山地城市建成环境对居民小汽车拥有影响研究——以贵阳市为例

为分析山地城市建成环境对居民小汽车拥有的影响，探究不同坡度下居民地形感知对小汽车拥有影响的差异，采用贵阳市中心城区不同坡度下的小区居民调研数据，引入3个观测变量来评价居民的地形感知，将结构方程模型（SEM）计算出的潜变量适配值融入Logit模型中，构建包含潜变量和显变量的SEM-Logit模型来研究主客观建成环境与小汽车拥有的关系。结果表明:坡度对小汽车拥有产生积极影响，但不同坡度下的地形感知对小汽车拥有的影响有所不同。在地形条件相对较好的环境中，当小区坡度小于8%，居民对地形感知并不强烈，并认为从小区步行到公共交通站点的距离和时间花费在其承受范围内。因此，地形感知并未对小汽车拥有造成显著影响；在小区坡度为8%~15%时，地形感知对小汽车拥有产生显著负效应。生活在该小区类型的居民，尤其是收入相对偏低的居民，更喜欢选择电动自行车出行，削弱了小汽车拥有量；当小区坡度大于15%时，小区坡度与小汽车拥有量具有正相关性。该小区类型的道路坡度大，居民出行过程中通常会经历频繁的上下坡，造成出行时间花费长，继而形成强烈的地形感知。这严重降低了居民出行选择步行或骑行的可能性，转而提升了小汽车拥有的概率。同时，在SEM-Logit模型中也证明了除地形因素外，家庭年收入、到地铁站最近距离、土地利用混合度、目的地可达性、出行态度对小汽车拥有具有较大影响。      

一类a+b型浅水波方程的爆破现象和无限传播速度研究

本文研究了一类包含了Camassa-Holm(CH)和Degasperis-Procesi(DP)方程的非线性浅水波方程.首先建立了这类方程在Sobolev空间中解的局部适定性,爆破性.其次,我们讨论了这类方程的无限传播速度:如果初始值u0(·)具有紧支集,那么方程以u0(·)为初值的局部解u(t,·)不再具有紧支集,并且它在存在区间内呈现指数衰减的性质.     

基于车辆自动定位数据的有轨电车运行效率分析与应用

结合有轨电车线路的现有车辆自动定位数据,分析有轨电车运行效率及其相关影响因素。其中,影响因素从站台、路段、交叉口3个方面进行考虑。定性分析了不同站台型式、站台位置、交叉口类型的属性特征,并量化不同路段的路段长度、所包含的交叉口个数,同时考虑了交叉口控制策略对有轨电车运行时间的影响。以某已运营的有轨电车线路为例,通过建立多元线性回归模型,从不同层面探究不同因素对已运营有轨电车线路运行效率的影响。最后用模型对有轨电车新建线路的运行效率进行预测,并提出建议。     

动车组WTDS轴温数据的深度挖掘及应用

为进一步对系统动车组车载信息无线传输系统(WTDS)中已有的数据进行深度剖析,总结规律、开发应用,针对WTDS的轴温数据,设定更全面的阈值线,采用标准曲线比样法以及多元非线性回归等数学算法,建立了轴温数据分析预测模型.基于CRH5A型动车组的实际轴温数据,采用上述预测模型预测其未来轴温并进行故障判别,结果表明:该分析预测模型能够有效判别动车组轴箱故障,满足生产实际的需求,具有较高的实用价值.上述预测模型的开发不仅实现了对动车组轴温数据的深度挖掘,同时成功拓展了WTDS的应用范围.     

兰鸟轿车不着车原因在哪

故障现象:1辆日产兰鸟轿车,起动发动机时起动机转动正常,但发动机不能起动。     

空间任意力系平衡方程的独立性

根据线性代数理论，证明了对于受空间任意力系作用的单个刚体的平衡问题，最多只有6个独立的平衡方,发未知力系汇交子一点时，或者未知力系为力偶系时，只有三个独立的平衡方程。     

Delphi和Excel在钢纤维砼配合比设计试验数据处理中的应用

章以《公路工程水泥混凝土试验规程》为标准，利用Delphi编写了砼配合比试验数据多元线性回归分析程序，利用Excel编写了电子表格模板，介绍了用此程序和模板计算钢纤维砼配合比试验数据的实例及其优点。     

数值波浪水槽在半圆堤波浪力计算中的应用

以N-S方程为控制方程,以k-ε模型为紊动封闭模型,采用VOF方法重构自由表面,建立了垂向二维数值波浪水槽。模拟了规则波与半圆堤的作用过程,结果表明,单点数模波压力过程与物模实测结果符合良好。研究中发现,数模计算中若堤后计算区域设置过短,堤上越浪可以引起堤后水量累积和水位上升现象,从而造成堤身背浪面压强总体增大,由此算得的防波堤总水平波浪力最大值偏小16%~20%。提出了将堤后计算区域延长到4~5倍波长的办法,计算结果表明,堤身背浪面压强上升及堤身总水平力下降现象基本消失。     

带小参数的Volterra型方程的非线性边值问题

利用微分不等式方法研究了二阶Ｖｏｌｔｅｒｒａ型方程非线性边值问题ε＾２ｕ＾ｎ＝ｆ（ｔ，ｕ，Ｔｕ，ω（ε）ｕ，，ε），ｇ（ｕ（０），ｕ（０），ε）＝，ｈ（ｕ（１），ｕ（１），ε）＝的解的存在性和一致有效估计，其中「Ｔｕ」（ｔ）＝ψ（ｔ，ε）＋ｋ（６ｔ，ｓＥ）ｕ（ｓ）ｄｓ。