隧道内列车振动对近接建筑物的影响分析北大核心

针对运营列车通过隧道时引起近接建筑物地面振动进行了现场测试,并对测试数据进行了功率谱、Z振级及1/3倍频程分析。在此基础上,利用有限元软件建立了围岩-隧道-轨道结构振动模型,对运营列车引起的建筑物振动进行了计算分析。结合实测与计算结果,对近接建筑物的振动特性进行了评价。结果表明:列车以速度300 km/h通过隧道时,地面振动功率谱主频白天集中在33.0 Hz左右,夜间集中在42.7 Hz左右,夜间的主频比白天大;地面各测点处Z振级的总体趋势是先波动式上升,再平缓波动,后逐渐波动式下降,地面Z振级主要集中在20~80 dB;1/3倍频程分频最大振级白天位于48.4~60.8 dB,夜间位于47.4~59.4 dB;列车通过隧道时基础处振动速度峰值整体呈波浪形分布,引起的地面振动速度小于0.045 mm/s,小于规范限值要求,对建筑物基础以及人体舒适度的影响较小;在缺乏大量实测结果的条件下,结合小样本实测结果,采用有限元计算结果进行振动响应评价具有一定的可行性。     

电力机车用复合绝缘子运行性能及使用寿命预测方法概述

电力机车用复合绝缘子是受电弓、真空断路器等高压网侧设备的支撑装置,其在运行环境等因素下的老化失效问题直接影响电力机车运行可靠性。文章系统分析了电力机车用复合绝缘子老化的影响因素和作用机理,重点对复合绝缘子的外观现状、电气性能、憎水性能、老化性能等运行性能及使用寿命预测方法进行了研究。通过对试验结果、试验数据的分析,提出一种电力机车用复合绝缘子使用寿命预测方法,可用于电力机车用复合绝缘子老化性能的评估。     

我国高铁快运潜在市场规模预测

对我国高铁快运的潜在市场规模预测，有利于优化高铁快运服务质量，支撑高铁快运服务产品开发。以快递量作为潜在转移对象，建立向量自回归模型进行快递量预测；考虑运输安全性、便捷性、经济型、可靠性和时效性等影响因素，构建logit分担率模型进行分担率预测，得到了高铁快运市场可分担率及2020-2025年的潜在市场规模。结果表明，高铁快运市场潜在规模远大于实际市场情况，通过提高寄件服务便捷性，缩减前置等待时间，优化两端作业时间，将有利于提高高铁快运市场占有率。     

基于数据挖掘的高速公路建设项目投资额预测研究

在分析了高速公路投资额与其各影响特征之间关系的基础上，构建了基于BP神经网络的高速公路建设项目前期投资额预测模型，并通过案例验证了模型的实用性和准确性。研究成果可为高速公路建设项目前期科学合理制定投资计划提供决策支持，为项目建设早期做好资金规划提供依据。     

基于锁闭功率的地铁折返道岔锁闭卡阻临界态自适应判别研究

针对地铁折返道岔设备锁闭卡阻故障易发生但不易预判的问题,以S700K转辙机为研究对象,从统计学角度,基于锁闭功率建立自适应的锁闭卡阻临界态判别新机制.对锁闭卡阻故障前的锁闭功率变化行为进行了统计分析;提出基于循环Otsu的卡阻临界功率阈值自适应分割模型,依据临界阈值设计锁闭卡阻临界态判别应用场景方案;利用武汉地铁不同线路的多组道岔锁闭卡阻故障前后锁闭功率数据进行实证测试,验证了所提模型和方案的有效性.     

新线接入条件下的城市轨道交通网络起讫点客流量预测模型

新线接入将导致城市轨道交通网络连通性等特征发生一定的变化,影响相关线路的客流分布,进而需要对客运组织和行车组织做出调整.分析不同类型新线接入的影响,采用站点进出站客流量数据来表征土地利用变化,通过站点分类与匹配,构建站点进出站客流量预测模型;在此基础上,对网络起讫点矩阵进行区域划分,结合每个区域客流的特点,分别构建相应的客流起讫点预测模型,并以深圳地铁11号线接入作为实际案例,来验证模型和方法的有效性和适用性.验证结果表明,新线接入后的客流分布预测以及客流影响评估,有助于运营管理部门分析掌握新线接入后的实际客流变化情况,以制定与优化相关线路的运输组织方案.     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度，提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间，利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间；将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量，基于底层BPNN模型预测车辆在目标路段的行程时间，进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试，并与其他4 种模型进行比较. 结果表明，所提模型具有较高的预测精度，尤其在雨天，比传统BPNN模型预测精度提高57.25%.