排序方式: 共有66条查询结果,搜索用时 15 毫秒
61.
62.
引言
长期以来,我国在农村公路建设中往往重建设轻规划,有的规划缺乏科学有效的调查分析和数据基础作为依据,由此造成的资金、用地浪费不容小视,也不利于农村地区生态人文的保护和城镇化进程的有序发展。随着社会主义新农村战略的提出.国家对包括农村公路在内的农村基础设施建设的投入越来越大. 相似文献
63.
为研究客运专线区间上GSM-R(铁路移动通信系统)小区内列车信道占用时间和列车呼叫切换率等关键参数,建立了一种新的GSM-R小区内列车驻留时间分布模型.该模型假定GSM-R小区实际覆盖范围服从均匀分布,从而GSM-R小区内线路长度也服从均匀分布,并假定列车运行平均速度服从均匀分布.基于上述假定,获得了模型的理论分析和仿真分析结果.研究表明,当GSM-R小区半径为3~8 km时,该模型的理论分析与仿真分析结果一致. 相似文献
64.
65.
交通流监测存在普遍的稀疏性,理想的交通流预测模型应该能够充分利用交通流数据的特征,克服稀疏性问题.通过大量的数据分析,城市道路交通流被证实存在时序上的周期性特征.同时,数据分析结果也表明了交通观测数据稀疏性的普遍存在,而且稀疏的分布不均匀,有些极端稀疏道路甚至出现数天的观测缺失.因此,交通流预测模型应该有对稀疏的适应性,而季节性ARiMA交通流预测模型的引入能够很好地利用时序周期特征计算交通观测值的缺失.这种模型的优势在于融合了邻近的交通流观察值和交通流数据的周期性,消除了道路稀疏性导致观测值缺失带来的预测障碍.对比试验的展示表明了这种模型对交通流数据周期性特征的利用和对稀疏性的适应. 相似文献
66.
为了对高速铁路有砟轨道几何不平顺幅值超限进行准确预警,结合局部异常因子算法,提出了一种动态检测数据驱动的轨道几何不平顺维修作业识别方法。首先,基于支持向量机(Support Vector Machine,SVM)算法对轨道几何不平顺超限劣化过程进行分析,将影响列车运行的持续劣化超限作为研究对象;随后,使用局部异常因子(Local Outlier Factor,LOF)算法对轨道几何不平顺维修作业进行识别,依据识别结果划分超限劣化过程;最后,对两次维修作业之间的检测数据进行分析,验证轨道几何不平顺幅值的劣化为线性过程,并对几何不平顺幅值进行预测。利用该方法对某线路进行劣化分析,并与近6年的动态检测数据对比。结果表明:该方法识别维修作业准确度达91%;基于鲁棒回归的劣化模型能够准确预测轨道几何不平顺超限大值。该方法不需历史维修作业数据,可自动划分劣化过程,通过几何不平顺幅值预测模型对超限发展进行预测,及时预警几何不平顺超限大值。 相似文献