基于复杂线路条件下GSM-R网络优化的研究

以复杂线路条件下GSM-R网络优化为研究对象,提出重视GSM-R网络干扰,着力优化GSM-R网络总体思路基础上,重点阐述系统内部网络优化的作用、目标、内容、流程及方法,并以京包客专、唐包线、京包线交汇并线区段网络优化取得的实效,印证所提建议符合现场实际和铁路运输发展需要。     

2015年雪佛兰科鲁兹 漏电检修

故障现象:一辆2015年雪佛兰科鲁兹,车辆停放3天后,启动不着,更换过蓄电池,故障依旧.故障诊断:接车后,我们先测量蓄电池容量,蓄电池寿命在90%,电量在60%,从这个测量结果来看,此车蓄电池没有问题,只是电量不足,与客户沟通,先给蓄电池充满电,再测量漏电.我们对蓄电池充电到98%,这一步在做漏电测量时非常关键,蓄电池电量不足测漏电时,蓄电池电量消耗特别快,我们把蓄电池电量比作一个漏斗,越往下,电量衰减得越快.     

轨道交通审批趋严,未来投资降温?

“十四五”期间,国家发改委将进一步细化城市轨道交通审批条件,不受理不具备条件的城市和一般地级市的首轮建设规划;同时规定开通运营三年后客流不达标的,不能上报新一轮建设规划。另外,原则上低运量轨道交通项目工程费用和车辆购置费,不得超过1亿元/公里,初期客流强度不得低于0.1万人次/公里日。     

基于细节层次模型的公共自行车调度方法

公共自行车系统作为城市公共交通的重要组成部分，对于缓解城市交通拥堵和建设低碳、环保的出行体系起到了积极的作用。然而，由于公共自行车系统的借还车需求在时间和空间分布上存在不均衡性，在使用公共自行车时，经常遇到“借车难”或者“还车难”的问题，使得出行者不得不放弃使用公共自行车出行。为了有效地提升出行者借还公共自行车的成功率，研究了1种基于细节层次模型的自行车调度方法。基于公共自行车站点之间的相似度，采用谱聚类算法对站点进行层次划分，形成基于空间范围（即公共自行车站点所占据的地理空间区域）的站点簇；在每个划分层级上统计不同簇之间的自行车借/还需求，结合遗传算法对调度车辆的运输路径进行求解；将不同层级上的调度方案叠加，形成1种调度粒度由粗到细的自行车调度方案。通过对比实验证明:基于细节层次模型的公共自行车调度方法较传统方法减少了42.70%的调度路径，进而减少了相应的调度时间。      

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。      

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。