交通运输

高速公路多模态交通的控制器切换攻击检测

交通控制网络攻击检测多模态系统李雅普诺夫稳定性文章针对分层交通控制系统的控制器切换攻击问题，提出了一种新型检测方案。该方案通过建立多模态宏观交通的ARZ偏微分方程模型，设计了与各交通模式匹配的检测器组以应对不确定驾驶模式。利用反步法变换和线性矩阵不等式，实现了检测器的指数稳定性、异常到残差稳定性、鲁棒性和攻击敏感性等理论保证。在包含天气不确定性和传感器噪声的真实交通场景中，方案成功检测了拒绝服务和虚假数据注入攻击，8秒内识别出攻击信号，错误率低于15%。

交通流建模的物理信息机器学习多梯度优化

物理信息机器学习多目标优化交通流建模帕累托学习文章针对物理信息机器学习（PIML）中线性标量化损失函数的局限性，提出多梯度下降算法（MGDA）新范式。通过将数据驱动损失和物理损失作为独立目标构建多目标优化问题，采用传统多梯度下降（TMGD）和对偶锥梯度下降（DCGD）探索帕累托前沿。在宏观LWR模型和微观IDM跟驰模型上的实验表明：宏观场景中MGDA与传统方法性能相当；微观场景中DCGD将位置预测误差降低28.9%，速度误差降低24.7%，显著优于线性标量化方法。该方法免除超参数调优过程，理论保证覆盖非凸损失空间。

城市级数字孪生框架在洪水影响分析中的应用

数字孪生洪水模拟城市韧性文章提出了一种城市级数字孪生框架，用于整合实时数据和城市基础设施信息以分析洪水影响。该框架通过集成水文模型、交通网络和关键设施数据，实现了洪水场景的动态模拟与可视化。以美国爱荷华州滑铁卢市为案例，文章展示了该框架在交通中断模拟、设施可达性分析和社区级损失评估中的应用。结果表明，该技术能够显著提升洪水风险管理的决策效率，为城市韧性规划提供数据支持。

洪水风险与公共交通系统：基于可达性和脆弱性分析的洞察

洪水风险公共交通可达性分析脆弱性分析文章研究了洪水对爱荷华州约翰逊和林恩县公共交通系统的影响，重点关注洪水易发公交路线、服务频率减少以及对就业地点可达性的影响。通过地理信息系统（GIS）工具，将洪水地图与通用交通数据规范（GTFS）数据相结合，同时进行人口统计分析，揭示了受影响社区的社会脆弱性。研究发现，洪水期间的交通中断显著，在500年洪水情景下，约翰逊县早高峰时段服务损失达526次访问。就业可达性在林恩县下降11.5%，约翰逊县下降7.2%，对低收入家庭和无车家庭的负面影响尤为突出。研究强调了在交通规划中提升洪水韧性的重要性，包括建设更耐用的基础设施、采用适应性路线或临时交通服务等措施，以确保极端天气事件期间的公平访问。