铁路客运专线运营初期运量预测方法研究

为解决铁路客运专线建成初期客流形成不稳定的问题,充分考虑受运输条件限制的潜在需求,基于运输方式的经济性和运输阻抗,构建多元Logit模型预测通道内转移客流量,通过对比客运专线开通前后客运服务提升率对诱增客运量进行预测。以新建成的成绵乐客运专线为例,分别对其趋势客运量、转移客运量、诱增客运量运营初期预测,得到2017年和2020年通道总客运量,为铁路客运专线系统预测提供一种新思路。     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明:GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。      

基于虚拟样机技术的载货汽车制动性能仿真试验研究

基于虚拟样机技术,采用机械系统动力学自动分析软件ADAMS,建立载货汽车整车虚拟模型,根据标准要求的实车试验方法设置仿真条件,仿真试验结果表明,该载货汽车仿真模型表现出良好的制动性能,后期进行参数修改后可以用于汽车的整车研发中。虚拟样机技术作为汽车研发中的一种新型研究方法,具有重要的现实意义。     

山区农村公路交通安全分析及对策

针对目前日趋严重的山区农村公路交通安全现状,分析了影响山区农村公路交通安全的因素,包括山区农村道路使用者、路况复杂化程度高、视距盲点多、车辆安全性能较低、交通安全基础配备较差等因素。同时,建立了良好的山区农村公路"交通-医疗"管理紧急救援系统,提出了相应的治理对策,对改善山区农村公路交通安全具有重要意义。     

城市公共交通时间差别定价可行性研究

在城市交通出行环境日益严峻的背景下,公共交通已成为城市发展的关键要素之一,如何提高公共交通的管理质量与效能受到越来越多关注。为解决城市公共交通客流时间不均衡、高峰过度拥挤的问题,提出了时间差别定价的概念。梳理了国内外相关研究进展,从乘客出行时间、边际成本和各方利益三方面分析了时间差别定价在我国的可行性,最后研究了推动时间差别定价实施的策略建议。     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

汽车维修与汽车尾气污染治理

笔者重点研究了重庆市在用汽车尾气排放达标、二类及以上维修企业维修竣工车辆尾气达标、维修企业对不同技术状况好车辆维修后尾气排放治理达标问题 ,澄清了在用汽车尾气排放污染治理中主要依靠净化装置的模糊认识 ,明确了提高汽车维修质量和加强汽车维修质量的控制与监管是当前尽快有效控制在用车辆尾气排放的污染 ,减少市内大气污染的方向     

压缩天然气汽车的开发与应用

出于环保和节约石油燃料的需要 ,压缩天然气汽车 (CNGV)目前在我国及世界范围内得到了广泛应用 .笔者介绍了CNGV的工作原理 ,并对其工作性能进行了分析 ,探讨了CNGV技术及其新发展     

基于终点需求可变的市域旅游客流运输均衡分配模型

以旅游者到达目的地城市后的运输优化问题为研究对象,为减少旅游景点游客量和市域客运网运输量失衡的现象,提出了一种基于旅游终点需求可变的运输均衡分配模型。首先,基于旅游者的完整出行过程分析,构建了目的地城市内部旅游客流的交通运输网络;其次,基于市域内旅游出行起点需求固定但终点需求可变的旅游客流出行特征给出了旅游客流出行分布函数形式,建立了基于终点需求可变的市域旅游客流运输分配模型,通过其一阶最优化条件证明了在均衡状态下,旅游客运分布量能满足Logit形式的出行分布函数和出行发生量约束,旅游客流运输分配量能满足用户均衡条件;最后,基于凸组合法的思想设计了模型的求解算法,并在简化的黄山市旅游客流运输网络分配实例中验证了模型与算法的可行性。研究结果表明：旅游终点吸引度的变化和运输线路广义费用阻抗的变化可以同时影响旅游出行需求分布量,运输线路运能的增加可以提高旅游客流分配量,决策部门可通过调整运输网络节点的吸引度来平衡市域旅游资源,运输企业可通过调整运力配置,改善旅游客运服务能力。     

基于CapsNet的行人检测方法及评价

为了提高道路环境中行人目标检测的准确率，改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题，本文提出了一种基于 CapsNet的行人检测模型. CapsNet由神经元所构成的 Capsule组成，通过动态路由协议对物体的实例化参数进行表达和传递，保留了各特征对象间的空间层级，采用 Caltech公开数据库对所提算法的有效性进行验证，并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明：相比于其他主流检测算法，本文算法在确保检测效率的前提下，对数平均漏检率最低可降至 9.17%；且在 Caltech、INRIA和 NICTA数据集的交叉验证实验中，也能达到良好的检测效果，具有较好的鲁棒性和泛化能力.