城市群客流生成预测精度控制模型研究

城市群客流生成预测是城市群轨道交通规划中客流预测的主要组成部分,其预测精度将直接影响轨道交通客流预测精度,进而影响轨道交通规划的合理性.在分析城市群客流生成特点的基础上,提出客流生成阶段预测精度控制分为小区划分精度控制、预测方法选择、建模精度控制及模型计算结果调整4个阶段的思路;详细论述后2个阶段的精度控制内容,在模型计算结果调整中提出区域对外交通调整、空间调整、发生总量平衡调整及发生吸引平衡调整4个调整内容,并建立调整模型.     

线路客流预测分析与运营组织设计

从运营需要出发,提出客流预测的年限和内容;通过对客流量级的阐述,分析客流预测三级数据,确定运营的规模;根据OD(起讫点)客流分析来研究行车交路,做出满载率和拥挤度的评价;最终确定车辆编组与行车密度的合理组合,形成系统全面的技术方案,使客流预测更好地为运营组织服务.     

城市轨道交通中压网络供电分区的划分

以主变电所集中供电的中压网络为基础,从建设、运营经济性、过补偿和继电保护设置配合方面,分析供电分区划分应考虑的问题;网络构成及供电分区的划分位置应考虑与运行交路的结合,最大限度地满足车辆的运行,不因网络局部故障造成全线车辆停运.供电分区的划分在满足规范要求电压损失的前提下,尽可能减少供电分区的数量,以使工程具有较好的经济性.提出在满足继电保护要求等的前提下,线路电压损失要求是中压网络供电分区划分从建设和运营经济性考虑的合理结合点.     

直线电机轨道交通地面电阻制动的研究

对采用地面电阻制动的城市轨道直流牵引供电系统模型进行介绍,利用Matlab软件对该系统建立了供电网络结构图,利用节点电压法构造矩阵方程,并对此引入的非线性方程组用牛顿迭代法求解.基于地面电阻制动仿真系统(GRBSS),得出电压、电流等结果,对地面制动电阻的容量计算方法和位置设置原则进行探讨.     

新能源汽车的动力电池标准体系研究

近些年来,随着我国环保观念的增强,新能源汽车行业得到了较为迅速的发展,作为其中关键的动力电池有着非常关键的作用。但是,从现实情况来进行分析,可以发现动力电池行业仍然存在着诸多问题,特别是标准体系的建立还并不完善,不利于新能源汽车行业的长期稳定发展。本篇文章简要分析了动电池标准体系的发展情况,研究了新能源汽车动力电池标准体系,并探究了新能源汽车动力电池标准体系今后的发展方向,希望能够为新能源汽车行业的稳定发展提供支持。     

大数据技术在动力电池异常监控中的应用

新能源电动汽车其安全性一直困扰着行业与市场的发展,传统电池管理系统(BMS)储及计算能力不足,难以实 现动力电池的异常状态预测,基于车联网数据,搭建了大数据监控与管理平台,提出了动力电池热失控关键算法,并实现 了算法的平台集成与应用。应用结果表明,此系统应用能够有效评估和预测动力电池潜在安全风险,并能及时有效地指 导安全处置,从而降低整车安全事故发生概率。     

基于PumpLinx的鱼雷齿轮泵内部流场及流量特性的仿真分析

为研究转速与流体介质对齿轮泵性能的影响,运用PumpLinx软件对齿轮泵内部流场及其流量进行瞬态仿真分析,并与试验数据进行对比,分析转速与流体介质对齿轮泵内部压力场及输出特性的影响。数值结果表明:齿轮泵平均流量与试验数据吻合较好,入口流量随时间呈锯齿状波动,出口流量则呈波浪状的较小波动,而且流量脉动率随转速的增大而减小;齿轮泵内压力从低压腔呈阶梯状向高压腔过渡,且入口易因超低压而出现空化现象,导致其压力脉动率高于出口。此外,流体介质为水时的流量脉动率略低于油。研究结果为降低鱼雷齿轮泵的振动和噪声等危害提供了理论指导。     

基于数字孪生的舰船蒸汽动力总体模型框架研究

[目的]为了实现舰船蒸汽动力系统的数字化、网络化和智能化,提出一种总体数字孪生模型应用体系。[方法]从物理对象、过程要素、生命周期及虚拟空间这4个维度,提出基于数字孪生的舰船蒸汽动力系统总体“四维思想模型”,并创建总体全生命周期的“五阶体系模型”,涵盖概念论证、系统设计、总装建造、试验试航及运维保障这5个典型的阶段。通过引入大数据、物联网、云计算、人工智能和基于模型的系统工程等先进技术,形成由物理层、接口层、数据层、模型层、调度层、功能层及应用层组成的舰船蒸汽动力系统总体数字孪生“7层架构模型”。[结果]舰船蒸汽动力系统虚拟设计分析及试验平台的验证结果表明,数字孪生体系框架可以有效支撑系统方案设计、操作运行分析及试验方案评估,从而实现舰船全生命周期中物理空间与虚拟空间的交互协同。[结论]研究成果可为舰船蒸汽动力系统的总体数字化设计提供参考。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。