���ڻ���ȼ��Ŀ��ؼ�װ�������Ż��о�

我国自然资源分布不平衡,受地区经济发展和城市布局等因素的影响,全国集装箱货源分布和流向存在着很大差异,导致铁路集装箱供需矛盾十分突出,空箱调运较为频繁.以往空箱调运优化模型都是以调运费用最小为目标,没有考虑重箱运输的收益.综合考虑空重集装箱运输,以铁路运输利润最大为目标,在完成局间排空箱任务基础上,将适箱货物按重要程度分为不同的等级,对高等级货物优先运输,并按所需集装箱类型不同建立空箱调运非线性混合整数规划模型.其中,运输利润为重箱运输收益与空箱调运成本之差.算例分析结果验证了模型的正确性和可行性.     

考虑时空相异的危险品运输车辆安全调度

为确保危险品运输车辆间的安全距离, 从时空角度优化了危险品运输车辆的行驶路径和发车时间间隔; 分析了危险品运输车辆发生事故对其他车辆的影响及其与时空距离的关系, 提出了危险品运输车辆间时空安全距离评价方法, 并以时空安全距离为约束, 提出了车辆安全出发时间间隔计算方法; 建立了满足时空相异约束的危险品运输车辆调度模型, 设计了用于生成车辆调度时刻表的两阶段求解方法, 第1阶段采用NSGA-Ⅱ算法优化车辆行驶路径, 第2阶段分别设计了遗传算法和基于插入思想的近似算法以优化发车时间间隔; 为了验证车辆调度模型与算法的有效性, 对比了每个阶段中不同算法的优劣, 并分析了危险品事故影响系数和事故影响接受度对车辆调度结果的影响。研究结果表明: 提出的方法可针对不同危险品事故影响系数获得危险品运输车辆调度时刻表, 生成的车辆调度时刻能够保证车辆在行驶过程中始终保持安全距离; 遗传算法和近似算法获得的平均运输总时间分别为2.45和2.49 h, 表明近似算法获得的解劣于遗传算法, 但运行时间仅为遗传算法的1/10 000~1/5 000;危险品事故影响系数或事故影响接受度越小时, 车辆发车时间间隔越大, 导致运输总时间变长; 考虑时空相异性的车辆调度可以弥补相异路径方法仅从空间上考虑相异性的不足, 同时能够避免采用相异路径方法可能遗漏最佳运输路径的问题。      

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于影响度的有效路径集合的确定

在进行城市交通规划时,交通分配是一个关键步骤,有效路径集合的确定对随机交通分配的结果有很大影响.本文首先对基于Logit的主要交通分配算法进行了分析,指出了它们的不足;通过分析可知,有效路径集合的定义应考虑路径本身的性质及交通需求量的大小,然后根据一条路径对其它路径分配到交通流量的影响程度给出了路径影响度的定义,并依据...     

出租车合乘收益趋势影响模型研究

为了分析出租车合乘条件对合乘收益趋势的影响,构建了GPS轨迹数据的处理方法,引入合乘下车点的距离、合乘上车点的距离和时间等参数,建立出租车合乘模型,并利用灰色预测模型,讨论了在合乘点距离和间隔时间不同的影响条件下,出租车的合乘收益趋势.研究结果表明:合乘的收益与合乘上车点间的距离密切相关.模型应用于南京市出租车GPS轨迹数据时,当合乘上车点的时间间隔固定为20min,合乘上车点间的距离增大到1 200m时,合乘的匹配数增加快,合乘的收益可以增加20.31%,且距离间隔越大,收益增长越快;当合乘上车间的距离固定在100m时,合乘上车点的时间间隔增加到35min,合乘的匹配数增加慢,合乘的收益仅增加5.38%,且时间的间隔越大,收益增长越慢.     

城市公共交通系统中双目标换乘优化模型及实证研究

城市公交换乘是多目标约束路径问题,具有重要应用价值和实际意义. 基于小生境复制技术的遗传算法利用染色体之间的相异性来保持种群的多样性,并保持针对多目标的多个较优染色体,从而可得到问题的Pareto解集.基于这一思想, 建立了城市公交换乘的一种双目标优化模型,并用基于小生境复制技术的遗传算法求其Pareto解集.最后,给出了一个计算分析实例.     

���о������ѡ��Ԥ��ģ�ͼ�ʵ֤�о�

城市交通系统是一个开放的复杂巨系统，城市交通管理的政策措施会对居民出行行为造成影响，为使城市交通系统能最大限度地发挥效益，一个城市的规划设计人员经常需要对居民出行需求进行了解，城市居民的出行选择与城市交通系统的服务时间、费用、环境及可选交通工具等诸多因素有关，本文从城市居民出行需求角度出发，考虑出行者的性别和职业属性，建立了基于出行费用、走行时间、出行次数的城市居民出行Multinomial Logit 模型，采用Maximum Likelihood方法进行参数估计，并以中国西北部城市兰州市A区为实例，通过计算机模拟仿真拟合计算得到了该区人员出行行为的分析结果，这一结果可作为兰州市交通管理部门制订相关政策，引导市民出行的依据。     

一种基于C/S结构的通用查询模式设计

信息的组合查询是程序设计的一个重要方面,针对中文表格表头层次多、结构复杂的特点, 对客户机/服务器(C/S)结构理论进行研究,提出了一种基于大型关系数据库Oracle和前台开发工具Powerbuilder程序设计中通用查询功能的设计思路与实现方法.实践证明,此方法是行之有效的,并可增加整个系统的通用性及可移植性,提高系统开发效率.     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。      

基于神经网络、网格和密度的聚类方法的设计

聚类分析是数据挖掘技术的重要组成部分，由于高维数据的复杂性，使聚类分析的效率和实用性都很差，提出一种用于聚类空间数据维度选择的神经网络模型，利用该模型能够确定聚类空间中和聚类主题相关性较强的数据维，从而可以降低聚类空间的维度，在实现降维的基础上，介绍了一个基于网格和密度的聚类方法的实现