基于价值工程的全生命周期趸船材质方案比选研究

将趸船整个生命周期过程中的技术先进性、经济合理性和环境协调性有机地融合为一体,基于价值工程理论提出趸船材质方法比选。实例表明在千岛湖这样的大吨位船舶碰撞概率很小的水域,采用混凝土趸船明显优于钢质趸船。     

考虑辅路缓冲的快速路紧急疏散最优控制

针对紧急疏散中单向需求激增的情况,提出利用地面辅路缓冲容纳部分疏散车流,从而降低快速路疏散的整体时空风险.基于宏观交通流模型建立了快速路疏散车流演化方程,明确了上匝道车速对主线车速的影响,从而实现经典宏观交通流模型对路网状态演变处理的一致性.针对由下匝道、地面并行道路和上匝道构成的地面辅路行程时间的二分特征,建立了相应的离散时间的流量演化方程.辅路系统方程不仅可以刻画地面辅路疏散车流的主要特征,而且能与已有快速路的状态演化系统实现无缝结合.数值分析表明,利用匝道控制和辅路分流两种手段可以实现系统整体时空疏散风险的最小化控制.     

信号控制下人行横道宽度优化模型

为了提高行人过街安全,本文分析了信号控制下行人过街的时空分布特性,研究行人过街空间区域最大宽度与时间和人行横道纵向位置映射关系;通过对行人流量和分担率两因素的分析,对行人过街空间区域特性进行数学描述,根据实测数据并利用轨迹提取技术获取行人时空数据,建立了满足过街时间约束下的人行横道宽度优化模型;最后利用长春市4处人行横道的行人过街时空信息,以群体过街时间为验证指标对模型进行了验证,结果显示,利用本文建立的人行横道宽度优化模型所确定的行人过街时间在3处地点分别减少5.60%、3.29%和2.58%.本文建立的基于时空安全的人行横道宽度优化方法可为人行横道宽度的设计提供理论参考和技术支持.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

基于混合选择模型的汽车共享选择行为研究

为了深入分析出行者的汽车共享选择行为,首先以技术接受模型和计划行为理论为框架,将对汽车共享选择行为具有影响的心理因素整合到传统的离散选择模型之中,形成混合选择模型.然后,基于南京市的实证调查数据,运用混合选择模型对出行者的汽车共享选择行为进行研究.结果表明,出行者对于汽车共享的感知有用性、感知易用性、行为态度、知觉行为控制等心理态度潜变量对其选择行为产生显著的正向影响,混合选择模型比传统不带潜变量MNL模型对实证数据具有更高的拟合度.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

非完美信息下京津冀区域物流设施选址研究

针对大规模物流设施选址问题,本文构建了非完美信息下设施可靠性选址的连续逼近模型.该模型不仅考虑了设施存在损坏的可能性,而且考虑了由于信息缺失顾客无法获得设施状态且存在返回出发地的行为.由于该模型的结果无法直接确定设施选址点,因此采用Disk算法对该模型的结果进行离散化,获得物流设施选址方案.以京津冀区域物流设施选址为例,验证了该模型有效性并对设施布局特性进行了分析.最后,通过灵敏度分析探讨了不同参数对京津冀区域物流设施选址的影响.     

基于多时间尺度的城市轨道交通短时OD估计

基于状态空间模型构建了城市轨道交通短时OD估计的多模型组合方法,估计早晚高峰期间15 min内进站客流的去向目的站.组合模型以不同时间尺度下的进站客流分流率为状态变量,并利用历史数据预估其中通勤客流的分流率,然后通过交互多模型算法加权融合不同时间尺度下的分流率估计结果.以北京地铁为案例,研究表明:早高峰期间的15 min分流率估计误差的平均值和最大值分别为16.4%和21.8%,晚高峰期间分别为22.7%和24.6%,比既有文献的估计误差减小了约一半.本文的研究成果可为实时的线网客流分布预测提供更准确的输入数据,以辅助运营管理部门实现客流预警和应急响应.     

基于朴素贝叶斯算法的船舶异常行为监测

随着海事事故与海上违法行为的不断增多,智能的监控方法成为降低海事事故,打击海上违法行为的有效手段.同时,船舶自动识别系统(Automatic Identification System,AIS)的普及及船舶交通管理系统(Vessel Traffic Service,VTS)的扩建,又为智能监控提供了数据支持.鉴于此,利用船舶自动识别系统提供的数据,分析通航水域船舶信息的分布情况,根据其概率分布采用朴素贝叶斯算法,从船舶航速、航向及距航道边界距离3个方面,构建船舶异常行为检测模型.最后,以成山角通航水域为例,检验模型的有效性.实验结果表明,构建的模型能够有效地完成异常行为监测,减少海事监管人员的工作强度,同时根据实验结果分析了成山角水域船舶航行的特点,并对成山角定线制提出合理化建议.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.