%～1.442%區(qū)間時，N值的選擇能夠保證從屬陣細節(jié)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(shù)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(jié)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(guī)律，相關分析結果可以為航班延誤預測提供依據(jù)，能在航班實際運行管理中發(fā)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）