高速铁路桥上无缝线路力学计算模型对比

高速铁路桥梁、墩台及荷载均具有很强的空间力学特性,平面力学模型不能很好反映上述工况,有着较大的局限性。在吸收前人研究成果的基础上,建立了梁、轨纵向相互作用三维有限元空间力学计算模型,以秦沈客运专线32m多跨简支双线整孔箱形梁桥为例,对其进行了纵向力分析,并与传统平面力学模型进行了比较。对于伸缩附加力,平面模型与空间模型计算结果相差不大;对于挠曲附加力,平面模型与空间模型计算结果有较大的差别;当双线对称加载时,平面模型与空间模型制动附加力计算结果相差不大;在单线制动或双线对向制动时,平面模型的计算结果较多超过空间力学模型的计算结果,其计算结果是偏于保守的。对比分析表明空间力学模型更适宜于各种工况附加力的计算。     

神经网络修正灰色残差模型的交通量预测

通过比较神经网络、GM模型的预测结果,融合GM（Grey Model）模型与神经网络模型并构建组合模型进行交通量的预测,可以克服单个模型所存在的不足。结果证明,该组合模型在交通预测中是可行的。     

基于CKKS加密方案的区块链集成风险评价模型

针对区块链平台中存在的多方数据交互不可信以及隐私数据易泄露等问题，基于CKKS (Cheon-KimKim-Song）全同态加密方案，提出了一种集成风险评价模型，把同态加密算法应用到风险评价中，将多种评价模型与同态加密结合起来.首先，利用三角模糊综合评价方法确定各评价指标的权重，通过多种评价方法处理分布式数据库中的样本数据，获得相关节点对同一交易事件的风险评价结果；其次，利用公钥对评价结果进行加密并进行同态运算，获得密文综合评价结果，以避免风险评价过程中的数据泄露；再次，利用私钥对评价结果进行解码，获得明文综合评价结果；最后，选取5 000个中欧班列企业的样本数据作为案例，利用决策树模型、Adaboost模型、Bagging模型、ExtraTree极端随机数模型、GBDT (gradient boosting regression trees）模型、KNN(K-nearest neighbor）模型、随机森林模型、SVM (support vector machine）模型等最为常见的评价模型进行风险评价，并将经CKKS方案加密后的综合评价结果与明文直接计算的综合评价结果和经BFV (...     

采用板梁有限元模型分析徐州和平斜拉桥动力特性

以徐州和平路跨越铁路站场斜拉桥为背景,建立了空间板梁有限元模型进行动力特性分析,将分析结果与脊梁有限元模型计算结果和实桥测试结果进行了对比．研究结果表明：宽跨比较大桥梁采用板梁结合模型较脊梁模型更准确,对同类型桥梁设计有一定的借鉴作用．     

基于微观损伤的混凝土力学性能数值模拟研究

通过对微平面模型、二维格构模型、随机粒子模型比较,得出细观结构模型的研究结果令人满意.     

电气化列车车体内工频磁场环境测试分析与建模

为了获取不同类型电气化列车车体内通过窗口的工频磁场透入量及其分布特性,根据高速列车、动车、普通列车车体内磁场测试数据以及GB/T 243382009《轨道交通电磁兼容》对磁场测试结果进行了分析;结合电气化铁路供电及车体结构特点,建立了列车窗口工频磁场电磁感应模型,并将模型理论计算结果与实测结果进行比较.结果表明:车体内实测磁场分布与该模型的理论计算结果吻合,窗口透入工频磁场与牵引电流正相关;模型计算结果与实测结果之间的误差可控制在5%,验证了模型的正确性.      

基于梁格法的变宽异型箱梁结构分析

基于梁格法建立线形复杂的异型箱梁结构的有限元模型,得到全桥纵向和横向的内力分布情况。根据梁格法的结果改进箱梁结构和预应力束配置,并建立单梁简化模型与梁格模型进行应力计算结果的对比。结果表明:相对于单梁模型,梁格模型能得到更加准确的计算结果,且体现异型箱梁弯扭耦合的受力特点,可用于指导变宽异型箱梁结构的设计。     

基于模态参数的模型缩减及结构动力学分析

以一悬臂梁为例,在单点激励一单点响应（SISO）的情形下,演示了模态参数模型缩减方法的过程．对于缩减后模型,分别在频率和时域进行动力学分析,所得到的结果与有限元模型的计算结果进行了比较,证明了模态参数模型的正确性．虽然是以悬臂梁为模型进行分析,但是,模态参数模型缩减的方法同样也适用于其他复杂的有限元模型．     

不完整信息下城市交通速度修复算法

通过深入分析不完整信息数据的交通流路段速度,提出神经网络与线性回归组合模型的速度修复算法,利用相关性分析在交通流数据中找到路段速度在时间和空间上影响因素,将在时间上影响路段速度的因素作为神经网络模型的输入变量,将在空间上影响路段速度的因素作为神经网络模型的输入变量,分别输出路段速度预测结果,将以上模型预测结果作为线性回归模型输入变量,最终得出路段速度二次预测结果。     

基于双重力模型和人工神经网络的空中交通流量组合预测

基于四阶段法,采用双重力模型,预测全国空域的交通流量OD分布.针对历史数据的随机性和周期性,建立灰色广义回归神经网络组合模型,得出空中交通流量的预测结果.采用马尔可夫链预测模型,分析了组合预测结果.算例分析表明,对比华北地区空中交通流量统计数据,与回归分析和广义回归神经网络模型的结果相比,本文模型预测结果的精度更高、更可信.     

机器学习——动力学耦合车辆跟驰模型

目前,跟驰模型的建立主要基于动力学方法和机器学习算法,将两者耦合起来建立跟驰模型的研究还没有.以线性组合预测为基础,对最优加权法中的目标函数进行改进,将经典的Gipps模型和基于BP神经网络的跟驰模型(BP Car-following Model,BP)耦合起来,建立线性组合车辆跟驰模型(Linear Combination Car-following Model,LC-CF).结果表明:BP模型的预测结果更加贴近真实值,Gipps模型的预测结果更加贴近安全值;LC-CF模型可以通过调整参数,来控制BP模型和Gipps模型在LC-CF模型中的权重,进而达到控制预测速度的真实性和安全性的目的.     

适应多元交通政策分析的定制四阶段模型研究

作为最常用的交通政策分析工具,城市交通模型在交通政策制定的过程中扮演重要角色。四阶段模型尽管建模相对简单,但其基于小区、基于出行的建模思路在交通政策分析中存在先天不足。活动模型使用基于家庭或个人、基于活动的建模思路,尽管能很好地满足交通政策分析的要求,但由于建模难度较高在中国鲜有应用。对此,基于结构体系与功能模块分离的模型设计理念,采用四阶段模型的结构体系,借鉴活动模型的建模方法提出人口合成、可达性变量、出行时间选择、出行链4个功能模块用以改进四阶段模型。城市可在传统四阶段模型结构体系的基础上灵活选用4个功能模块来定制城市交通模型,在不显著增加建模难度的基础上满足交通政策分析的诉求。     

考虑道路属性特征的中观排放模型研究

准确地对机动车排放污染进行量化评估是机动车排放控制策略制定的前提. 为提高模型计算精度,提出低速行驶比例的概念,用于描述车辆在路段上行驶时瞬时速度的分布特征. 在传统的VSP分布排放模型的基础上,纳入更多的中观影响因素,包括路段平均速度、路段长度、道路等级和低速行驶比例,采用多元回归方法构建一种新型的中观排放模型. 经比对,所建排放模型相对于传统VSP分布排放模型精度更高. 所建模型考虑的新增影响因素均较易获得,故可应用于城市大规模交通路网的排放计算,对提高城市路网排放计算精度,辅助机动车排放控制策略制定具有一定意义.     

一种新的DSS中模型的数据表示方法

提出了一种新的DSS模型表示方法－模型的元组表示方法：把DSS中的模型库和数据库合一为个库－模型数据库,一个模型是模型数据库中的一个元组。该方法的创新之处在于利用了比较成熟的关系数据库管理技术实现模型的管理,是一种简单有效的方法,设计并开发了一个模型库管理系统原型软件验证模型的元组表示方法的可行性,实验表明,新的模型表示方法是可行的。     

考虑道路属性特征的中观排放模型研究

准确地对机动车排放污染进行量化评估是机动车排放控制策略制定的前提. 为提高模型计算精度,提出低速行驶比例的概念,用于描述车辆在路段上行驶时瞬时速度的分布特征. 在传统的VSP分布排放模型的基础上,纳入更多的中观影响因素,包括路段平均速度、路段长度、道路等级和低速行驶比例,采用多元回归方法构建一种新型的中观排放模型. 经比对,所建排放模型相对于传统VSP分布排放模型精度更高. 所建模型考虑的新增影响因素均较易获得,故可应用于城市大规模交通路网的排放计算,对提高城市路网排放计算精度,辅助机动车排放控制策略制定具有一定意义.     

水工模型中变态船模的相似性

为将变态船模应用在变态水工模型试验中,从理论上对变态船模的运动特性等进行分析。变态船模在水中运动应满足几何相似、运动相似、动力相似、操纵性相似等相似条件。从水工模型相似律入手,讨论变态船模在水工模型中的相似规律。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

从对象模型到数据库关系模型的转换

在面向对象的信息系统开发中，必须实现从对象模型到数据库关系模型的转换，以便利用关系型数据库管理系统（ＲＤＢＭＳ）产品。文中介绍了在管理信息系统（ＭＩＳ）开发中对象模型的建立方法，然后通过对对象模型与关系模型的分析比较，发现两者的各个组成部分之间存在着一一对应关系。在此基础上，提出了对象模型向关系模型转换的方法，最后给出了实例。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。