Benefit of speed reduction for ships in different weather conditions

Currently, the shipping industry is facing a great challenge of reducing emissions. Reducing ship speeds will reduce the emissions in the immediate future with no additional infrastructure. However, a detailed investigation is required to verify the claim that a 10% speed reduction would lead to 19% fuel savings (Faber et al., 2012).This paper investigates fuel savings due to speed reduction using detailed modeling of ship performance. Three container ships, two bulk carriers, and one tanker, representative of the shipping fleet, have been designed. Voyages have been simulated by modeling calm water resistance, wave resistance, propulsion efficiency, and engine limits. Six ships have been simulated in various weather conditions at different speeds. Potential fuel savings have been estimated for a range of speed reductions in realistic weather.It is concluded that the common assumption of cubic speed-power relation can cause a significant error in the estimation of bunker consumption. Simulations in different seasons have revealed that fuel savings due to speed reduction are highly weather dependent. Therefore, a simple way to include the effect of weather in shipping transport models has been proposed.Speed reduction can lead to an increase in the number of ships to fulfill the transport demand. Therefore, the emission reduction potential of speed reduction strategy, after accounting for the additional ships, has been studied. Surprisingly, when the speed is reduced by 30%, fuel savings vary from 2% to 45% depending on ship type, size and weather conditions. Fuel savings further reduce when the auxiliary engines are considered.     

数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。     

基于Markov的系统级动力定位控制系统可靠性分析

针对Markov模型在处理大型冗余系统可靠性问题时会遭遇系统状态量过大,计算耗费时间长,甚至无法有效计算等问题,提出将冗余DP控制系统进行有效分割,分别建立主、备控制系统的Markov模型,进而结合分系统的故障率建立系统级的Markov分析模型。该策略将子系统作为独立的可靠性分析单元,无需获取复杂DP控制系统的所有状态量,大幅减少了系统状态转移的分析量,从而可有效提高冗余控制系统可靠性分析的效率。     

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。     

基于数据驱动的机场水泥混凝土道面性能退化预测

针对机场道面性能退化过程的精确预测问题，本文采用数据驱动的机场道面预测性维护方法，通过指示变量将两种数据集进行联合分析，考虑机场道面性能退化过程受飞行交通量和道面面层厚度的影响，以机场道面性能状况指数衰变的非线性函数为期望函数，建立一种机场道面性能退化双参数预测模型；根据模型的参数估计结果，采用边际效应分析结合预测性能曲线图示，对不同飞行交通量水平和不同道面厚度等级的道面性能退化过程预测进行分析。结果表明，采用数据驱动和非线性混合效应方法，搭载联合估计技术，能较为显著地提高机场道面性能退化预测的精度和效果。     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

水下滑翔机器鱼机构设计与运动性能分析

本文设计了一种具有仿生尾鳍的水下滑翔机器人混合驱动机构,通过内部质量块的平移、旋转、仿生尾鳍的偏置以及外部皮囊的伸缩可实现滑翔机器人的小半径三维螺旋运动。同时,建立了水下滑翔机器鱼的水动力学模型,得到了稳态螺旋运动方程,给出了俯仰调节机构质心位置、尾鳍角、横滚调节机构质心旋转角与转弯半径和垂直速度之间的关系,以及每种稳态螺旋运动所对应的输出变量初值的取值范围。所得结果表明,在俯仰调节、浮力调节、横滚调节和尾鳍驱动的共同作用下,水下滑翔机器鱼可以获得更小的转弯半径,因而机动性更好。所设计的水下滑翔机器鱼在河流和湖泊等环境的水质监测、水下柱形区域取样等领域具有潜在的应用价值。     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。     

基于有限混合零截尾事故预测模型的事故多发段判别方法

为了准确判别事故多发段,有针对性地提出安全应对措施以提升道路交通的安全水平,针对零值缺失交通事故数据并考虑其异质性特点,在单零截尾负二项(ZTNB)模型的基础上建立有限混合零截尾事故预测模型(FMZTNB)。应用R软件对单零截尾负二项模型中的参数进行估计,采用马尔科夫链蒙特卡洛算法(MCMC)对FMZTNB预测模型参数进行求解,并采用Gelman-Rubin收敛统计量对抽样结果进行检查。选择事故风险水平分别为低、中和高的9个路段,分别用2种模型对交通事故次数进行预测。综合观测到的事故次数和相应的事故预测模型结果,采用经验贝叶斯方法对事故相对多发段进行判别。最后采用事故次数一致性检验、判别点段一致性检验和排序一致性检验3种检验方式对判别结果对比分析。结果表明:基于事故率的事故相对多发段判别方法存在较大的不一致性,基于零截尾负二项预测模型的路段事故相对多发判别结果明显优于基于传统负二项预测模型的结果。整体上,基于有限混合零截尾事故预测模型的事故相对多发路段的判别结果高于基于单零截尾负二项分布模型的判别结果。     

城市道路交通承载力研究综述

多年来，广泛的应用场景和领域使交通承载力的基础理论和量化研究方法等成为学术界的热点研究问题。作为城市交通可持续发展的重要指标，交通承载力向上与城市交通规划，向下与机动车需求管理融合，可以得到多个延伸的科研选题。在特定的时空网络中，一定的资源和环境约束条件下，城市道路交通承载力就是道路网络或基础设施现有或未来的承载状态，即交通资源达到最优配置、交通环境稳定时，道路交通设施单元或系统的承载能力或阈值。本文通过系统梳理城市道路交通承载力的国内外研究现状，从基础理论、量化研究方法和实践应用这3方面提出存在问题和发展建议。现有城市道路交通承载力研究存在理论体系不完善，评价量化方法有效性难以保证，评价指标选取缺少标准化，复杂系统承载力缺乏综合的内外部耦合协调分析，以及应用技术方法落后等问题。首先，未来可以建立较完善的交通承载力理论体系；其次，标准化评价指标，建立有效评价模型和耦合协调模型，研究交通系统内外部的耦合协调机制，提出协同优化策略；最后，改进应用技术方法，拓展自身及交叉领域应用。为城市道路交通承载力研究提供理论保障，为促进我国交通可持续文明发展建设进程提供有力支撑。