基于改进物元法的智慧港口发展水平评价模型

针对当下智慧港口建设如火如荼,而建设行业标准体系却迟迟未能统一的问题.首先利用智慧港口建设发展路径的研究基础,结合国内外信息化发展评价指标体系研究成果,构建了适合国内智慧港口建设发展的评价指标体系;其次利用主客观综合赋权法降低了传统评价过程中,主观因素对指标权重的影响,引入基于云模型的改进物元理论,解决了传统评价方法中模糊性和随机性带来的误差;最后以天津港智慧港口建设工程为算例,对天津港的智慧港口发展水平进行评估,计算得到期望为3.9956,发展等级为较好,与正态云模型和灰色关联分析法的验证结果一致.研究结果表明:评价体系符合现阶段智慧港口的发展方向,评价方法简洁有效,在降低了双重不确定性对于评价结果影响的同时计算了评价结果的置信度,为今后我国智慧港口发展和评价体系的建立提供了参考.     

勇担使命 融合创新 开启轨道交通装备技术发展的新征程

岁月不居,时节如流。不知不觉间,我们告别了极不平凡的2020年,开启了"十四五"发展的新征程。回顾"十三五",我国轨道交通建设取得了令人瞩目的成就,截至2020年底,高铁运营里程约3.8万km,稳居世界第一;从"四纵四横"到"八纵八横",全面覆盖的高铁网正加快成型。     

基于线性叠加的智能船舶经济性评估模型构建

经济性是智能船舶能否实现推广应用的关键,目前国内外有关智能船舶经济性分析的研究较少。本文通过对传统船舶经济性分析方法进行修正优化,提出智能船舶经济性分析计算模型,并根据理论推导结果,得出智能船舶经济性分析的线性叠加简化模型,并利用40万吨级VLOC实际运营数据进行科学性检验。本文提出的模型与方法适用于各类智能模块加装情况下的经济性核算,为相关单位开展智能船舶经济性快速分析提供了理论支持和解决方案。     

考虑船舶影响的超高扬程升船机地震响应研究

采用ANSYS有限元软件,建立了200 m扬程的升船机整体有限元模型,包含了卷筒、钢丝绳、平衡重、塔柱、承船厢、顶部联系梁、纵横导向机构、挡土墙以及地基。利用Housner模型和修正Housner模型简化了厢-水、厢-水-船动力耦合模型。通过有限元计算,对比分析了8度地震作用下,厢内有船和无船两种工况时,升船机塔柱以及承船厢的位移和加速度响应以及特征部位的应力响应。结果表明:升船机塔柱顶部的最大横向位移为36.61 cm,满足规范限值要求;地震作用下底板和塔柱筒体的交界面发生应力集中现象,需加强配筋;厢内船舶对升船机整体系统的动力响应影响不大,但是对承船厢有较为明显的影响,在研究地震作用下承船厢动力响应时,厢内船舶不能被忽略。     

快速公交系统站台停靠时间模型研究

快速公交系统停靠站台停车延误是影响快速公交运行车速的关键因素之一,因此构建快速公交系统站台停靠时间模型是提升快速公交服务水平的基础理论研究。本文选取盐城BRT-1号线的起始站、中途站、客流离散站等三类站点为研究对象,综合运用数理统计法与数据挖掘法,构建快速公交系统站台停靠时间模型,并对该模型的合理性进行了检验。研究表明:盐城市BRT-1号线三类站台的快速公交车辆停靠时间与上下车乘客人数呈线性关系,即快速公交车辆停靠时间与上下车乘客人数的检验参数R2均大于0.8。     

基于组合预测模型的铁路货运量预测研究

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。     

高铁枢纽建设与城市功能空间协同发展效率评价

随着我国高铁迅速发展,高铁建设如何与城市功能空间协同发展的问题引起广泛关注。为了评价高铁与城市协同发展的效率,本文从城市协同性、高铁枢纽建设、站城距离等角度,构建高铁枢纽建设与城市功能空间协同发展效率评价指标体系。并引入DEA模型进行分析计算其效率匹配度,为城市既有高铁站与城市协同发展程度提供依据。最后以京沪高铁为案例分析了24个车站与所在城市的协同关系效率值,结果表明,北京南站、上海虹桥站等高铁枢纽发展较好,常州北站、苏州北站、天津南站等较差,尤其是天津南站的通过能力、客流量等产出指标还需要进一步加强。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度，提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间，利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间；将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量，基于底层BPNN模型预测车辆在目标路段的行程时间，进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试，并与其他4 种模型进行比较. 结果表明，所提模型具有较高的预测精度，尤其在雨天，比传统BPNN模型预测精度提高57.25%.