航空枢纽车道边是枢纽陆侧交通与城市道路交通体系的衔接部分,其主要功能是提供车辆落客停车,承载空侧与陆侧的旅客中转区域。随着航空客流的迅猛增长,对航空客运枢纽的建设需求越发急切。然而我国航空枢纽陆侧交通的设计体系尚未完善,造成实践先于理论的局面。在这种局面下航空枢纽车道边的建设缺少科学合理依据,也无完备的设计规范和运营评价方法,致使理论服务供给与实际交通需求不匹配,导致车道边成为陆侧交通系统发展的瓶颈点。为解决上述关于航空枢纽车道边的问题,研究以微观交通仿真技术为手段,在开展车道边微观交通仿真模型参数标定的基础上,应用正交实验设计完成不同车道布局、不同车道长度、不同车道数量及不同人行道数量组合模式下的微观仿真实验,获取车道边交通运行模拟数据,而后基于单个车位服务效率及单车通行效率分析推演、标定车道边通行能力计算模型,并设计完成基于服务水平的车道边设计方法。具体工作内容及创新如下:（1）车道边交通运行数据调研与处理。论文依托人工与录像相结合的调查方法得到北京首都机场T3航站楼出发层车道边宏观运行数据,应用激光雷达感应设施采集车道边内车辆、行人运动行为数据。论文基于Python开发完成面向交通运行场景的雷达点云数据处理算法,具体包括场景背景信息删除、场景运动个体识别与边界信息提取、运动主体轨迹生成等算法,由生成的车道边车辆及行人运动轨迹链条,最终提取出车辆、行人在不同运行状态下运行速度与加速度等微观特征。（2）车道边微观交通仿真模型参数标定。微观驾驶行为模型参数标定是微观仿真技术应用的前提,论文以VISSIM9.0为仿真平台构建车道边仿真模型,将驾驶行为模型参数分为全局参数和局部参数两类。对于全局参数,依据高精度激光点云数据对仿真系统中车辆期望速度、加减速度分布、车速与加减车速关系等直接进行设定;对于局部参数,提出基于机器学习CART回归决策树的参数敏感性分析方法,揭示微观行为参数对宏观交通流特性的影响机理,从而筛选敏感参数集,而后应用遗传算法开展参数取值的智能寻优标定。通过比较标定模型仿真结果,研究表明准确的标定全局参数能有效的提高模型的精准性。（3）车道边通行能力研究。改变以往仅考量机动车通行的分析短板,本文在构建车道边通行能力分析时融入机动车及行人两类要素。首先,分析车道边设计因素、运行因素对其通行能力影响,构建单幅路车道边通行能力求解模型。在此基础上考虑外侧行人对车道边运行的干扰,借助SPSS多因素方差分析,搭建受行人干扰的单幅车道边通行能力求解模型。模型回归系数检验结果表明车道布局形式是主要影响因素,车道布局对交通流的间接影响要高于其直接影响。借助其他文献调研数据求解其通行能力,与实测通行量偏差在15%以内,表明构建出的求解模型具有较好的普适性。（4）车道边服务水平研究。以负荷度作为车道边服务水平划分指标,研究车道边运行状态指标车均延误与负荷度的关系,根据车道边运行状态和供给能力,将车道边划分为六级服务水平,并给出车道边设计及运营分析流程。