考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤，一是压缩 AIS 数据，二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法，只考虑船舶轨迹的压缩形状，忽视了船舶航行中其他重要信息。为解决此问题，把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面，传统谱聚类方法只对船舶轨迹的位置进行相似性度量，没有考虑船舶轨迹的其他维度，针对此问题，提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量，引入Calinski-Harabasz指标评价谱聚类算法，实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究，并与传统谱聚类算法做比较实验。实验结果表明，利用该方法提取到的典型轨迹符合真实水域的交通情况，相较于传统谱聚类方法具有更高的聚类质量。     

综合技术在北运河杨洼船闸勘察中的应用*

针对北运河杨洼船闸渗透变形破坏、地震液化、地下水控制及天然建筑材料平衡、水环境亲水安全等问题，采用综合地质测绘、综合工程物探、地质钻探、原位测试、水文地质试验、室内试验、水环境质量调查、BIM等技术对建设场地进行勘察，并对主要工程地质问题进行深入研究。结果表明，采用标准贯入和静力触探综合确定了场地地震液化下限，原状砂土的室内试验确定基础持力层的物理力学性质及其渗透变形等参数；现场抽水试验提出船闸基坑地下水控制的水文地质参数；BIM对开挖弃土工程量进行精细计算；水质的全分析确定水体对人体不会造成健康风险，勘察效果良好。     

公铁竞争下铁路货物列车开行决策与定价综合研究

随着公路货运与铁路货运间竞争关系的持续激烈化，我国铁路货运存在市场分担量不足、企业经营效益有待提升等问题。充分利用铁路经济性优势，同时协调铁路列车开行决策方案、降低成本并确保铁路企业利润，有利于铁路增强货运收益，更好的参与市场竞争。基于对列车开行决策与运输定价间关联性的探讨，以货运分担量及运价为决策变量，构建出一个公铁竞争环境下的铁路货物列车开行决策与运输定价综合优化模型，以此实现铁路企业利润的最大化和货主广义费用的最小化。通过算例验证得出该模型满足可行性与合理性要求，能够促进铁路达到一定的市场分担率水平、创造较高的经营效益。     

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究

针对城轨列车运行过程中轴箱轴承故障难以发现的问题，提出一种利用蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)对变分模态分解(Variational Mode Decomposition,VMD）参数进行优化的轴承故障特征提取方法。首先构建基于轴承-车辆刚柔耦合的轴承故障动力学模型，提取轮轨激扰和轴承故障情况下的轴箱振动信号；然后利用蝴蝶优化算法对轴箱振动信号的VMD模态分量数和二次惩罚系数进行寻优，确定最佳参数组合；最后利用已确定的最佳参数对轴承振动信号进行VMD分解，得到不同本征模态分量(Intrinsic Mode Function,IMF)，并对最佳模态分量信号进行包络分析，识别到轴承故障时的特征频率。试验分析表明，基于优化参数的VMD分析方法能够有效提取轴承故障特征频率，通过经验模态分解(Empirical Mode Decomposition,EMD)分析方法对比，可以发现文章提出的分析方法效果更加有效。     

齿轨铁路基础设施综合维修体系研究

根据齿轨铁路的工程特点,分析齿轨铁路基础设施综合维修的相关需求。借鉴国内既有铁路的综合维修模式,提出适合齿轨铁路的综合维修模式。进而对综合维修体系的组织机构设置及具体机构布点提出了建。     

不确定环境下交通网络应急预防护优化研究

交通网络是灾害发生后实施及时救援和应急疏散的重要物质基础之一.为提高交通网络在灾害中的抗毁能力,保证交通网络的可靠性,针对不确定环境下的交通网络应急预防护问题,以灾前养护加固成本和灾后修复费用最小化为目标,同时考虑资金预算、灾后网络连通性、旅行时间可靠性和灾后路段通行能力等约束,构建了双层规划模型进行问题描述,并利用基于Frank-Wolfe的模拟退火算法进行设计了问题的求解方法.算例计算分析表明,所提出的模型和算法计算快捷,结果合理.研究结果表明:养护后的交通网络抗灾效果明显,本文提出的方法可以为相关问题提供有效的决策依据.     

船舶避碰的粒子群-遗传(PSO-GA)的混合优化算法研究

随着海运航线的愈加繁忙,船舶碰撞事故时有发生,为避免船舶发生碰撞,船舶避碰决策研究已成为目前研究的热点.本文在既往研究的基础上,综合考虑船舶避碰的经济性及安全性要求,基于粒子群算法、遗传算法与非线性编程理论,建立了船舶避碰路径规划的优化模型,并通过具体案例进行仿真分析.仿真结果显示,粒子群遗传混合优化算法的收敛速度较快,船舶避碰的优化路径能够同时满足经济性及安全性要求,算法的有效性及运算效率均有了显著提高.     

BIM技术在城市轨道交通工程设计中的应用

随着城市轨道交通的快速发展,建筑信息模型技术(BIM)在轨道工程的设计已有广泛的应用.文章就BIM技术在上海某在建城市轨道交通管线设计中的应用实践,分析总结在城市轨道交通车站空间管线碰撞检查和后期现场施工配合中出现的问题,提出相应的解决方法,可以协助设计找出管线排布最优方案,节省管线材料,可在最大程度上避免施工过程中可能造成的浪费,提高现场的生产效率.     

基于语义挖掘的快递运输货品风险评价研究

为提高快递运输的风险监测管控能力，降低因快递货品风险导致城市安全事件发生的可 能性，本文基于语义挖掘方法将快递运输货品描述转化为风险的量化表征，为快递运输风险评价 提供可量化的客观指标依据。基于网络大数据资源提供的法院判决书数据，将物品词条与判决 结果相关联，通过隐狄利克雷分布模型挖掘物品风险主题，结合模糊均值聚类方法，实现对快递 货品语义风险的量化表征与柔性划分。与传统方法中依赖检视人员查验既定违禁品清单后的主 观判断方法不同，本文充分挖掘网络文本数据中的可迁移知识，并应用于种类繁多的快递运输货 品，有效避免人工评价造成的漏检、错检情况。研究结果表明，本文方法具有较高的准确率与较 低的误报率，获得的风险评价值不再是0或1的是非判断，有利于开展多样化、针对性的风险预警 及应对措施。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.