城市公交线网差异化计程票价多目标优化

为获取更加接近实际城市公交线网的票价策略，将出行者的社会互动行为与后悔心理引入广义费用，提出线路客流OD矩阵均衡算法；分别以交通管理部门利润最大化及出行者效用最大化为目标，以公交计程票价、发车频率、私家车停车费为变量，建立固定需求下公交线网差异化计程票价多目标优化模型.引入集群智能多目标优化算法求解，并应用于Mandl 标准公交线网.研究发现：以线路里程为标准，差异化计程票制可以有效降低出行成本；依据帕累托最优解调节票价，可以促进出行者选择行为向优势均衡转移.     

计重收费条件下高速公路用重型车特征分析

以山西为例分析了计重收费对重型车的影响,通过适当经济手段消除车辆超限超载运输,既保护了公路桥梁,又保障了交通安全,进而促进交通事业的健康发展。     

CBTC系统基于站台局域无线覆盖的后备控制等级功能扩展

讨论目前CBTC系统中不同等级后备模式的工作原理及存在的功能缺陷,提出了一种在现有系统上增加站台区域车-地双向无线通信覆盖以实现站区紧急停车防护和站台屏蔽门控制的技术解决方案。     

大型跨海桥梁防撞设施设计与施工技术

结合大型跨海桥梁防撞研究的特点,根据桥区的环境特点和防撞要求,提出适合大型跨海桥梁主通航孔的防撞方案.通过对桥梁防撞方案进行选型研究,考虑采用释能附体钢套箱保护桥梁的主通航孔桥墩,这种防撞设施占用航道空间少,易于制造和维护,具有良好的经济性.采用双层组合模块化防撞钢套箱设计,应用大量自动化焊接、涂装设备,保证大型防撞钢套箱的制造质量和精度,解决大型防撞钢套箱海上吊装问题.通过有限元数值模拟计算,验证该防撞设施的防撞效果和防撞方案设计的可行性,为实际应用提供参考.     

基于无线Mesh网络技术的列车宽带接入原型系统设计

随着高速铁路、公路交通的发展,信息网络的移动接入技术需要得到相应的改善和提高。根据公共移动通信网和铁路专用移动通信网的发展现状,目前有多种列车移动接入技术。通过方案比较,本文原型系统采用了基于无线Mesh网络技术的无线宽带接入技术。当前,无线Mesh网络可遵循的标准有IEEE802.11s草案,该草案对无线Mesh网络的功能、接口及网络协议栈进行了全面的定义。本文根据IEEE802.11s草案,在Linux操作系统下定义了Mesh协议栈框架,并在此基础上设计实现了针对列车的车地宽带接入带状应用场景的无线Mesh网络原型系统,并就搭建的实际网络场景进行了性能测试。实验结果表明,所设计的原型系统基本达到了列车车地宽带接入应用的要求。     

基于无线通信的列车控制系统应用研究

基于通信的列车自动控制(CBTC)系统,尤其是基于无线的列车控制系统(RCBTC)代表了当今轨道交通信号系统的发展方向和先进技术的发展趋势。分析了国内CBTC系统项目的应用状况和无线CBTC系统的原理,从安全性、兼容性、灵活性等方面论述了无线CBTC系统的优势。基于无线的列车控制系统具有性能及成本优势。     

基于案例推理的汽车维修专家系统

依据汽车维修行业领域的专家知识和实践经验，综合运用案例推理、模糊推理和缺省推理等方法，对汽车维修中的多种故障采取原因和症状相结合的维修思路进行推理机制的设置，建立基于案例推理、模糊推理和缺省推理相结合的、能迅速确定汽车维修方案的推理模型，建立了某企业汽车维修系统的原型系统。     

运用经济杠杆长效治理超载超限运输

分析了经济利益贯穿的货主—运输业户—车辆生产、改装厂家的超载超限运输链条的成因、现状和危害;提出了要从以核定载质量为依据转而以货车实际总重和轴载限额为依据对货车实施计重收费的思路,通过区别对待,体现公平,分步推进,累积治理,实现运用经济杠杆,达到长效治理超载超限运输的目的;阐述了江苏、河南、青海等省份实行计重收费所产生的积极效果以及他们推广的安排;提出在计重收费方法以及低速动态轴载称重设备精度、可靠度和价格方面还需要进一步探讨。     

磁导航车体运动数字控制系统数学模型研究

探讨磁导航车体运动数字控制系统的数学模型。用实验方法建立磁导航车体运动数字控制系统典型环节的时间连续数学模型,结合车体运动机械操纵环节的传统数学模型建立整个控制系统的时间连续数学模型。利用Z变换方法把控制系统时间连续数学模型转换成离散数学模型,引入数字控制系统典型环节的数学模型,建立磁导航车体运动数字控制系统的离散数学模型。设计数字控制系统的二次型最优控制器并进行计算机仿真。仿真分析结果验证了数学模型的有效性。     

Identifying tourists and analyzing spatial patterns of their destinations from location-based social media data

Reliable travel behavior data is a prerequisite for transportation planning process. In large tourism dependent cities, tourists are the most dynamic population group whose size and travel choices remain unknown to planners. Traditional travel surveys generally observe resident travel behavior and rarely target tourists. Ubiquitous uses of social media platforms in smartphones have created a tremendous opportunity to gather digital traces of tourists at a large scale. In this paper, we present a framework on how to use location-based data from social media to gather and analyze travel behavior of tourists. We have collected data of about 67,000 users from Twitter using its search interface for Florida. We first propose several filtering steps to create a reliable sample from the collected Twitter data. An ensemble classification technique is proposed to classify tourists and residents from user coordinates. The accuracy of the proposed classifier has been compared against the state-of-the-art classification methods. Finally, different clustering methods have been used to find the spatial patterns of destination choices of tourists. Promising results have been found from the output clusters as they reveal most popular tourist spots as well as some of the emerging tourist attractions in Florida. Performance of the proposed clustering techniques has been assessed using internal clustering validation indices. We have analyzed temporal patterns of tourist and resident activities to validate the classification of the users in two separate groups of tourists and residents. Proposed filtering, identification, and clustering techniques will be significantly useful for building individual-level tourist travel demand models from social media data.