Urban Rail Transit

Urban Rail Transit

城市轨道交通

  • 2区 中科院分区
  • Q2 JCR分区

期刊简介

《Urban Rail Transit》是由SpringerOpen出版社创办的英文国际期刊(ISSN: 2199-6687,E-ISSN: 2199-6679),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Multiple。作为SCIE收录期刊(JCR分区 Q2,中科院 2区),本刊采用OA未开放获取模式(OA占比1%),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25篇,确保学术质量与前沿性。成果覆盖Web 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

Urban Rail Transit审稿周期约为5 Weeks。该刊近年未被列入国际预警名单,年发文量约25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
  • SCIE 期刊收录
  • 25 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
2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 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技
3区 3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
4区
TRANSPORTATION 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技
4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
4区
TRANSPORTATION 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技
4区 4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 ESCI Q2 30 / 66

55.3

学科:TRANSPORTATION SCIENCE & TECHNOLOGY ESCI Q2 33 / 80

59.4

学科:TRANSPORTATION ESCI Q3 44 / 66

34.09

学科:TRANSPORTATION SCIENCE & TECHNOLOGY ESCI Q2 36 / 80

55.63

2024-2025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 ESCI Q3 35 / 62

44.4

学科:TRANSPORTATION SCIENCE & TECHNOLOGY ESCI Q2 34 / 77

56.5

学科:TRANSPORTATION ESCI Q3 44 / 62

29.84

学科:TRANSPORTATION SCIENCE & TECHNOLOGY ESCI Q2 37 / 77

52.6

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 ESCI Q4 43 / 57

25.4

学科:TRANSPORTATION SCIENCE & TECHNOLOGY ESCI Q3 44 / 72

39.6

学科:TRANSPORTATION ESCI Q4 45 / 57

21.93

学科:TRANSPORTATION SCIENCE & TECHNOLOGY ESCI Q3 47 / 72

35.42

CiteScore(2026年6月最新版)

CiteScore SJR SNIP CiteScore 排名
CiteScore:4.8 SJR:0.602 SNIP:1.294
学科类别 分区 排名 百分位
大类:Social Sciences 小类:Urban Studies Q1 61 / 295

79%

大类:Social Sciences 小类:Geography, Planning and Development Q1 208 / 876

76%

大类:Social Sciences 小类:Automotive Engineering Q2 37 / 143

74%

大类:Social Sciences 小类:Civil and Structural Engineering Q2 135 / 434

69%

大类:Social Sciences 小类:Electrical and Electronic Engineering Q2 336 / 1030

67%

大类:Social Sciences 小类:Transportation Q2 67 / 169

60%

期刊发文

  • Train Slide Prediction and Risk Assessment Using Vehicle-Signal Data: A Data-Model Fusion Metho

    Author: Zha, Wei; Ou, Dongxiu; Tong, Yunwen; Xu, Chengtao; Su, Shuai; Xiong, Jinhong

    Journal: URBAN RAIL TRANSIT. 2026; Vol. , Issue , pp. -. DOI: 10.1007/s40864-026-00269-9

  • Uncovering Travel Rhythms: A Spatiotemporal and Data-Driven Typology of Urban Rail Transit Station

    Author: Wang, Qushun; Zhang, Cuihua; Ma, Zhuanglin; Xi, Haoran; Yang, Hongwei

    Journal: URBAN RAIL TRANSIT. 2026; Vol. 12, Issue 1, pp. 120-144. DOI: 10.1007/s40864-026-00268-w

  • Predicting the Unpredictable: A Reproducible Framework with Open Multi-Source Data for Irregular Non-commuting OD Flow

    Author: Cui, Hongmeng; Si, Bingfeng; Li, Yueqing; Xue, Jingwen; Chi, Dazhuang

    Journal: URBAN RAIL TRANSIT. 2026; Vol. 12, Issue 1, pp. 91-119. DOI: 10.1007/s40864-025-00267-3

  • Urban Rail Transit Expansion, Public Housing Provision and Transport Equity: A Case Study in Hangzhou, Chin

    Author: Wang, Jinshuo; Dang, Yunxiao; Samsura, D. Ary A

    Journal: URBAN RAIL TRANSIT. 2026; Vol. , Issue , pp. -. DOI: 10.1007/s40864-025-00263-7

  • Joint Optimization of Passenger Flow Control and Train Skip-Stopping for Overcrowded Metro Lines: A Multi-Agent Reinforcement Learning Approac

    Author: Xing, Siqiao; Guo, Jianyuan; Qin, Yong; Jia, Limin; Wang, Yueyue; Jiang, Shuning

    Journal: URBAN RAIL TRANSIT. 2026; Vol. , Issue , pp. -. DOI: 10.1007/s40864-025-00265-5

  • The Decoupling Effect Analysis of Meteorological Comfort on Urban Rail Transit Ridershi

    Author: Cui, Zhanwei; Yang, Yang; Hu, Shengye; Liu, Xin; Chen, Long

    Journal: URBAN RAIL TRANSIT. 2026; Vol. , Issue , pp. -. DOI: 10.1007/s40864-025-00260-w

  • Understanding Route Choice Behavior in Composite Urban Rail Transit Network with Interpretable Machine-Learning Approach: A Case Study in Shanghai, Chin

    Author: Zhao, Qianwei; Chen, Enhui; Teng, Jing; Wu, Tong

    Journal: URBAN RAIL TRANSIT. 2026; Vol. , Issue , pp. -. DOI: 10.1007/s40864-025-00266-4

  • Multilayered Railway Passenger Demand Estimation Considering Nested Choices: A Computational Graph-based Learning Framewor

    Author: Wang, Xinyu; Fu, Huiling; Wu, Xin; Liu, Yang; Kim, Taehooie

    Journal: URBAN RAIL TRANSIT. 2025; Vol. , Issue , pp. -. DOI: 10.1007/s40864-025-00245-9