空中立交桥搭建前后效益分析研究

空中立交桥的搭建能有效减少飞行冲突数量、降低管制员工作负荷,但会损失其它航路的容量.随着空中立交桥越搭越多,目前航路网的运行效率不升反降,如何对搭建的空中立交桥效益进行评价已成为当前关注的热点问题.基于投入产出思想提出风险收益、容流收益概念,从航路容量、碰撞风险等特征参数出发,针对航路交叉点构建空中立交桥的效益评估模型.最后,根据航路交叉点实际运行数据,以武汉立交桥及宜宾立交桥为例计算出搭建立交桥的总效益D EB.通过与民航相关管理部门的专家经验相对比,验证模型的合理性,得出在航班流量大、运行复杂度高的繁忙交叉点更适宜搭建空中立交桥的结论.     

创新设计高效性能——海拉后视成像监控系统尽显卓越

如今，泊车和起动车辆时因前后左右探视而带来的不便困扰着众多有车一族，倒车安全辅助装置的面世能改善这种情况。它能以声音或者更为直观的显示告知驾驶者周围障碍物的情况，从而进一步提高驾驶的安全性。     

北京:何时摆脱停车尴尬

北京因何停车难 日前,鼓励轿车进入家庭已被纳入“十五”计划纲要。据有关方面预测,我国至少有三亿左右的城镇居民有能力购车。针对这种情况,专家说,轿车进入家庭比我们过去没想的要快,而目前中国的轿车有近40％已由私人购买。1997年,北京市机动车保有量超过112万辆,而公共停车场车位数只有两万个;目     

一种基于Logistic回归和分类树的客户信用评估方法研究

探讨了基于Logistic回归和分类树的客户信用评估。从众多客户信用度影响因子中选择一些探索性变量，建立了相应的关联性测试模型。描述了Logistic回归和分类树的具体算法以及相关概念，如期望信息、信息增益等，然后分别使用Logistic回归模型和分类树对客户信用进行了测试评估。比较分析结果表明，分类树模型具有较低的错误分类率和较好的灵活性，但对计算资源的要求较高，且很大程度上依赖于观测数据。     

非接触感应式传感器技术及应用

汽车传感器的重要作用在于监控系统状态,感知驾驶者意图,是汽车电子控制系统的重要信息输入端口。在所有移动系统中,位置传感器起着举足轻重的重要作用。在测量位移和角度方面,传统的电位计式位置传感器由于结构简单,价格低廉而得到了广泛的应用,但它的     

分布式MAS 在飞行冲突解脱中的应用研究

在自由飞行的环境下,为解决飞行冲突探测与解脱（conflict detection and resolution,CDR）问题,提出一种基于高度层、航向和速度调配的综合解脱方法,并将多 agent 系统(multi-agent system, MAS) 的分布式技术与启发式算法相结合,进行问题求解. 首先设计了分布式MAS框架结构,然后建立了飞行冲突探测模型,高度层调配模型及航向、速度调配模型,最后,综合运用了基于合同网协议的分布式算法和自适应遗传算法进行问题求解.仿真实验表明,所设计的MAS框架是可行的,同时分布式算法和自适应遗传算法的综合应用能很快找到基于高度层、航向和速度分配的近似最优解,为CDR问题提供了新的解决思路.     

基于GA、RBF和改进Cao方法的空中交通流预测方法

针对传统空中交通流量预测方法精度不足、时效性差的问题,考虑空中交通流量时间序列的混沌特征,在相空间重构理论的基础上,研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。为降低传统Cao方法人为参数选择引入的误差,提高相空间重构精度,通过判定虚假邻近点,以及迭代比较嵌入维度离差和可接受偏差,确定重构相空间嵌入维度值的选择标准,进而得到重构后的空中交通流量时间序列数据;为提升径向基神经网络预测精度并降低参数误差,使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值,再通过最优系数标定后的神经网络对重构后的时间序列进行预测;利用实际空中交通流量数据进行仿真以验证方法的有效性,并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。结果显示:①改进后的预测方法具有更好的非线性拟合能力,提高了交通流量时间序列的预测精度;②以5 min时间间隔预测为例,相比传统RBF神经网络,改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%;③相比反向传播（BP）神经网络和长短期记忆（LSTM）神经网络,所提方法的平均绝对误差分别降低了36.20%和16.10%,运行速度分别提高了27.42%和35.00%。综上所述,所提方法能更好地解析系统的混沌特性,提升空中交通流量预测精度与速度。      

机场群共用航路点的航班排序模型及算法

机场群上空空域资源共享、运行耦合复杂，拥堵往往发生在共用航路点。为缓解空域拥堵和航班延误问题，开展了机场群共用航路点的优化排序研究。针对共用航路点的运行特征，引入惩罚因子并以总延误时间成本最小为优化目标，建立了机场群共用航路点的航班优化排序模型，基于滑动时间窗算法和粒子群优化算法的原理提出了TW-PSO组合优化算法对模型进行求解。选取京津冀机场群过共用航路点的航班进行算例仿真，结果表明:TW-PSO组合优化算法与FCFS算法、滑动时间窗算法、粒子群优化算法相比在高峰时段的总延误时间成本分别减少了216，212，161 min；在算法性能方面，具有比经典算法迭代次数少、优化效果更佳的优点，能有效缓解航班延误问题，改善机场群的协同运行效率。