为了研究不同公共交通乘客在出行过程中换乘决策行为的异质性，采用结构方程模型（SEM）分析公共交通乘客的换乘意向与其他潜变量的关系，采用潜在类别模型（LCM）从乘客的心理感知因素视角和社会经济属性视角划分乘客类别. 构建公共交通乘客换乘决策模型（SEM-LCM），分析不同潜在类别公共交通乘客的换乘决策行为. 结果表明：相比SEM-Logit，SEM-LCM拟合效果更好；公共交通乘客分为换乘体验敏感型和换乘优惠敏感型2类，2类公共交通乘客所占比例分别为70.3%和29.7%；“换乘体验敏感型”和“换乘优惠敏感型”选择换乘的概率分别为51.1%和85.9%；年龄、家庭结构、私家车拥有情况、出行目的、换乘经历和出行模式6个变量表现出显著的异质性. 研究结果可以为相关部门优化公交线网衔接、制定换乘优惠政策提供理论支撑.

针对深度强化学习信号控制方法存在训练不稳定、收敛慢以及相位频繁改变的问题，基于双决斗深度Q网络(3DQN)算法引入预训练模块和相位绿灯时间计算模块，提出结合领域经验的信号控制方法. 通过优化双重Q学习损失、监督式边际分类损失和正则化损失，使预训练模块引导3DQN智能体模仿Max-Pressure方法的策略，以稳定并加快智能体的训练过程. 相位绿灯时间计算模块基于平均车头时距和排队长度动态调整相位绿灯时间以减少绿灯损失. 以杭州市萧山区机场城市大道和博奥路交叉口为例，在仿真平台SUMO上对所提方法进行验证. 实验结果表明，所提方法能有效改进传统3DQN算法的训练速度. 相比于传统控制方法，所提方法明显缩短了车辆平均旅行时间，提高了交叉口运行效率.

针对地铁钢轨波磨问题，采用粒子群优化算法对概率神经网络进行优化，提出粒子概率神经网络（PPNN）算法. 使用PPNN算法在一定数值范围内对概率神经网络的平滑因子进行随机初始化，为了保证算法的全局搜索能力和计算效率，选用凹函数递减惯性权值实现平滑因子的更新迭代，得出分类准确率最高的平滑因子最优解. 为了说明PPNN算法的有效性，对钢轨粗糙度以及车内噪声进行现场测试，提取与钢轨波磨相关的车内噪声特征，分析该算法的种群规模和进化次数对波磨识别准确率的影响，对比不同智能分类算法的识别效果. 结果表明：与地铁钢轨波磨相关的车内噪声特征为 315、400、500、630、800、1000 Hz 中心频率处的A计权声压级；相比于决策树、高斯朴素贝叶斯、支持向量机、K近邻等主流智能分类算法，PPNN算法具有显著的优势，其波磨识别准确率达到98.582%.

某轴重25 t运煤重载铁路半径580~1000 m的曲线入/出缓和段钢轨存在明显的滚动接触疲劳（RCF）差异现象，出缓和段的疲劳更严重. 在轮轨现场观测和列车参数调研的基础上，使用Simpack建立包含2节内重联机车与108节货车的重载列车动力学模型，利用损伤函数模型数值分析入/出缓和段RCF差异的机理和主要影响因素. 结果表明，RCF差异由货车曲线通过行为主导，货车中转向架导向轮对的贡献最显著，非导向轮对与机车的贡献相对轻微. 在标准轮轨廓形匹配工况下，RCF差异不显著；待货车车轮磨耗失形后，钢轨磨耗失形对RCF差异的影响并不显著，轮轨蠕滑率/力在出缓和段比在入缓和段高是导致RCF差异的根本原因. 磨耗后的货车转向架导向轮对与磨耗轨在小半径曲线上频繁地相互作用，是导致入/出缓和段钢轨RCF差异的主要原因.

基于随机效用最大化理论，提出电动汽车充电平台用户端的用户行为决策模型. 在满足车辆服务需求和充电站约束条件下，分别推导企业利润最大化和社会福利最大化目标函数下的卡罗需-库恩-塔克（KKT）条件、最优数量和最优价格，通过数值实验分析参数敏感性. 最优化结果表明，合适的充电价格和充电桩数量决定用户前往不同区域充电的意愿，充电价格和充电桩数量在多区域多时段都有最优解. 模型结果表明：在空间上，价格和数量随距离增加呈现递减趋势，且递减幅度增大；在时间上，高峰期的定价高于低谷期的定价，低谷期的区域间定价差异大于高峰期的区域间定价差异. 对比不同目标，社会福利最大化目标下的最优充电价格普遍低于利润最大化目标下的价格，社会福利最大化下的最优充电桩数量多于利润最大化下的充电桩数量. 敏感性参数分析结果表明，电池容量、单位电池容量的充电时长、多项Logit（MNL）模型中的敏感度均与目标结果呈现负相关，与感知效用呈正相关.

采用最大信息系数相关性检验遴选行车风险度量指标，提出基于信息熵理论的行车风险多指标度量与融合方法；构建以获取行车风险熵最大为目标，考虑系统建设成本、设备检测范围的路侧感知设备布设优化模型. 基于多车道高速公路车辆行驶轨迹，通过算例获得在不同预算约束条件下的最优路侧设备布设方案，分析设备选型、传统的等间距设备布设方法、原始数据噪声等因素对路侧感知系统获取道路行车风险能力的影响. 结果表明，路侧感知系统建设经费增加与系统行车风险获取能力提升呈现边际效用递减规律，相较于设备数量过多或过少的情况，设置数量适中的路侧感知设备费效比更高，优化后的设备布设方案的费效比比等间距布设方案的费效比高，原始数据测量误差不超过10%不会影响设备优化布设方案的计算结果.

针对随机流量波动较大的交叉口，提出优化感应控制策略，采用正交试验方法获取最优控制参数组合. 将最大排队长度作为通行需求阈值来优化感应控制逻辑，将设置的3种相位切换机制（优先排队、优先延误和固定顺序）加入感应控制参数组合中. 在SUMO仿真中，模拟北京市北辰西路与科荟南路交叉口环境，采用正交试验方法筛选出不同交通流量下感应控制的最优参数组合. 设计对比实验验证最优参数组合的有效性，将最优参数组合应用在深度Q学习（DQN）算法中进一步优化感应控制. 结果表明，正交试验方法能够快速有效地获取最优参数组合；在低、中等交通流量下，与未使用最优参数组合的DQN算法相比，使用最优参数组合的DQN算法的收敛速度分别增加了48.14%、38.89%，平均累计车均延误分别减少了8.45%、7.09%.

针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测，且对复杂交通场景图像检测效果不佳的问题，以抗退化性能较强的ResNet101为基础网络，增加若干卷积层构建残差单发多框检测器（SSD）模型，对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度，采取由粗到精的策略，省略对纯背景图像块的预测. 利用中等尺度图像块的初检结果缩小目标范围；对目标范围内的其他图像块进行检测；将所有图像块结果映射回原图像，并结合非极大值抑制实现精准识别。实验结果表明，该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率，对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力，鲁棒性较强。

为了优化现有控制子区划分方法，以区域协调控制为目标，提出基于改进的Newman社团快速划分的动态子区划分方法. 综合考虑路网中相邻交叉口之间的距离、交通流量、行程时间、车流离散特性、信号周期和路段交通流密度等因素，定量分析交叉口关联性；分别计算相邻交叉口的流量关联系数、信号周期关联系数和路段交通流密度关联系数，建立相邻交叉口的总关联度模型；对传统Newman算法进行改进，引入交叉口关联度，依据不同交通特性对区域路网进行动态子区划分；选取实际区域路网，进行模型验证分析. 结果表明：Newman算法子区划分结果不能随着交通特性的改变而改变；与之相比，所提出模型的子区划分结果更加细致，更加符合实际交通流特性，且可以依据不同时段交通特性实现动态子区划分，可以为信号控制方案制定提供良好基础.