基于断面客流特征的城市轨道交通行车组织优化方法

以西安地铁4号线为例,基于线路设施和断面客流特征条件,提出了行车组织的优化方法。根据车站条件进行折返适宜度分析以确定小交路区段,分别以乘客服务水平最高和运营成本最小为目标并考虑一定的约束条件构建目标函数,结合Rail Sys软件仿真得到的线路拓扑结构确定了不同交路区段下的列车运行时分及速度,据此标定了模型参数。建立了多目标函数,并利用基于隶属度的算法得到了模糊最优解,求解出大小交路的列车编组数量及行车间隔,给出高峰时段的行车方案。模型计算结果表明,和原设计方案相比,优化方案在满足乘客需求的同时可有效节约运营成本,并显著提高客流时空分布不均衡状态下的线路断面满载率。     

多模式复合交通网脆弱性测度

构建了多模式复合交通网络拓扑模型；在传统测度指标的基础上，从各交通方式的差异性、资源公平性和网络可达性相结合的新视角提出了适用于多模式复合交通网的脆弱性测度，分别为子网敏感度、站点分布均衡度和可达指数；选取3种不同攻击策略进行Python仿真，以特点鲜明的东南沿海发达地区和西南边境山区的实际综合交通网为例，对比分析了网络结构脆弱性的差异性和共同点，多重验证了指标的有效性、稳定性和适用性。研究结果表明：浙江省和云南省多模式复合交通网络均符合小世界网络特性，能够使各交通方式间优势互补，降低网络脆弱性；在3组贡献度参数取值下，无论采取何种攻击策略，当失效节点数量相同时，浙江省子网敏感度从大到小总体趋势为公路网、水运网、铁路网，云南省子网敏感度从大到小总体趋势为航空网、公路网、铁路网；浙江省和云南省的公路网站点分布的基尼系数分别为0.196和0.086,均为分布绝对平均，铁路网站点分布的基尼系数分别为0.559和0.702,均为分布差距悬殊，云南省机场分布的基尼系数为0.363,分布相对合理，浙江省水运网港口分布的基尼系数为0.672,分布差距悬殊，说明需要进一步完善铁路网、水运网和航空网的布...     

基于支持向量机的城市快速路交通拥堵识别方法

首先提出一种基于交通流量-交通密度的二维空间下的交通状态分类方法,在此基础上,构建对拥堵状态和非拥堵状态识别的支持向量机分类器;其次,设计基于支持向量机的城市快速路交通拥堵识别方法的步骤;最后,以西安市南二环快速路采集的交通参数数据为例,对比验证了在不同支持向量机(SVM)分离器下本文提出的城市快速路交通拥堵识别方法的有效性.研究表明:SVM线性核函数分类器的识别正确率(识别正确率均值为91.65%)高于多项式核函数等其他核函数分类器,说明交通拥堵识别的具有良好的线性可分性;不同核函数分类器的识别正确率均高于90%,说明本文设计城市快速路交通拥堵识别方法具有良好的识别性能.     

土地利用因素对城市轨道交通车站客流的时空影响分析

通过建立城市轨道交通站点周边各类用地与客流的拟合模型,分析土地利用因素对客流的时空影响,为制订相关土地利用政策、合理组织站点客流提供依据。基于西安地铁4号线乘客出行特征数据,建立基于地理加权回归(GWR)的车站客流回归模型,量化分析了用地属性对车站客流的时空影响。结果表明:土地利用因素对早高峰出站客流、晚高峰进站客流的解释力较强;土地利用类型对客流的影响具有时空异质性,时间维度的变化与乘客出行目的有关,空间维度的变化与城市空间结构有关。与普通最小二乘回归模型相比,GWR模型能够刻画变量之间的空间异质性,具有更高的拟合精度。     

基于结构方程模型的出租车事故影响因素分析

针对出租车驾驶员工作情况与不良驾驶行为对事故的影响情况,对中国西安、西宁、长春及汕头4个城市21家出租车公司中2091名车租车司机进行问卷调查.在探索性因子分析的基础上,构建工作满意度、鲁莽驾驶及违章驾驶三个变量与事故倾向之间的结构方程模型(SEM).研究结果表明:SEM可以有效的分析和解释出租车交通事故倾向与相关影响因素之间的关系,其中鲁莽驾驶和违章驾驶与出租车事故倾向显著正相关,而工作满意度与出租车事故倾向显著负相关.     

隧道模板在阿尔及利亚房建项目的应用研究

通过对中铁二十局集团BLIDA5000套项目应用隧道模板进行建筑主体施工工艺的总结分析,集中讨论了隧道模板在施工原理、施工顺序、材料使用、设备配置、人工使用及其他施工要点方面的优劣,并从安全、进度、质量、效益等各个方面进行探讨,进一步提炼出成熟经验,以证明隧道模板体系在阿尔及利亚房建项目中应用的可行性。     

5G-R系统核心网5GC组网技术和部署方案研究

5GC是5G-R系统核心网的重要网元,是实现5G-R系统承载无线调度通信、列车运行控制、行车指挥、运营维护信息传送等多种应用业务的关键。为了保证各种应用业务的实时性、可靠性、可用性和可维护性,基于国际3GPP规范,分析了5GC架构和网元功能;结合铁路业务需求、维护需求和应用场景,梳理归纳了5GC组网原则;研究各铁路局集团公司5GC规划部署方案,提出了5GC云平台架构和建设方式等建议;结合5GC网元功能和组网技术,提出了5GC各网络功能容灾备份组网方案建议,AMF/SMF/UPF等网络功能可采用负荷分担方式,其他网络功能宜采用主备工作方式。     

基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明:考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。