大城市城市轨道交通线网规划关键技术探讨

目前,城市轨道交通线网规划的技术已相对成熟,指导了我国超大、特大城市的城市轨道交通建设。随着城市化进程的不断加快,人口在100万至500万的大城市已成为城市轨道交通规划和建设的重要参与者。大城市在空间、人口、经济、交通出行特征等方面与超大、特大城市存在较大的差异,使得目前城市轨道交通线网规划的技术对大城市的适用性存在一定的局限。通过分析大城市与城市轨道交通的互动关系,提出大城市城市轨道交通线网规划的需求。基于现有的城市轨道交通线网编制技术流程,结合大城市的需求,从前提研究、方案研究、实施规划三个层面,对城市轨道交通线网规划编制中服务范围分析、线网规模确定、近期建设方案制定等技术内容提出优化建议,以适应大城市城市轨道交通线网规划的编制需求。     

Transport network criticality metrics: a comparative analysis and a guideline for selection

ABSTRACT

Transport network criticality analysis aims at ranking transport infrastructure elements based on their contribution to the performance of the overall infrastructure network. Despite the wide variety of transport network criticality metrics, little guidance is available on selecting metrics that are fit for the specific purpose of a study. To address this gap, this study reviews, evaluates and compares seventeen criticality metrics. First, we conceptually evaluate these metrics in terms of the functionality of the transport system that the metrics try to represent (either maintaining connectivity, reducing travel cost, or improving accessibility), the underlying ethical principles (either utilitarianism or egalitarianism), and the spatial aggregation considered by the metrics (either network-wide or localised). Next, we empirically compare the metrics by calculating them for eight transport networks. We define the empirical similarity between two metrics as the degree to which they yield similar rankings of infrastructure elements. Pairs of metrics that have high empirical similarity highlight the same set of transport infrastructure elements as critical. We find that empirical similarity is partly dependent on the network’s topology. We also observe that metrics that are conceptually similar do not necessarily have high empirical similarity. Based on the insights from the conceptual and empirical comparison, we propose a five-step guideline for transport authorities and analysts to identify the set of criticality metrics to use which best aligns with the nature of their policy questions.     

高精度陀螺全站仪在长大铁路隧道CPⅡ平面控制网分段建网测量中的应用

为了确保隧道贯通前CPⅡ分段建网的精度,保障隧道的顺利施工,以格库铁路阿尔金山隧道为工程背景,采用高精度陀螺全站仪对洞内CPⅡ平面控制网加测多条陀螺边,并提出了陀螺定向精度观测精度内检核、多条陀螺边定向复核的方法,对陀螺定向边位置的选择、陀螺方位角观测中误差、陀螺方位角观测值的应用区间进行探讨。应用高精度陀螺定向成果对比分析洞内CPⅡ分段控制网成果,从理论上探讨了加测陀螺边对CPⅡ控制网贯通预计精度的影响,解决了隧道贯通前CPⅡ平面控制网精度无法验证的问题,确保了CPⅡ分段建网的精度,总结出一套高精度陀螺全站仪在长大铁路隧道CPⅡ平面控制网分段建网测量中的应用方法,其中包括陀螺定向边间距约2 km、陀螺定向边采用对向观测、每测站数不小于4测回且观测方向平均测角中误差应小于仪器精度(3.6″)、依据陀螺观测计算方位角与导线推算方位角较差值并将成果应用划为三个应用区间、依据陀螺定向观测精度变换权重降低贯通预计值、优化约束平差计算方案等。     

某地铁列车无人自动折返卡顿故障分析及解决方案

针对某城市地铁车辆在试运行期间频繁发生的列车无人自动折返时的卡顿故障进行了分析研究。简要介绍了列车无人自动折返功能,并从列车网络系统、牵引系统和车辆电路3个角度深入分析故障原因,提出了解决方案。按此方案整改后故障得以完全消除。     

基于网络交通分配方法族谱的交通分配 一体化技术与工程应用

为满足交通规划、建设与管理等应用场景对交通分配多样化的需求，结合目前交通分配方 法族谱中的众多模型与方法，本文构建能够满足族谱中所有交通分配特征的一体化交通分配技 术框架，提出交通网络交通分配一体化技术体系，并将该体系嵌入交通分析平台软件“交运之星- TranStar”中。该技术体系包括：“模型关键参数”“交通阻抗函数”“交通网络交通分配基础模型与 快速算法”3部分模块组合的分析模型一体化；面向步行、自行车、机动车及公共交通等多模式交 通网络的分析对象一体化；针对城市土地开发，交通网络建设，交通管理控制，公共交通系统，以 及交通政策制定等应用场景一体化。选取南京市道路网络和公交网络进行实证分析。结果表 明，本文提出的交通分配一体化技术具有处理超万节点多模式交通网络的能力，对各类交通模 式、典型业务场景的分析结果可为城市交通系统规划、建设与管理提供决策支持。     

基于全以太网的列车网络控制系统在美国地铁列车上的应用

从列车网络控制系统的拓扑结构、通信协议架构、冗余措施及功能描述等几个方面对基于全以太网的列车网络控制系统在美国地铁列车上的应用进行了详细分析与试验验证。在装车调试之前进行系统集成测试可尽早地发现列车网络控制系统或子系统在硬件和软件方面存在的各种问题,大大节省装车调试所需要的人力和时间。     

基于BP网络的球鼻首参数化优化

本文以某集装箱船为研究对象,对降速航行后的球鼻首进行优化。采用Catia建立船体三维模型,为了产生不同形状的球鼻首,选取球鼻特征参数来描述其基本结构;采用拉丁超立方试验抽样方法得到12组不同形状的球鼻首,提出运用非线性拟合能力较强的BP网络构建球鼻首参数和阻力系数之间的关系模型;采用遗传算法对训练后的网络进行极值寻优。结果显示,优化船型的阻力系数显著降低,说明该方法对球鼻首的优化有一定的借鉴意义。     

基于组合预测模型的铁路货运量预测研究

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。     

Strain prediction for critical positions of FPSO under different loading of stored oil using GAIFOA-BP neural network

FPSO (floating, production, storage and offloading) units are widely used in the offshore oil and gas industry. Generally, FPSOs have excellent oil storage capacity owing to their huge oil cargo holds. The volume and distribution of stored oil in the cargo holds influence the strain level of hull girder, especially at critical positions of FPSO. However, strain prediction using structural analysis tools is computationally expensive and time consuming. In this study, a prediction tool based on back-propagation (BP) neural network called GAIFOA-BP is proposed to predict the strain values of concerned positions of an FPSO model under different oil storage conditions. The GAIFOA-BP combines BP model and GAIFOA which is a combination of genetic algorithm (GA) and an improved fruit fly optimization algorithm (IFOA). Results from three benchmark tests show that the GAIFOA-BP model has a remarkable performance. Subsequently, a total of 81 sets of training data and 25 sets of testing data are obtained from experiment using fiber Bragg grating (FBG) sensors installed on the surface of an FPSO model. The numerical results show that the GAIFOA-BP is capable of predicting the strain values with higher accuracy as compared with other BP models. Finally, the reserved GAIFOA-BP model is utilized to predict the strain values under the inputs of a 10-day time series of volume and distribution of stored oil. The predicted strain results are further used to calculate the fatigue consumption of measurement points.     

基于PSO-BP神经网络的船体分段任务包工时定额模型

为解决船体分段任务包工时定额的计算过度依赖线性公式而忽略工时定额与工艺参数之间的非线性关系的问题,提高工时定额计算的效率和精确度,将PSO-BP神经网络技术应用到船体分段任务包工时定额中。通过对影响船体分段中间产品额定工时的工艺参数进行分析,建立多输入单输出的PSO-BP神经网络模型,并应用实际数据对PSO-BP神经网络进行训练,测试仿真结果与实际值之间的误差在允许范围内。验证结果表明,采用PSO-BP神经网络建立船体分段任务包工时定额模型,能对任务包作业工时进行准确预测。