针对缓解航班供给与旅客需求的错配问题，提出了一种考虑旅客选择行为的航班供需适配优化模型.基于519份有效选择实验数据，采用多项Logit（Multinomial Logit， MNL）模型刻画了商务旅客与休闲旅客在时刻选择、票价、机型和飞行时长等因素中的异质性偏好，并将这些偏好转化为时隙层面的差异化航班需求，以精确反映市场对航班供给的行为响应.首先，结合航班时刻、机型配置、飞机维修等多重约束，构建一个双目标优化模型，旨在优化航班时刻分配与机型配置，减少市场需求满足偏差与运营成本.其次，为求解该模型，采用贪婪-遗传混合算法，结合遗传算法的全局搜索能力与贪婪策略的局部修复和优化能力，确保优化过程的高效性与解的质量.最后，以A航空公司某周航班计划的实例进行分析.研究结果表明：优化方案能够显著改善航班供需匹配，减少34.3%的市场需求满足偏差，并降低12.1%的运营成本；优化后的航班资源利用率提高，特别是在高需求时段，航班计划对旅客需求的承接能力得到明显改善；优化模型充分考虑了航班时刻、机型与旅客需求之间的关系，确保了航班计划的经济性和可操作性.结合旅客选择行为的航班供需适配优化模型在提升航班资源的使用效率和市场响应能力方面具有重要应用价值.

针对飞行员排班表容易中断的现状，提出考虑备份因素的飞行员排班模型.首先，在CCAR-121的约束下，以总排班成本最小化为导向，引入Min-Max方法，通过epsilon约束添加公平性目标，建立多目标优化模型.然后，设计一种基于逻辑的Benders分解算法（Logic-based Benders Decomposition， LBBD）进行优化.主问题将飞行员指派到航班环上，子问题评估在主问题指派方案的基础上能否得到符合需求的备份飞行员.最后，通过控制成本，比较Min-Max目标与值勤期标准差最小化目标在公平性优化指标上的差异.研究结果表明：随着时间周期和任务量的增大，在既定排班方案基础上进行事后备份指派，极易生成有中断风险的排班方案，而LBBD算法能通过生成可行割，有效识别并排除此类不可行方案；与Gurobi直接求解混合整数规划（Mixed Integer Programming，MIP）模型相比，LBBD算法能减小问题规模，并在相同时间内求得更优的指派方案；相较于值勤期标准差最小化目标，Min-Max公平性目标使得排班方案的最大值勤期偏差降低了31.14%，提升了排班计划的公平性底线；决策者可以根据实际运行需求，基于帕累托前沿选择兼顾成本和公平性的排班方案.

为提高高铁列车开行方案对日常客流的适应能力，提出可售无座票条件下的高铁列车开行方案优化方法.考虑并非所有旅客都会接受无座票，首先需要明确购买无座票的目标群体，通过建立Logit模型分析当有座票票额售罄时，旅客对无座票的接受程度，同时将起点至终点的旅客（Origin-Destination，OD）划分为只接受有座票旅客和可接受无座票旅客，并在后续求解过程中对两类旅客进行分开配流.其次，以旅客广义旅行时间和铁路运营成本最小为目标函数，以两类票型数量满足不同的旅客出行需求、每个区间票额满足列车定员约束等为约束条件建立模型.针对旅客广义旅行时间，为购买无座票的旅客的旅行时间添加时间惩罚系数以减少旅客购买无座票的情形，从而在满足上座率的条件下保障旅客舒适度.由于模型涉及变量众多、决策规模庞大，设计一种遗传算法与Gurobi求解器相结合的算法进行求解，利用Gurobi对有座票旅客和无座票旅客进行分开配流，同时求解出票额分配方案和目标函数值，并将计算结果作为适应度值进行后续遗传算法操作，最后选取北京至上海高速铁路进行案例分析.研究结果表明：考虑无座票的列车开行方案与不考虑无座票的方案对比，旅客的总旅行时间减少了3.15%，铁路运营成本减少了8.71%，同时票额分配方案与客流需求的匹配度较高，验证了模型和算法的有效性.

针对城市轨道交通快慢车协同调度中快车时刻表固定约束条件下运力优化困难的问题，提出一种快慢车运行图协同优化方法.基于实际运营中快车时刻表公开化与客流需求时空动态变化的特征，构建以满足乘客出行需求为约束、以列车运行里程最小化为目标的混合整数规划模型.首先，以区间客流需求刻画乘客出行特征，建立列车到发间隔约束、停站时间约束及折返作业约束等运营约束条件；其次，构建慢车时刻表与车底折返接续方案之间的关联关系，实现运行图与车底接续的一体化建模；再次，针对模型变量规模大、约束耦合性强的特点，设计固定快慢车时刻表的工程应用算法（Fast Solution Algorithm for Engineering-Stop Skip，FSAE-SS），基于模型结构特征对约束进行分解，并通过迭代过程实现运行图与车底接续方案的联合求解；最后，以西南地区某城市轨道交通10号线为案例开展实证分析，对模型与算法的应用效果进行验证.研究结果表明：相较于传统遗传算法，总运营里程降低5.6%，且在大规模约束条件下保持稳定求解性能；相较于实际应用运行图，总运营里程降低8.1%，实现运输供给与客流需求之间的匹配；所构建的协同优化模型能够在固定快车时刻表约束下协调慢车开行方案与车底接续关系，为保障时刻表稳定性条件下的运力优化提供实现路径，并为复杂线网条件下的跨线协同调度提供方法参考.

为缓解公交需求波动与发车间隔不匹配导致的运力资源配置不合理问题，平衡公交系统服务质量与运营成本，提出一种考虑客流时空分布特征的常规公交时刻表智能化编制方法.首先，利用公交客流数据提取乘客上下车站点信息，基于高斯混合模型描述客流在时空上的分布特征，并对到站客流分布进行拟合.其次，综合考虑乘客出行时间成本与公交企业运营成本，以非均匀发车时刻编制策略为基础，构建以系统总成本最优为目标的公交时刻表整合优化模型，其中，线路中各站点的到站客流量、等候成本等关键指标根据客流时空分布拟合结果进行计算.再次，针对模型特征，以遗传算法为框架，融合Q-学习（Q-learning）与“状态-动作-奖励-状态-动作”（State-Action-Reward-State-Action，SARSA）两种基于时态差分的强化学习方法，实现算法中关键参数的自适应调整以提升求解质量.最后，以北京市常规公交网络中某单条线路为案例对所设计的编制流程进行验证.研究结果表明：相较于传统遗传算法，融合强化学习方法的改进遗传算法在系统总成本方面更具优势；对于所研究的单线路场景，当最大发车数量设定为10和15时，与基于固定发车时刻的编制策略相比，非均匀编制策略可使乘客等候成本下降约26.7%及14.5%，系统总成本下降约25.5%及13.1%；所设计的编制策略可以有效平衡满载率，较好地匹配客流变化趋势，提升运营效率.

针对高速公路双侧服务区充电负荷时空异质性导致的能量供需时空失配问题，提出基于直流互联技术的双侧服务区多源能流协同调度方法.首先，基于京昆高速韩村河服务区实际交通流、充电负荷及设备配置数据，分析车流量与充电需求的时空分布及耦合特征；然后，构建双侧服务区间双向能量互济通道，在日周期尺度上建立小时级优化模型，以碳排放最小化、经济收益最大化及电网波动量最小化为优化目标，并利用Gurobi求解器求解；最后，设置独立运行、光储充自洽和光-储-直-充三类调度方案开展对比仿真，并针对时间特征和天气条件进行敏感性分析.研究结果表明：车流量与充电需求在日周期尺度上存在显著同步波动关系，在假期及其他高出行强度场景下双侧服务区负荷空间差异更加明显；相较于独立运行方案和光储充自洽方案，光-储-直-充方案综合性能最优，日碳排放量分别降低71.2%和41.8%，经济收益分别提升17.1%和7.6%，电网功率波动量分别减少94.6%和66.7%，综合经济成本分别降低23.4%和9.0%；本方案在不同充电负荷时序分布和光伏出力条件下均表现出较强的适应性，在节假日出京高峰日、进京高峰日和周日等负荷空间分布差异大的典型场景中表现最佳，跨区互济能量分别达到438.5 kWh、236.9 kWh和166.3 kWh.研究结果可为高速公路双侧服务区光储充一体化系统的运行调度与低碳优化提供参考.

针对传统聚类算法进行高速铁路旅客市场细分结果不稳定，难以有效提取各类别旅客特征差异等问题，提出基于Halton序列的K-均值-自适应学习粒子群（K-Means-Adaptive Learning Particle Swarm Optimization，KM-ALPSO）算法. 该算法基于京沪高铁客票数据研究高铁旅客市场细分. 首先，将旅客年龄、提前购票时间、出发时间段作为特征变量，利用近邻传播（Affinity Propagation，AP）算法识别数据集中的样本代表点；然后，基于Halton序列生成初始粒子群，使用KM-ALPSO算法对样本代表点进行聚类，并与经典的K-均值算法、K-均值-粒子群（K-Means-Particle Swarm Optimization，KM-PSO）算法等进行对比分析，选择轮廓系数（Silhouette Coefficient，SC）、Davies-Bouldin（DB）、Calinski-Harabasz（CH）指标评价算法的聚类效果，确定最终聚类数目；最后，分析不同类别旅客群体的特征差异，应用频繁模式增长（Frequent Pattern-Growth，FP-Growth）算法提取强关联规则.研究结果表明：使用AP算法预处理可使基于Halton序列的KM-ALPSO算法的运行时间缩短至原来的23.26%，同时保持与未预处理时相近的评价指标值；利用Halton序列初始化粒子群位置，可以提升KM-ALPSO算法全局搜索能力；基于Halton序列的KM-ALPSO算法在客票数据分析中的聚类评价指标SC为0.332，DB为0.933，CH为708.5，表明聚类数目为5时性能最佳，且优于其他算法；5类旅客在年龄、提前购票时间和出发时间段上差异显著，表现出不同的出行计划性和出发时间偏好.

针对城市轨道交通客流分配模型中效用函数参数标定缺乏可靠支撑、未考虑乘客出行行为异质性的问题，提出基于客流推算的出行效用函数参数标定方法.首先，结合线网结构与列车时刻表搜索有效路径，依托自动售检票系统（Auto Fare Collection，AFC）数据开展客流路径推算；然后，分析轨道交通出行路径选择影响因素，构建包含出行时间、途经车站数、换乘次数的广义费用函数，建立最优化模型进行效用函数参数标定，并采用Logit模型实现客流分配；最后，分别利用实际调查结果与客流推算结果标定多组参数，对比不同数据来源、不同标定方式下的客流分配效果，同时验证方法在不同客流特征下的适用性.研究结果表明：采用基于AFC数据的客流推算结果标定参数后，客流分配结果的准确性显著优于基于实际调查结果标定的情况；将出行起讫点（Origin-Destination，OD）按出行时长分组标定参数，能有效降低线路双向断面客流和网络换乘量的差异率，案例线路双向断面客流平均差异率由3.79%和2.70%分别降低至3.65%和1.86%，网络换乘量差异率由5.59%降低至5.16%，客流分配模型精度得到提升；该参数标定方法在工作日、节假日不同客流特征和路径选择规律下，均表现出良好的精度与稳定性，能适配不同的轨道交通出行场景.

针对现有联程出行研究中对不同出行距离差异化分析不足的问题，深入探究城际联程出行方式选择行为的内在机制.首先，通过分析旅客出行选择行为，选取全国代表性枢纽设计调查问卷；然后，从出行者个人属性、出行特征属性及心理潜变量属性3个维度，构建融合心理潜变量的结构方程模型（Structural Equation Model， SEM）和出行方式选择多项Logit（Multinomial Logit， MNL）模型相融合的SEM-MNL模型，并与不含出行方式潜变量的传统MNL模型进行结果对比分析；最后，基于混合选择模型参数回归结果，系统分析短、中、长3种不同出行距离下的决策差异.研究结果表明：与传统MNL模型相比，SEM-MNL模型表现出更优的拟合性能与预测精度，短、中、长3种出行距离下分别提升19.1%、23.4%、10.6%，具备较强的实际应用价值；城际出行选择行为同时受到显变量与潜变量的共同影响，性别、学历、职业、收入、出行目的与频率等因素作用显著，经济性、安全性、便捷性、可靠性及舒适性等心理潜变量具有关键解释力；联程出行主要吸引对成本敏感的职业群体（如机关人员、个体户等），其经济性与安全性构成核心吸引力，但便捷性与舒适性不足仍是主要制约因素；随着出行距离增加，旅客对联程出行的舒适性要求显著提升，对可靠性的关注则有所减弱.研究成果可为理解城际出行复杂决策行为提供理论依据，也可为联程出行服务优化和差异化交通政策制定提供实证参考.

为研究建成环境与共享单车碳减排效益之间的关系，提出一种地理加权（Geographically Weighted， GW）机器学习模型，分析建成环境影响的非线性和空间异质性.基于上海市和西安市的共享单车订单数据，结合生命周期核算碳排放，采用“5D”建成环境指标体系，将地理加权引入极致梯度决策提升树（eXtreme Gradient Boosting， XGBoost）模型中，使用双平方核函数计算空间权重，构建GW-XGBoost模型，通过局部加权训练捕捉变量关系的非线性和空间异质性，探讨建成环境对共享单车碳减排效益的非线性影响机理.研究结果表明：上海市与西安市共享单车平均每公里碳减排量分别为51.09 g与44.85 g；两座城市建成环境变量的重要影响程度存在差异且关键建成环境变量均呈现非线性阈值效应，如上海市和西安市人口密度低于阈值4万人/km²时，在两市均呈现正向影响，但高于阈值时变量的影响不显著；空间异质性分析揭示了建成环境变量的影响存在显著空间差异，如上海市中心城区人口密度的边际碳减排效益最高，沙普利加性解释（SHapley Additive exPlanations， SHAP）值为10.01~47.52，但郊区则转为负向作用，SHAP值为-80.25~-50.01，人口每增加1万人/km²，中心城区最多可增加碳减排量47.52 kg，郊区最多可减少碳减排量80.25 kg.研究成果可为共享单车低碳发展政策制定提供理论依据.

针对现有空间形态预测研究大多聚焦于大尺度、粗分类、二维平面的层面，难以捕捉交通小区级用地的异质性特征及三维空间形态的问题，提出基于加权欧氏距离相似度模型的交通小区级空间形态预测模型.首先，根据各精细类型用地占比与容积率将交通小区分为高密度居住区、中密度居住区、低密度居住区、工业区等15个类别.然后，构建巢式Logit模型，分析人口与就业密度及基于综合交通计算的各类可达性对交通小区类别的影响.最后，将巢式Logit模型的参数结果作为欧氏距离相似度模型中变量的权重，构成加权欧氏距离相似度模型，预测交通小区三维空间形态.研究结果表明：巢式Logit模型的整体拟合度ρ ²为0.46；加权欧氏距离相似度模型预测的各精细类型的用地占比和容积率的平均绝对误差分别为0.062和0.592，预测精度优于传统未加权的欧氏距离相似度模型；根据交通小区类别的不同，其影响因素存在显著性差异；高密度居住区的形成更多依赖于服务型经济和人口集聚效应，而非工业活动；中密度居住区的形成反映了产城融合的特点；低密度居住区的形成主要依赖于人口分布.

针对铁路枢纽区段站通过能力计算与能力利用评估问题，提出一种基于多智能体的枢纽区段站通过能力仿真计算方法.首先，分析枢纽区段站设备功能及布置、办理列车类型及技术作业组织流程.其次，结合多智能体仿真技术和枢纽区段站技术作业内容，设计列车、机车、车辆3类智能体，分析其行为过程并设计智能体决策模块，建立基于多智能体的枢纽区段站作业组织仿真模型.再次，提出一种基于车站现有车流结构构造过饱和车流条件的方法，并将生成的车流输入仿真模型，输出饱和态势下的最大接发列车数，以此得到枢纽区段站通过能力.最后，结合实际案例进行仿真计算，验证结果的有效性，并设置多种车站作业场景进行仿真分析.研究结果表明：算例枢纽区段站通过能力为80列，车站既有通过能力利用率为82.5%，与利用率法计算结果的相对误差为3.6%；在现有技术设备条件下，通过增加无改编中转货物列车的接入比或办理股道数可以有效提高枢纽区段站的通过能力；所提出的通过能力仿真计算方法能有效评价枢纽区段站通过能力，为优化车站作业组织提高运输效率提供依据支持.

针对现有城市轨道交通网络关键节点识别方法忽视社区结构及其宏观重要性差异、难以综合刻画节点在网络整体组织与局部连接中的作用问题，开展城市轨道交通网络关键节点识别研究.首先，构建融合社区结构与多尺度节点中心性的关键节点识别模型，采用基于改进共识聚类的Louvain算法对轨道交通网络进行社区划分，并将社区抽象为超级节点，利用加权PageRank算法量化社区宏观重要性；然后，在节点层面选取节点强度与加权介数两个微观中心性指标，运用灰色关联分析确定指标权重，并引入社区重要性对节点初始重要度进行修正，形成节点综合重要度评价模型；最后，以北京市轨道交通网络为例开展实证分析，并结合蓄意攻击对模型识别效果与节点排序合理性进行检验.研究结果表明：北京轨道交通网络具有显著的社区结构特征，不同社区的宏观重要性存在差异；识别得到的关键节点主要集中于多线交会和跨区域连接的枢纽位置，空间分布呈现明显集聚特征，在维持网络连通、跨区联系与网络稳定中发挥重要作用；依据该模型识别结果实施蓄意攻击时，网络性能下降更为迅速，说明该模型能够有效识别对网络稳定性具有关键影响的节点，为城市轨道交通网络关键节点识别、韧性提升与运营管理提供新的分析思路和方法参考.

针对城市快速路入口匝道合流区交通拥堵问题，以徐州市北三环快速路中山北路入口匝道为实证案例，提出集成挤压激励网络（Squeeze-and-Excitation Network， SENet）注意力机制的模块化深度强化学习（Deep Reinforcement Learning， DRL）框架，该框架可以优化匝道信号控制，将动态复杂控制问题建模为马尔可夫决策过程（Markov Decision Process， MDP）.设计全面状态空间，涵盖合流区网格交通流分布特征、信号相位状态、时间特征及网联自动驾驶车辆（Connected and Automated Vehicles， CAV）实时交通量；构建多目标奖励函数，平衡实时微观反馈与长期系统目标.为确保仿真环境贴近实际交通场景，基于微观交通仿真平台（Simulation of Urban MObility，SUMO）构建路网模型时，采用回归正交法校准交通流模型，使合流区上下游、中段仿真换道比例与现场监测数据误差控制在±10%以内.训练阶段采用双深度Q网络（Double Deep Q-Network， DDQN），结合优先经验回放、渐进式交通流学习策略提升学习效率与稳定性.研究结果表明：所提方法与传统固定配时控制相比，高峰时段平均延误率降低40.5%、排队长度减少29.5%，优于基准DDQN模型；随着CAV渗透率从20%提升至80%，平均延误率进一步降低44.7%，在混合交通环境中展现出较好的拥堵缓解效果与强适应性.

既有基于深度强化学习的车辆轨迹优化方案在处理网联混行交通时，难以实现车队的动态合并与拆分，而传统的信号配时优化以周期或相位为单位，存在响应滞后问题，二者间的割裂控制限制了交叉口通行效率的进一步提升.针对车辆轨迹灵活控制与信号配时实时响应的协同优化需求，提出一种基于近端策略优化（Proximal Policy Optimization， PPO）的车队轨迹与信号配时协同优化方法（Fleet Trajectory and Signal timing based on Waiting Offsetting， FT-SIWO）.该方法首先将车辆轨迹优化问题构建为一个马尔可夫决策过程，设计了一个融合局部车辆动态与全局交通状态变量的状态空间、一个包含跟车与多种加速度模式的动作空间及一个综合了驾驶舒适度、安全性等多维度的奖励函数，使智能体能够全面感知环境并学习高效策略.然后，采用PPO-clip算法进行策略更新，以提升训练过程的稳定性与样本效率.最后，引入一种基于候时对冲（Waiting Offsetting， WO）的信号配时实时优化机制，通过动态计算并平衡绿灯相位车辆的“时间亏损”与红灯相位车辆的“时间盈余”，实现以秒为粒度的绿灯时长动态调整，从而与车辆轨迹优化形成深度协同.研究结果表明：在SUMO与Matlab联合仿真平台上，相较于无优化的基准方案，FT-SIWO使交叉口车辆平均延误减少28%~32%，平均等待时间降低30%~35%，同时多种污染物（CO₂， CO， HC， NO _x， PM _x ）排放总量降低34%~38%，燃油消耗减少19%；与国内外同类先进的分布式控制或车路协同方案相比，FT-SIWO在控制成效上进一步提升了6%~10%.该方法通过车队智能编组与信号配时的秒级联动，有效提升了绿灯时间利用率和交通流整体运行效率，为智慧城市交通管理系统应对混合交通流、缓解拥堵与降低排放提供了可行的协同优化解决方案.

针对现有铁路轨道异物入侵检测算法易受到复杂环境的影响，导致检测精度低、计算量较大的问题，提出一种改进YOLOv12n的复杂环境下铁路轨道异物入侵检测方法（Railway Lightweighting-YOLO， RL-YOLO），实现轻量级部署.首先，引入高性能骨干网络（High Performance GPU NetV2， HGnetV2）替换原有的网络结构，并使用DWconv和Ghostconv对其进行组合改进，实现空间卷积-通道融合解耦、核心特征-廉价幽灵特征生成的双维度协同优化，在大幅降低模型参数量与浮点运算量的同时提升特征表征完整性.其次，采用轻量级非对称多级压缩检测头（Lightweight Asymmetric Dual-Head， LADH），进而对模型进行轻量化优化.再次，添加自适应细粒度通道注意力机制（Adaptive Fine-Grained Channel Attention， AFGCA），提高模型对复杂场景的理解能力.最后，采取Wise Focaler ShapeIoU（WF-ShapeIoU）损失函数，使模型更多地关注于复杂样本，提升模型的定位能力.研究结果表明：该方法在复杂环境下的平均检测精度mAP_0.5达89.1%，提升2.6%；处理速度达159帧/s，提升21帧/s；模型参数量减少41.7%，GFLOPS减少34.5%，满足实时性与轻量化需求.

针对重载铁路轨道质量指数预测准确性不高的问题，提出基于机器学习的分析方法.首先，以某大型能源企业重载铁路2015年至2023年2 906个区段的303 381条轨检车检测记录和维修记录为原始数据集进行数据清洗，并按照区段特性将数据集分为无坡无曲线、无坡有曲线、有坡无曲线、有坡有曲线4类；其次，将每类区段数据集处理为连续3个月且期间无维修记录的序列数据集合，利用异常识别方法剔除轨道质量指数（Track Quality Index， TQI）极差过大的序列；再次，以序列中前2个月的TQI及其7个分量（左高低、右高低、左轨向、右轨向、轨距、水平、三角坑）为输入，使用循环神经网络、长短时记忆、门控循环单元、多层感知机、支持向量机、线性回归6种机器学习模型滚动预测第3个月的TQI；最后，分析对比不同模型对不同类型区段TQI的预测性能.研究结果表明：利用6种机器学习模型对4类区段的TQI进行预测时，真实值与预测值的拟合度R ²均大于0.94，预测结果准确；在6种模型中，循环神经网络表现尤为突出，在不同测试集上的平均R ²为0.967 5，标准差为±0.000 8，针对4个典型区段的TQI进行预测的R ²分别为0.990 1、0.974 3、0.988 3和0.988 9，相比于另外5种模型预测结果更稳定，对不同场景的适应性更强.研究证明机器学习方法能够满足重载铁路TQI预测的需求，研究成果可为科学合理的大机捣固维修作业计划制定和智能化工务维护提供参考.

针对不同速度下轨道谱的不平顺特征进行分析，提出一种结合轨道不平顺分位数谱和轨道质量指数（Track Quality Index，TQI）共同评判轨道质量的方法.首先，基于中国华东地区4条高铁线路的轨道不平顺实测数据，使用改进Welch方法计算不平顺功率谱密度，分析了200、250、300、350 km/h不同速度下轨道不平顺的功率谱结构特征；通过与国内外经典谱进行比较，讨论不同速度等级谱结构的差异性.其次，利用中国规范标准谱公式对4种速度的轨道不平顺数据进行拟合，讨论拟合谱参数对现行标准谱参数的适应性.最后，分析了不同单项标准差与轨道分位数谱之间的关系，通过计算各级轨道分位数谱面积，确定轨道分位数谱与TQI的关系.研究结果表明：各速度等级轨道谱变化趋势与现行规范标准谱相同，但谱参数具有一定的差异性，高低不平顺在波长10 m以上，轨向不平顺在波长22 m以上，谱线相较标准谱明显升高，谱参数也发生较大改变，说明高铁在运营多年后，标准谱参数需要进行相应修订和完善；将分位数谱划分为0~30%、30%~70%、70%~90%、90%~100% 4个区间，分别对应优秀、良好、一般、预警的轨道状态，根据线路实际情况构建合理分位数谱并结合TQI共同进行高铁轨道质量管理.