公路企业竞争力评估方法研究

合理地评估公路企业竞争力，以便为企业制定竞争战略，是一个值得关注的问题．文中以我国上市公路企业为对象，建立了公路企业竞争力评估的多指标体系和综合指标，采用层次分析法计算指标权重，提出了公路企业竞争力评估方法．研究表明，该方法可以有效评估公路企业竞争力，通过对企业竞争力影响因素分析，能够确定公路企业的竞争策略。     

基于马尔可夫预测模型的桥梁养护时机研究

文章研究了桥梁技术状况的时变规律,根据模糊评价理论结合马尔可夫过程方法 ,给出了桥梁技术状况和养护费用的预测模型。算例分析表明,该方法可进行桥梁技术状况预测,从而揭示出桥梁技术状况发展规律并预判到潜在的危险,以便在时间和空间上优化分配养护预算,确保桥梁在目标使用期内安全和合理使用。     

从六沾铁路接触网验收对施工介入的思考

总结六沾铁路接触网验收工作中发现的具有代表性的施工质量问题,从接触网设计和工程开工准备阶段、施工阶段、调试阶段及接触网器材验收检验等方面,提出施工介入的重点工作,为接触网设备接管后的运行安全、方便管理、节省维护成本创造条件。     

我国铁路编组站综合自动化系统技术述评

综述我国已建成的铁路编组站综合自动化系统的实现目标、主要功能和运用效果,分析现状,探讨今后提高和发展方向,指出编组站综合自动化技术必将在我国编组站建设和改造中得到广泛的应用。     

重载组合列车分布动力机车重联控制系统无线传输同步性研究

为提高重载组合列车各重联机车无线控制的同步性能,基于800 MHz无线电空间波无线传输模式,建立重载组合列车分布动力机车重联控制无线传输同步性的马尔可夫决策模型,并采用有限阶段向后递归迭代算法进行求解.利用给出的决策模型和算法构建重载组合列车分布动力机车重联无线同步控制系统,并安装于神华线万吨重载组合列车的机车上进行测试.测试结果表明:机车间重联信息无线传输的平均周期仅为2.5s,小于美国GE公司LOCOTROL系统3s的平均周期,能够满足神华线重载组合列车运行的基本要求;采用800 MHz双频点组成双网传输,在无线电波弱场区能克服空间波传输受到干扰的影响,减少延迟时间.     

基于DFTA的地铁车站级综合监控系统可靠性分析

地铁综合监控系统是整个地铁系统可靠安全运行的重要保障,由于其具有可修性、功能相关性、顺序相关性、容错性及冗余性等特点,本文采用动态故障树分析法(DFTA)对其进行可靠性分析。在引入新的动态可靠性指标的基础上,采用直接计算法和Markov矩阵迭代法求解,最后引入分层迭代方法对DFTA进行改进,可减小运算量,使得这些动态指标可应用于地铁综合监控系统整个动态故障树的可靠性评估。本文建立某典型地铁综合监控系统的车站级综合监控系统(SMCS)及其3个子系统的DFTA模型,研究3个子监控系统互联对整个车站级监控系统可靠性的影响。研究分析结果表明,动态故障树分析法在对地铁综合监控系统可靠性的分析中能够考察各子系统互联对系统可靠性的影响,具有较强的实用性。     

北京地铁投标报价方案策略分析

根据北京地铁招标文件的特点,从如何确定投标总价、如何采取相应投标策略、如何调整投标报价组成等方面,结合个人体会,介绍在投标过程中确定一个合理的投标报价方案的步骤和具体的实施办法。     

基于实时Linux计算机联锁系统实时性分析与改进

计算机联锁系统是保障列车在车站范围内安全、高效运行的实时控制系统,它必须具有非常高的安全性、可靠性.这首先应该解决实时性的问题,针对基于Linux下的计算机联锁系统的实时性进行分析,并结合计算机联锁系统的实时性模块给出分析,采用实时Linux系统进行设计与实现,并对改进后的系统与原系统进行测试比较.     

城市道路建设项目后评价中过程评价的指标与方法研究

对城市道路建设项目中过程评价的指标体系和评价方法进行了探讨,并根据城市道路交通建设项目后评价的特点,提出了采用层次分析的方法进行项目的过程评价。     

Comparing prediction methods for maritime accidents

ABSTRACT

The purpose of maritime accident prediction is to reasonably forecast an accident occurring in the future. In determining the level of maritime traffic management safety, it is important to analyze development trends of existing traffic conditions. Common prediction methods for maritime accidents include regression analysis, grey system models (GM) and exponential smoothing. In this study, a brief introduction is provided that discusses the aforementioned prediction models, including the associated methods and characteristics of each analysis, which form the basis for an attempt to apply a residual error correction model designed to optimize the grey system model. Based on the results, in which the model is verified using two different types of maritime accident data (linear smooth type and random-fluctuation type, respectively), the prediction accuracy and the applicability were validated. A discussion is then presented on how to apply the Markov model as a way to optimize the grey system model. This method, which proved to be correct in terms of prediction accuracy and applicability, is explored through empirical analysis. Although the accuracy of the residual error correction model is usually higher than the accuracy of the original GM (1,1), the effect of the Markov correction model is not always superior to the original GM (1,1). In addition, the accuracy of the former model depends on the characteristics of the original data, the status partition and the determination method for the status transition matrix.