数据驱动的偶发拥堵时空建模及传播分析

为研究实际的道路交通路网中偶发拥堵的传播和演化特性,充分发挥海量交通流数据的潜在价值,克服现有基于模拟仿真的拥堵分析方法因理论假设和参数设置所导致的 “失真”问题,本文在交通流实测数据的基础上,建立改进的 PLS-STAR模型对偶发拥堵的时空传播结构进行描述,并提出偶发拥堵的直接和间接时空传播效应两种概念对拥堵的时空传播影响进行刻画,从而构造了一种数据驱动的偶发拥堵时空传播效应评估方法.通过北京路网的案例研究发现,路网服务水平的降低,更大程度来源于拥堵传播的间接影响而非直接取决于突发的交通量增加,因此,通过控制拥堵传播来提升城市路网的服务水平仍具有巨大潜力.     

用于软岩隧道快速施工的TWS施工法的开发

将隧道的开挖及支护机械设备集中安装在一辆门架式台车上，以此作为多功能综合性的快速施工的方法，是软岩隧道施工技术发展的一种新动向，本文就有关日本开发软岩隧道内以快速施工为目标的ＴＷＳ情况进行了介绍。     

城市轨道交通快、慢车运营组织模式研究综述

城市轨道交通快、慢车运营组织方案是满足乘客出行时间需求差异的重要途径.本文系统地回顾了快、慢车运营组织方案近年来相关的研究进展及成果,依据相关文献按乘客选择行为、模型构建以及求解方法 3个方面分别进行总结分析.结果表明,城市轨道交通快、慢车运营组织方案可充分考虑运营组织过程中客流时空分布的不均衡特性和非平行运行图的技术特征,实现运营综合效益的最大化.同时,现有快、慢车运营组织模式相关研究成果对乘客的选择行为研究仍有待进一步深入,且模型在构建时仅单独优化部分内容,如停站方案或越行站位置,而未将运营组织过程中的重要因素作为整体考虑.通过对既有研究成果的特点和适用性的评述和总结,为进一步探讨快、慢车运营组织模式的优化提供借鉴.     

考虑开行比例的大小交路列车开行方案优化

分析了城市轨道交通的大小交路列车开行比例关系,划分了2种典型的大小交路列车开行比例;基于跨交路乘客对直达列车的选择偏好与换乘行为,提出了2种开行比例模式下乘客的广义出行费用计算方法;考虑共线区段列车运行间隔的匹配关系,计算了运营车底数量;以乘客出行费用和企业运营费用最小化为目标,构建了适用于多编组的大小交路列车开行方案...     

城市间旅客运输需求预测模型研究

本文以沪宁城市群为例,对城市间旅客运输需求总量、空间分布和运输方式的市场分担率进行研究和预测。文章着重分析影响城市间旅客需求的因素、旅客时间价值和出行广义费用的确定、空间分布模型参数标定和检验及各运输方式市场分担率预测等问题,并且认为高速度、高密度、大容量的铁路旅客运输是城市问（特别是大城市间）旅客运输市场中最有力的竞争者。     

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

基于客流直达的城市轨道交通跨站停开行方案优化研究

随着我国城市轨道交通网络的不断扩大以及高质量发展要求,对网络化运营组织提出了更高的要求.对于不具备越行条件的线路,如何通过停站方案优化来提高列车运行速度是一个重要的研究方向.在对传统A/B跨站停运营模式优劣分析的基础上,提出了通过开行A/B/C 3类列车可同时提高列车运行速度且所有乘客无换乘的方案.首先,基于可乘坐列车...     

恶劣水文条件下无索区钢箱梁安装方案研究与实践

位于钱塘江入海口的嘉绍大桥为国内首座六塔斜拉桥,桥位处水文条件恶劣。无索区钢箱梁安装施工困难。针对其结构特点和建设条件提出了几种安装方案,并对多种方案的优劣及适用情况进行了深入比选,最终确定了嘉绍大桥塔区钢箱梁安装施工方案,并在嘉绍大桥建设过程中获得良好的应用效果。     

列车轴温监测数据软测量方法

为解决监测数据缺失导致的轴温监测系统误诊和漏诊率较高的问题, 提出了一种基于数据特征分析的轴温监测数据软测量方法; 通过轴温监测点的布局与相关性分析, 确定了监测数据软测量的源数据范围; 采用自组织特征映射算法, 通过对源数据归一化、优胜区域定义与隶属度优化, 实现了轴温数据本征维数确定与数据聚类; 引入多维尺度分析方法, 通过数据间距的相似性量化与距离矩阵特征值分解, 实现了轴温数据的类内降维; 采用多维尺度分析方法对类间降维数据再次降维, 提出了一种分步式降维方法, 构建了信息量最大化与计算量最小化的平衡策略; 采用深度学习栈式自编码器方法提取类间降维数据的内部特征, 构建了缺失轴温数据的软测量模型。研究结果表明: 基于降维数据的软测量方法的时间效率比基于原始数据的软测量方法高14.25%;2种方法的精度相当, 当一维数据缺失时, 数据软测量的平均精度可达99.83%;当二维数据缺失时, 平均精度可达99.75%;当三或四维数据缺失时, 平均精度均可达99.16%;在满足最大允许误差2.5%、误差容忍度1.0%条件的情况下, 针对任意缺失维度不高于四维的情况, 提出的方法可有效地实现高精度与高效率的缺失数据恢复。