当前位置: 首页 JCRQ2 期刊介绍(非官网)
Urban Rail Transit

Urban Rail Transit

SCIE

国际简称:URBAN RAIL TRANSIT  参考译名:城市轨道交通

  • 中科院分区

    2区

  • CiteScore分区

    Q1

  • JCR分区

    Q2

基本信息:
ISSN:2199-6687
E-ISSN:2199-6679
是否OA:未开放
是否预警:否
TOP期刊:是
出版信息:
出版地区:Germany
出版商:SpringerOpen
出版语言:English
出版周期:4 issues per year
研究方向:Multiple
评价信息:
影响因子:3.6
CiteScore指数:4.8
SJR指数:0.602
SNIP指数:1.294
发文数据:
Gold OA文章占比:100.00%
研究类文章占比:100.00%
年发文量:25
自引率:0.0666...
开源占比:1
出版撤稿占比:
出版国人文章占比:0.23
OA被引用占比:1
英文简介 期刊介绍 CiteScore数据 中科院SCI分区 JCR分区 发文数据 常见问题

英文简介Urban Rail Transit期刊介绍

Urban Rail Transit is a professional journal focusing on the field of urban rail transit, and is committed to publishing high-quality academic research papers, special reviews, industry reviews, and engineering and technology innovation practices. This journal not only focuses on the planning and design of urban rail transit, but also covers many aspects such as operation and management, civil engineering, equipment manufacturing, electrical engineering, and electronic signal control, reflecting its broad academic vision and in-depth industry understanding.

The journal places special emphasis on interdisciplinary research, encouraging scholars and engineers to conduct in-depth discussions on urban rail transit systems from different perspectives and fields. This comprehensive research perspective helps to promote the innovation and progress of urban rail transit technology, and also provides scientific basis and technical support for urban planning and traffic management.

期刊简介Urban Rail Transit期刊介绍

《Urban Rail Transit》是一本工程技术优秀杂志。致力于发表原创科学研究结果,并为工程技术各个领域的原创研究提供一个展示平台,以促进工程技术领域的的进步。该刊鼓励先进的、清晰的阐述,从广泛的视角提供当前感兴趣的研究主题的新见解,或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道工程技术领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单,目前已被权威数据库SCIE收录,得到了广泛的认可。

该期刊投稿重要关注点:

Cite Score数据(2026年6月最新版)Urban Rail Transit Cite Score数据

  • 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%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础,针对的是前四年发表的论文的引文。CiteScore的意义在于,它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法,而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Urban Rail Transit 中科院分区

《新锐期刊分区表》(2026年3月发布) 综述期刊:否 Top期刊:否
大类学科 分区 小类学科 分区
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) 综述期刊:否 Top期刊:否
大类学科 分区 小类学科 分区
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) 综述期刊:否 Top期刊:否
大类学科 分区 小类学科 分区
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) 综述期刊:否 Top期刊:否
大类学科 分区 小类学科 分区
工程技术 4区 TRANSPORTATION 交通运输 TRANSPORTATION SCIENCE & TECHNOLOGY 运输科技 4区 4区

中科院分区表 是以客观数据为基础,运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据,得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次,类似于“优、良、及格”等。最开始,这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Urban Rail Transit 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

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异,此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此,JCR将期刊按照学科门类和影响因子分为不同的分区,这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

国家/地区发文量统计
  • 国家/地区数量
  • CHINA MAINLAND18
  • USA11
  • England10
  • Iran5
  • Thailand5
  • Italy4
  • India3
  • Australia2
  • Ethiopia2
  • France2

本刊中国学者近年发表论文

  • 1、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

  • 2、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

  • 3、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

  • 4、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

  • 5、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

  • 6、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

  • 7、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

  • 8、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

投稿常见问题