一类面向多属性评价的广义聚合算子MAAO

多属性评价问题中不确定性、不精确性和非独立性导致的非可加性以及可鉴别性是评价中的难点问题.本文基于模糊测度和模糊积分提出一种广义的多属性聚合算子,给出了形式化表达、性质分析和多维描述.该算子能够聚合得到解决上述问题的综合评价结果,对于建立切合实际的定量化评估方法具有较好的现实意义.     

结合部区域入口匝道协调控制模型

针对进出城市的高速公路与关联城市快速路（简称结合部区域）交通拥堵日益恶化的现象,以结合部区域为研究对象,从结合部区域的匝道控制影响因素分析入手,建立了一种适用于结合部区域的单点入口控制模型和多入口匝道协调控制模型,以京津塘高速公路与北京市三环、四环的结合部区域为例,以实地调研及交通流检测数据为基础,通过仿真验证其有效性,为匝道协调控制实际应用提供理论方法.     

高速公路除雪工作探讨

冬季除雪是北方高速公路养护的一项重要内容,通过几年来高速公路除雪的实践,阐述一些符合除雪实际的新思路、新做法,可为同行提供参考与借鉴。     

有效控制和管理工程造价的措施

工程造价管理是一门综合性的学科,合理地确定造价可使各种资源得到充分而合理的利用,并取得较好的投资效益和社会效益。要有效地控制造价必须更新观念,以提高工程造价效益为目的,在工程建设过程中将组织、技术与经济有机地结合起来,建立具有我国特色的工程造价管理模式。     

基于实测速度的山区双车道公路运行速度预测模型研究

在充分研究国内外关于运行速度预测方法的基础上,以北京黄关公路为研究对象,基于实测运行速度并结合山区双车道公路的特点,回归以路线平、纵面的主要参数为变量的运行速度预测模型,并以实测运行速度验证预测模型的有效性。该模型合理、实用,可为开展基于运行速度的山区双车道公路安全性评价提供依据。     

基于出行时间最少的市郊铁路合理站间距研究

市郊铁路在中国的发展较为滞后,现在越来越突出的城市问题迫使大城市寻求向外发展,市郊铁路也逐渐被一些城市重视并纳入规划中.车站的站间距规划与设计也是市郊铁路规划与设计的重要内容,在中国以往市郊铁路建设时,车站根据经验设置而导致运营后客流吸引不足,不能满足市郊通勤需求.合理的站间距对市郊铁路运营后的社会经济效益至关重要,过大站间距使得沿途乘客乘坐不方便,站间距过小则会增加旅客在途时间.市郊铁路主要功能是将远郊乘客快速运送至市区,因而时间是其考虑的重要因素.论文以乘客出行时间为目标,建立模型,求出市郊铁路合理站间距的范围,得出结论是当车站站间距为2.5~5 km时,有利于减少乘客出行时间.      

基于CVaR准则的闭环供应链决策模型与协调策略

为了刻画零售商风险厌恶程度对供应链订货决策和收益的影响,分析次品返修再销售与回收再制造的效果,运用博弈论和条件风险值(CVaR)准则,对随机需求下由风险中性生产商和风险厌恶零售商组成的闭环供应链,构建了分散式决策模型和集中式决策模型;基于合同理论,提出了协调闭环供应链的利润共享合同.研究结果表明:分散式决策订货量小于集中式决策订货量;零售商为风险厌恶型的两类决策模型是其为风险中性时对应模型的拓展,而经典报童模型是本文分散式决策模型的特例;利润共享合同可实现闭环供应链的协调和生产商与零售商双赢.零售商越厌恶风险,其订货量越低;产品合格率越低,订货量越多;这2种情况下生产商、零售商和供应链的收益都将下降.      

基于交换式以太网的TCN设计与实时性能分析

针对传统列车通信网络(TCN)难以满足下一代列车通信网络大容量、实时性的数据传输需求,本文提出基于交换式以太网的列车通信网络(EB-TCN)解决方案,建立了EB-TCN拓扑结构和通信协议栈模型.为了保证EB-TCN的实时性,在通信协议栈中加入实时虚拟层,通过集中式主从调度机制调度底层以太网资源.最后对骨干层和车辆控制层的实时性进行理论分析.新方案较大地提高网络带宽同时,能保证网络的确定性和实时性,能很好地满足传统TCN传输数据的要求,能够成为TCN网络的替代方案.     

铁路客票应急售票系统的研究与实现

介绍铁路客票应急售票系统产生的背景、业务需求,阐述系统的设计思路和设计过程中用到的关键技术,简要说明系统的运行及实施情况.     

基于无监督学习的部分-整体关系获取

针对面向中文自由文本的部分-整体关系抽取问题,提出一种基于无监督学习的方法. 首先提出子模式提取算法,从领域文本集中获取概念对和概念对所在上下文模式,利用概念对和概念对上下文模式建立分布式语义模型;然后采用协同聚类算法将具有相同语义关系的概念对聚合成簇,通过训练L1正则化逻辑回归模型提取簇的特征并得到代表每个簇语义关系的概念对上下文模式;最后根据模式识别表达部分-整体关系的簇,从而获取部分-整体关系概念对. 实验结果表明,该方法取得较好的性能,F度量达到68.97%,优于传统聚类方法（55.77%）和模式匹配方法（61.95%）.