Transportmetrica A-transport Science

Transportmetrica A-transport Science

Transportmetrica A-运输科学

  • 3区 中科院分区
  • Q2 JCR分区

期刊简介

《Transportmetrica A-transport Science》是由Taylor and Francis Inc.出版社于2013年创办的英文国际期刊(ISSN: 2324-9935,E-ISSN: 2324-9943),该期刊长期致力于交通运输领域的创新研究,主要研究方向为TRANSPORTATION SCIENCE & TECHNOLOGY。作为SCI、SCIE、SSCI收录期刊(JCR分区 Q2,中科院 3区),本刊采用OA未开放获取模式(OA占比0.0957...%),以发表交通运输领域等方向的原创性研究为核心(研究类文章占比100.00%%)。凭借严格的同行评审与高效编辑流程,期刊年载文量精选控制在158篇,确保学术质量与前沿性。成果覆盖Web of ScienceWeb of ScienceWeb of Science、Scopus等国际权威数据库,为学者提供推动工程技术领域高水平交流平台。

投稿咨询

投稿提示

Transportmetrica A-transport Science该刊近年未被列入国际预警名单,年发文量约158篇,录用竞争适中,主题需确保紧密契合工程技术前沿。投稿策略提示:避开学术会议旺季投稿以缩短周期,语言建议专业润色提升可读性。

  • 工程技术 大类学科
  • English 出版语言
  • 是否预警
  • SCI、SCIE、SSCI 期刊收录
  • 158 发文量

中科院分区

《新锐期刊分区表》(2026年3月发布)

Top期刊 综述期刊 大类学科 小类学科
工程技术
3区
TRANSPORTATION 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技
3区 3区

期刊分区表(2025年3月升级版)

Top期刊 综述期刊 大类学科 小类学科
工程技术
3区
TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技 TRANSPORTATION 交通运输
3区 4区

期刊分区表(2023年12月升级版)

Top期刊 综述期刊 大类学科 小类学科
工程技术
2区
TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技 TRANSPORTATION 交通运输
3区 4区

期刊分区表(2022年12月升级版)

Top期刊 综述期刊 大类学科 小类学科
工程技术
2区
TRANSPORTATION 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技
3区 3区

期刊分区表(2021年12月升级版)

Top期刊 综述期刊 大类学科 小类学科
工程技术
2区
TRANSPORTATION 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技
3区 3区

JCR分区

2025-2026年最新版

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:TRANSPORTATION SSCI Q2 28 / 66

58.3

学科:TRANSPORTATION SCIENCE & TECHNOLOGY SCIE Q2 29 / 80

64.4

学科:TRANSPORTATION SSCI Q2 30 / 66

55.3

学科:TRANSPORTATION SCIENCE & TECHNOLOGY SCIE Q2 29 / 80

64.38

2023-2024年最新版

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:TRANSPORTATION SSCI Q2 23 / 57

60.5

学科:TRANSPORTATION SCIENCE & TECHNOLOGY SCIE Q2 25 / 72

66

学科:TRANSPORTATION SSCI Q2 25 / 57

57.02

学科:TRANSPORTATION SCIENCE & TECHNOLOGY SCIE Q2 25 / 72

65.97

CiteScore(2026年6月最新版)

CiteScore SJR SNIP CiteScore 排名
CiteScore:9.1 SJR:0.87 SNIP:1.411
学科类别 分区 排名 百分位
大类:Engineering 小类:General Engineering Q1 35 / 351

90%

大类:Engineering 小类:Transportation Q1 33 / 169

80%

期刊发文

  • CMAD: a cooperative multi-agent framework leveraging transformer-contextual q-networks for unsupervised traffic anomaly detectio

    Author: Zhao, Xinyang; Xu, Chengcheng; Bao, Rong

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2652382

  • Design and optimisation of emergency bus shuttle services under urban rail transit disruption

    Author: Hu, Xiaowei; Cao, Ziye; Meng, Shuang; An, Shi; Yan, Lei

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2644548

  • Multi-modal traffic flow joint prediction with a multi-source information knowledge grap

    Author: Zheng, Zuocai; Li, Qin; Luo, Chenyang; Yang, Xuan; Li, Yuecheng

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2654754

  • Robust control approach for virtually coupled train set with uncertain communicatio

    Author: Xing, Jiandong; Ren, Yilong; Liu, Runkun; Wang, Xinyu; Chang, Yizhuo; Min, Shuai; Li, Aoyong; Wang, Deping; Yu, Haiyang

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2654744

  • Solving high-speed rolling stock planning with an improved LSTM-PPO reinforcement learning algorith

    Author: Su, Xiangyu; Yue, Yixiang; Guo, Bin; Cui, Zanyang; Li, Boyan

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2653703

  • An improved safety potential field model to predict risk-aware-based work zone merging behaviou

    Author: Guo, Haofei; Weng, Jinxian

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2657942

  • On the integrated morning-evening commute with shared and privately owned autonomous vehicle

    Author: Li, Chuan-Yao; Li, Han; Jiang, Ge-ge; Wang, Tao; Tang, Tie-Qiao

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2659242

  • An adaptive transfer learning framework for real-time detection and prediction of anomalous returning passenger flow in railway station

    Author: Shao, Yanchun; Liu, Enze; Lin, Zhiyuan; Zhan, Shuguang; Wong, S. C

    Journal: TRANSPORTMETRICA A-TRANSPORT SCIENCE. 2026; Vol. , Issue , pp. -. DOI: 10.1080/23249935.2026.2660830