基于扩展卡尔曼滤波的轨道垂向不平顺估计

轨道不平顺是影响列车平稳性和舒适度的关键因素,因此及时掌握线路状态对保证列车的运行安全具有重要意义。针对采用单个惯性量较难达到对不同波段不平顺的检测,通过观测多个惯性量,运用扩展卡尔曼滤波解决非线性离散系统的最优估计原理,根据车辆轨道耦合状态空间方程计算递推雅克比矩阵,并结合线性观测方程得到最优状态估计,实现轨道不平顺估计。在Matlab平台下,进行了实测轨道不平顺激励作用下的仿真,将仿真得到的观测值采用本文提出的方法进行轨道垂向不平顺估计,结果表明该算法具有很好的精确性。     

共享单车引入后通勤者出行方式选择影响因素建模

为研究共享单车的引入对通勤者出行方式选择的影响,通过对南京市通勤居民进行出行问卷调查,从社会经济属性、家庭属性、出行特性及出行意愿4个方面,采用混合logit模型分析通勤者在共享单车出现后的出行方式选择影响因素.结果 表明,性别、收入、企事业者/教师医生、拥有私家车、出行费用、出行距离、出行时间及舒适性对通勤者选择私家车出行都是正显著的;年龄、企事业者、出行费用、出行时间及经济/安全/环保性对通勤者选择公共交通具有显著正影响;收入、出行距离、出行时间及安全性对通勤者选择自行车出行具有显著负影响;年龄、性别、出行距离、出行时间及安全性对通勤者选择共享单车出行具有显著负影响.其中,注重经济性的通勤者选择公共交通的概率会达到65.58%,注重环保性的通勤者选择公共交通出行的概率可达到84.55%;注重舒适性和注重经济性相比,优先考虑舒适性,即更愿意选择私家车出行.      

基于定性趋势分析的道岔故障诊断方法研究

道岔连接不同轨道并通常安装在两股或者多股轨道之间,不仅负责铁路线路的转换还保障线路的运营安全。随着我国轨道交通的快速发展,铁路线路和行车密度不断增长,道岔设备故障频率也日趋频繁,因此研究道岔故障诊断方法、提高诊断自动化水平具有重要现实意义。从定性的角度提出基于定性趋势分析的道岔故障诊断方法,该方法先采用区间半分法对道岔不同状态下的典型运转信号进行趋势提取,建立故障诊断知识库,之后对待诊断信号进行趋势提取,并计算其趋势序列与所有故障趋势规则的匹配度,综合比较匹配度值从而实现道岔故障诊断。实验结果表明,该方法具有良好的准确度。     

旅行商问题(TSP)的现代优化算法研究

TSP(Traveling Salesman Problem)旅行商问题是一类典型的NP完全问题,遗传算法是解决NP问题的一种较理想的方法.通过介绍基本遗传算法的基本原理;针对TSP问题,给出遗传算法在选择算子、交叉算子和变异算子等方面的编码实现.并就TSP问题的一个具体城市算例,进行了计算验证.在此基础上,对交叉算子和变异算子提出了改进,大量的计算数据验证了改进方法的有效性.     

探析SD-MOP整合模型在运输通道结构配置优化中的应用

运输通道结构配置优化有利于整合交通运输系统资源,优化资金利用,促进区域经济发展和区域整体效益的优化.以运输通道结构配置的目标为宗旨,在分析运输通道结构变动的影响因素的基础上,确定了运输通道结构变动的机理,提出了系统动力学-多目标规划整合模型在通道结构配置优化中应用的思路和流程.     

历史城区通勤者出行方式与活动模式交互作用研究

为了探究历史城区通勤者出行方式与活动模式之间的交互特征,选取根据扬州市历史城区作为研究对象.根据出行调查数据将出行方式和活动模式分别划分为4类,运用协同进化Logit模型理论,对模型的参数进行了合理设置和标定,分别建立出行方式选择和活动模式交互选择的多项Logit模型,与未考虑交互选择对比发现,交互后能够提高模型的总体命中率.研究结果表明:公共交通出行的通勤者与简单出行链HWH互为正相关;电动车通勤者与活动模式HW+MH和HW+OH互为负相关,说明历史城区通勤者较少选择电动车完成非工作出行;慢行方式对活动模式HW+ OH的相关系数为1.052,说明使用慢行出行的通勤者倾向选择活动模式HW+OH.      

基于路网拓扑结构和标志性地物的指路标志设计

指路标志是一种标识路网、传递道路信息的重要交通流管控执行设施。为使指路标志携带有效信息并实现快捷诱导功能,在路网拓扑结构的基础上利用聚类分析、圈层覆盖和层次分析三种方法对基于标志性地物的指路标志设计过程进行建模,将获取的所有标志性地物数据和与之对应的道路网拓扑数据进行聚类分析,选取具有代表性的标志性地物作为指路标志的标示内容。将道路网和地物的影响范围划分为三个层次,利用圈层覆盖法确定所得标志性地物的影响范围,并将其作为标示内容的标示方向。运用层次分析法进行标示建模,确定在指路标志携带能力有限的情况下标示内容的选取优先权。最后通过算例分析验证模型的有效性。     

面向人车路环境的视频检测技术应用研究

为全面了解视频检测算法在道路智能交通系统中的应用,深入探索该技术在未来的发展趋势,利用关键词进行分析,从检测对象的角度将该类算法分为路与环境、车、道路参与者三类,并对其进行对比、分析、归纳,总结其在道路交通不同应用场景中的应用现状;分类对比不同对象检测所采用的核心图像处理算法。从算法、检测对象、应用场景三个方面系统地分析和总结了视频检测技术的发展趋势和关键技术难点。研究结果表明：视频检测技术在道路智能交通系统中发挥了重要作用,应用广泛。未来其将有望在深度学习算法、复杂背景、多样化对象等方向深度发展。     

计及出租车充电行为的微电网能量管理研究

针对可再生能源发电和电动汽车并网的不确定性给微电网运行的经济性和稳定性带来挑战，本文在设定不同充电场景的基础上，构建了考虑光伏发电和出租车充电不确定性的微电网经济运行模型，以最小化微电网总发电成本为目标，各分布式电源的功率限值与功率平衡为约束，采用混合粒子群优化算法进行求解，得到不同充电场景下各分布式电源的最优功率输出和系统在调度周期内的最低运行成本。优化结果表明，综合优化充电行为能提高孤立微电网的可调度性，使微电网的运行成本降低21.2%。     

基于深度学习的地铁列车走行部关键部件温度检测系统

地铁列车走行部的良好运行状态是列车安全运行的保障。针对其关键部件发热故障的检测问题，研发了基于深度学习的地铁列车走行部关键部件温度检测系统。该系统采用红外热像仪获取走行部热成像图，引入注意力机制模块和CIoU损失函数，改进YOLOv5目标检测模型，识别、定位出关键部件；对关键部件图像进行灰度化处理和自适应阈值分割等操作，提取温度。基于实验室的Pytorch深度学习平台，在南京地铁运营公司马群车辆段对所研发的系统进行实验。实验结果表明，该系统可以获取走行部热成像图，准确定位关键部件并提取其温度信息。