基于模拟退火算法的共享单车动态调度问题研究

针对共享单车的时空分布不均衡，无法满足部分出行者需求的情况，研究共享单车动态调度问题，以减少骑行需求损失，降低调度成本。本文综合考虑车辆分布的时空变化、满足骑行需求的收益和调度成本，以总利润最大为目标，建立共享单车的动态调度模型，采用模拟退火算法对问题进行求解。算例分析表明，该模型可以有效地指导调度车辆路径的优化调整，减少骑行需求损失，提高用户满意度和共享单车运营商收益，基于模拟退火算法的求解方法表现出较好的收敛性。     

共享单车平台监管指标体系研究

总结共享单车运营过程中存在的诸多问题,从政府相关部门监管共享单车企业运营的角度出发,在运营管理、配套设施、设施维护和人员配置四个主要方面建立监管指标体系框架,并初步提出评价指标,为政府监管共享单车企业运营提供建议和参考。     

共享单车停车选址研究综述

共享单车是一种低碳环保的绿色交通工具,它的广泛使用有助于我国双碳目标（碳达峰、碳中和）的实现,然而单车乱停乱放阻碍了正常的交通运行,导致了巨大的安全隐患,研究共享单车的停车选址问题有助于规范共享单车的停放。本文就国内外关于共享单车停车选址的研究成果进行梳理,首先介绍共享单车及停车选址研究的发展历史,接着详述国内外目前的主要研究现状,最后总结了共享单车停车选址研究存在的问题和未来可能的研究方向。共享单车停车选址问题的合理解决,对提升共享单车系统的运营水平与服务水平有着重要意义。     

基于机器学习的共享单车热点区域识别及需求预测

近年来,公共自行车交通系统已成为界上很多国家公共交通规划的一部分。无锁桩式共享单车系统,正经历快速发展,引发了公共自行车领域的变革。随着系统规模的扩大和用户数量的增加,共享单车的过量投放和随意停放问题成为系统运营的阻碍。本研究以北京市共享单车系统的运营数据为基础,采用数据驱动模式,探索用户出行需求的时空分布,提出基于机器学习方法的热点区域识别和需求预测框架。借助聚类算法实现对热点区域的识别和划分,借助集成学习实现对出行需求的预测。实验结果显示,模型的平均误差率为6.8%。本研究将在共享单车的空间部署和调度任务的及时安排等方面,为系统运营者提供有效参考。     

共享单车运营规模评估：以台州市为例

2017年，共享单车首次进入台州市场，并为这座城市注入了新的活力，凭借着停取便捷、低碳节能、经济实惠、使用灵活等特点，为城市交通出行解决了“最后一公里”的难题，成为了台州市区居民出行不可缺失的选择。然而，共享单车投放数量的急剧增长也给这座城市带来了一系列管理的挑战，尤其是车辆停放问题、车辆周转率较低及侵占传统公共自行车出行比例的问题。本文以共享单车、共享电单车及公共自行车现状运营特征为基础，并结合台州市“十四五”交通发展规划，对台州市“十四五”期间共享单车的出行比例、容纳量及投放规模进行预测，并对共享单车运营规模的控制及未来发展提出建议。     

轨道站点共享单车和共享电单车接驳特征比较-石家庄的案例

近年来，中国城市中共享电单车出行在共享主动交通（Shared Active Transportation, SAT）出行中的比例迅速增加。在地铁站附近的共享电单车出行成为了轨道加慢行出行模式中的一种方式。但是，由于数据获取的限制和换乘出行识别的技术限制，现有研究对中国城市地铁站附近共享的电单车的出行特征的讨论尚不充分。本研究以共享电单车和共享单车出行特征比较为框架，对比了出行目的地可达性，时辰分布和出行产生率等指标。研究基于距离每个地铁站50米以内的订单信息展开，利用指标数值比较和双样本t检验，对距离、时间和范围的差异进行了描述性分析。时辰分布和出行产生率根据典型工作日分小时和位置汇总，并利用分层聚类方法对结果进行聚类。结果表明，共享电单车将地铁站的可达性从800米扩展到2000米。与共享单车不同，共享电单车可能会在沿轨道走廊方向和地铁具有客流竞争关系。共享电单车的出行目的也并不局限于通勤出行，不同地铁站的出行产生率有所差异。本研究提供了共享电单车的基本出行特征绩效指标，以及与共享单车出行特征差异比较结果。研究结果可对共享电单车和地铁的接驳提供政策建议，并可能对中国城市的公交导向（TO...     

新冠疫情下政府与共享单车企业决策演化研究

共享单车作为一项减少接触的出行方式在新冠疫情下逐渐受到大众的青睐，但骑行人数的增加也使得手部接触感染的风险倍增。为此，本文研究了政府部门是否对单车企业进行监管，以及企业是否建立完备防疫体系决策的动态演化博弈问题。通过构建二者的博弈模型，表征了四种情况下演化的均衡点，同时利用Matlab仿真分析了相关主要因素对演化均衡结果的影响。研究发现，政府部门罚款力度、疫情扩大概率、媒体曝光力度的提高都会使二者趋向于协同抗疫；政府部门补贴力度对演化结果影响并不显著，政府进行监管时应以惩罚为主，奖励为辅；二者防疫成本和对政府部门的问责力度都会影响演化结果。最后，就政府部门对共享单车企业疫情防控的监督机制提出相关建议。     

基于自学习遗传算法的共享单车投放点选址研究

本文将居民作为客户,共享单车投放点作为设施,客户与其最近设施之间的最短距离为目标,基于P-中值问题对实际问题进行建模并对共享单车投放点进行近似最优解的求解。在P-中值模型的基础上,本文针对遗传算法本身由于初始参数固定导致灵活性不高的短板,提出参数自适应的遗传算法,并将其与标准遗传算法在求解精度等多方面进行对比。与遗传算法对比,自适应遗传算法在共享单车选址这类计算规模较大、一般搜索效率较低的问题上,在提高收敛速度的同时也可以避免陷入局部最优解。本文在西班牙马拉加省417个社区的实际案例中,分别使用自适应遗传算法和遗传算法对其共享单车投放点进行选址求解,结果表明,在同等条件下适应遗传算法在提高收敛速度的同时可以求得更优解。     

基于KANO模型的共享单车抗疫功能需求分析

针对不断变异的新型冠状病毒带来的感染危险，共享单车用户除关注单车厂家实施的无差别消毒措施外，还期望企业推出具有抗疫或防疫功能的单车。采用问卷方式总结出用户对抗疫或防疫功能单车的具体功能需求；随后采用KANO模型进行二次调查以获取单车抗疫或防疫功能的样本数据，在对有效数据进行分析后，得到共享单车的病毒示踪功能具魅力属性、安装抗菌把手和座椅为期望属性；无差别消毒为必备属性、配置备用消毒用品具反向属性特征。这一结论可以为企业在提升共享单车抗疫、防疫功能的同时拓展客户群或增加品牌粘性提供决策参考。     

共享单车停放区设计规划——以南码头路街道为例

随着共享单车的兴起,共享单车在居民出行"最后一千米"承担着愈来愈重要的角色。共享单车作为城市慢行交通的重要组成部分,其带来的乱停、乱放和机非混行干扰交通流等问题应引起城市交通管理者的重视。以南码头路街道为案例进行调查和研究,结合现有的交通政策、法规、规范及自行车停车场设计原则、选址要求和指标等,确定区域停放区面积和共享单车数量需求。将城市土地利用性质和道路规划布局现状与共享单车停放需求相结合,合理布局、规划共享单车停放区,对规范共享单车的停放和使用具有重要的现实意义。     

共享单车停放需求影响因素分析和预测研究

为了解决城市共享单车的乱停乱放问题,本文基于北京市的共享单车出行大数据,提出了共享单车停放需求预测的多项Logit模型。首先分析了单车停放需求的影响因素,然后选取了时间、空间及天气方面的12个因素为自变量,通过Wald检验分析了这些因素与停放需求的相关性和显著性,基于多项Logit模型建立了共享单车的停放需求预测模型。结果表明:工作日、时段、商业区、所临道路类型、临近轨交站、高温、下雨、以及风力等级与共享单车停放需求显著相关;构建的预测模型总体预测准确率为77.5%,其中对出现频率最高的低停放需求预测准确率高达86.49%。     

考虑预弯和气弹变形的大型风力机叶片气动外形优化

目前,风力机正朝着大型化和轻量化的趋势发展,导致叶片弹性变形量变大,叶片撞塔风险增加。因此,目前商用大型风力机的叶片大多采用预弯设计,然而企业通常采用工程经验进行预弯设计,缺乏系统科学的预弯设计方法。考虑大型风力机叶片气弹变形与初始预弯设计的内在关系,以降低叶根弯矩为目标,使用粒子群算法对风力机叶片进行气动外形优化设计。结果表明,优化后叶片的叶根弯矩以及叶尖与塔筒之间的净空距离均降低,本设计方法有助于实现风力机的增功降载以及安全稳定运行。     

基于北斗高精定位技术的共享单车精细化治理应用研究

依托北斗高精定位技术优势,围绕共享单车入栏结算系列关键技术、行业监管创新等,深入分析了我国大中城市共享单车行业治理存在的痛点问题,探索出一套共享单车行业精细化治理模式。通过深圳的实践应用可以看出,该模式能够有效规范停放、提升周转效率、降低运维成本、强化行业监管,经济与社会效益显著;同时也有助于推动北斗高精定位技术在交通运输行业应用。     

基于双线性递归神经网络的交通流量预测方法

为了提升城市道路智能交通控制和管理的合理性和有效性,从交通流时空特性角度出发,提出基于优化双线性递归神经网络的城市道路交通流量预测方法。该方法有效结合双线性多项式快速准确求解和递归神经网络的动态校准的特点,采用粒子群算法实现冗余神经元和权值的动态剪枝过程,提升了算法的收敛速度和预测精度。采用视频数据对算法进行训练和实验,并进行对比分析。结果表明：该方法能够实现对道路交通流量的准确预测,交通流量预测精度达到90％以上,满足实际交通管理和控制的数据精度要求,同时算法的收敛速度也有明显的改善。     

基于IPSO-SVM的双塔斜拉桥线形预测研究

斜拉桥的施工线形控制与预测是斜拉桥安全施工与运营的关键。文章以某大跨度斜拉桥工程为背景,针对大跨度斜拉桥施工线形控制与预测问题,提出了一种基于非线性粒子群算法优化支持向量机的斜拉桥线形预测模型。通过支持向量机建立了影响斜拉桥结构响应的随机变量与主梁线形之间的关系,并采用非线性递减策略改进惯性权重的粒子群算法对支持向量机参数进行优化,得到了斜拉桥线形预测模型。相关计算结果表明:非线性粒子群算法对于支持向量机参数的寻优具有更好的收敛性;基于非线性粒子群算法改进的支持向量机对样本数据的拟合精度最高,平均误差<0.005 m;提出的预测模型可以较为准确地预测主梁节段的线形标高,预测结果与实测值、理论值的平均相对误差<2%,可为斜拉桥施工线形控制提供一定的理论参考。     

基于PSO算法的盾构掘进参数寻优方法及应用

为了辅助盾构机司机驾驶盾构机，提供相应的操作建议，依托9座盾构隧道工程，选取5 075 101条盾构掘进状态的时间步数据，分别以盾构耗能最小和施工工期最短为决策目标，基于PSO算法对盾构机司机主动操作的刀盘转速和总推力两种掘进参数进行寻优，从而根据不同种类土的寻优范围给予司机实操建议，并对比优化前后的效果。研究发现：（1）以盾构耗能最小为决策目标优化后，刀盘转速和总推力的分布范围大幅度缩小，分布范围由大到小依次是砂层、土层和砾石层，掘进速度也有一定的提升。（2）以施工工期最短为决策目标优化后，刀盘转速的分布范围由大到小依次是土层、砂层和砾石层；总推力和掘进速度的分布范围由大到小依次是砂层、土层和砾石层。优化后能显著提高掘进速度，缩短工期。（3）以工期最短为决策目标的刀盘转速、总推力和掘进速度总体上大于以耗能最小为决策目标的刀盘转速、总推力和掘进速度。适当增加刀盘转速和总推力可以增加掘进速度，缩短施工工期。     

基于多目标进化的航路网络汇聚点设计方法研究

航路网络是实现空中交通的物理空间,其结构的科学性与合理性制约着我国民航业及航空运输业的发展。本文把航路网络规划问题简化为一个等价的优化问题——航路网络汇聚点优化布局问题（CWLP问题）。综合考虑航路网络规划的经济性和安全性,同时考虑到航路网络实际布设时的约束,将CWLP问题建模成带约束的双目标优化问题。为了求解该优化问题,提出了基于全面学习蚁群算法的多目标优化算法,该算法具有较强的全局搜索能力,能同时优化多个目标,较好地解决了CWLP问题。最后通过提出的算法与现行航路网络在经济性和安全性方面进行对比,本文算法优化后的方案显示出了较强的优越性,从而证明了本文关于航路网络汇聚点设计方法的有效性。     

基于EMD-APSO-SVR组合模型的铁路货运量预测

为了提高铁路货运量预测的准确性,减少类似新冠疫情这样突发事件对现有预测结果的不稳定影响,提出一种基于EMD和APSO优化的SVR组合预测模型。在综合考虑铁路货运量受GDP、铁路营业里程、原煤产量、钢材产量、第二产业增加值以及新冠疫情等因素情况下,对选取的货运量序列进行EMD处理,得到不同时间尺度下的IMF和残差;通过APSO优化SVR模型的参数,并利用优化后的组合模型对各IMF分量分别进行预测,相加得到最终结果。将APSO-SVR模型与EMDAPSO-SVR模型的预测状况进行对比,结果表明,本文建立的EMD-APSO-SVR模型的预测结果误差更小,其预测值与真实值的测定系数高于APSO-SVR模型;前者的平均绝对百分比误差仅有0.22%,能有效提升铁路货运量短期内的预测精度。