模糊理论在CDMA软切换中的应用

传统软切换一般采用常数阈值,若设置过小,则将占用过多的业务信道;设置过大,则软切换减少,掉话率增加。基于此,本文研究了模糊理论在码分多址移动通信系统软切换阈值中的应用及仿真技术。采用模糊软切换,通过剩余业务信道数量(CHrm)及与移动台连接的基站数量(noBS)输入获得软切换阈值,提出了输入T_DROP、CHrm,输出noBS采用三角形隶属函数及利用加权平均公式的解模糊方案。仿真结果表明,模糊软切换比传统软切换更灵活,它依靠系统环境动态地给出软切换阈值,降低了系统的呼叫阻塞率,提高了资源效率。     

面向实际交通状态的混合动力汽车能耗和CO2排放模型

由于混合动力汽车与传统燃油车的能耗排放因子具有差异性，导致机动车交通路网能耗排放的量化评估存在不确定性。本文建立混合动力汽车在实际交通状态中的能耗和CO2排放因子测算模型，基于车辆比功率VSP(Vehicle Specific Power)作为车辆行驶状态与能耗排放之间耦合关系的表征参数。通过引入内燃机转速区分内燃机开启和关闭工作状态，并计算内燃机开启状态下VSP对应的平均能耗率，同时，建立能够解析混合动力汽车能耗排放产生机理的VSP分布。通过收集典型行驶工况下车辆测试油耗数据和北京市车辆实际行驶轨迹数据，验证了模型的准确性，并应用模型测算混合动力汽车不同速度区间下的油耗和CO2排放因子。研究结果表明：在城市行驶工况(UDDS)和高速行驶工况(HWY)中，模型测算能耗排放因子与真实值的平均相对误差分别为3.7%和-1.7%，与不考虑内燃机开启状态相比，测算误差减少5.6%和4.3%；在实际交通状态下，采用传统燃油车的测算方法会导致混合动力汽车行驶平均速度为高速区间时油耗和CO2排放量被低估，当行驶平均速度为低速区间时油耗和CO2排放量会被高估。     

考虑洪水漫延过程的地铁车站人员疏散研究

提出一种基于元胞自动机同时分析洪水漫延和人员疏散的新方法,以此研究洪水漫延对行人疏散过程的动态影响.基于元胞自动机原理,利用元胞及其周围相邻元胞上一个时间步长的相关状态变量进行水量转移计算,结合洪水漫延对行人的移动速度和运动方向的影响,建立洪水漫延下人员疏散的分析模型,通过数值仿真研究洪水漫延和人员疏散的动力过程.详细分析不同进水口位置和进水流量对地铁车站应急疏散效率的影响.研究结果表明:有洪水时人员疏散的效率显著低于无洪水的情况;进水流量的增加会导致人员疏散效率降低;进水口位置的不同也会对人员疏散的效率造成很大的影响.     

城际铁路CTC中自动折返功能设计与实现

针对提升城际铁路运营效率的迫切需求,在调度集中系统中叠加自动折返功能是一项关键优化内容。以珠三角城际铁路为背景,着重介绍了调度集中系统设计、优化阶段自动折返功能的具体思路与方案,详细描述了折返计划线绘制、车组管理、运营计划发送、折返进路自动办理、自动折返计划等关键环节的实现方法,对实际工程应用提供参考。     

深层搅拌船的自动锚泊定位系统设计与实现

为满足国内首次研发的深层搅拌船的锚泊定位精度，充分考虑作业条件和工作效率，开发出一套全新的自动锚泊定位系统。将模糊控制与状态机控制思想相结合应用于锚泊定位系统，对船舶的当前状态进行模糊控制，状态机将锚泊定位过程划分为若干状态，不同状态采用不同的控制参数，保证船舶快速和精确地定位。结果表明，该系统在满足工程需要的同时，提高了施工效率，取得良好的效果。     

土壤稳定剂改良航道岸坡膨胀土试验研究*

为提高航道岸坡膨胀土的水稳性及干湿条件下的抗裂隙能力，选用浓缩型MB-148 CA型土壤稳定剂对膨胀土进行土性改良。开展土的水稳性、干湿循环条件下的无侧限抗压强度以及扫描电镜试验，从宏、细、微观多角度研究MB-148 CA型土壤稳定剂的改良效果及机理。试验结果表明：1）改良后土体水稳性较好，无侧限抗压强度显著优于素膨胀土。在干湿循环条件下土体强度衰减速率及裂隙扩展速率得到有效抑制。2）土壤稳定剂改良膨胀土的稀释浓度不应低于为1:300（体积比）。     

基于灰岩地质隧道高边坡压力分散性锚索应用研究

本文结合实际工程案例,通过理论推导、对比分析,探讨了压力分散型锚索在灰岩地质条件下锚固段应力、岩体蠕变和张拉方式对锚索的影响,并取得以下成果:(1)推导出压力分散型锚索的切应力和轴力公式,对锚索在特殊地质条件下的设计及应用提供参考;(2)考虑岩体的蠕变效应,并推导其本构方程;(3)利用不同荷载张拉后补偿张拉最后整体张拉的方式,有效改善了压力分散型锚索因锚固段长度不同导致应力集中产生破坏的问题,并与监测值进行对比分析,以验证张拉方式的正确性。     

活塞风对地铁车站站台滑动门风压的影响

基于有限体积法建立了地铁车站三维静态数值计算模型,对列车阻塞隧道时站台滑动门所受的活塞风压进行了计算研究;分别对单、双两种活塞通风条件下,不同活塞风速、阻塞比、滑动门位置对滑动门所受风压的变化规律进行了分析。结果表明,双活塞通风能够有效减弱活塞风对滑动门的风压;单活塞通风条件下,滑动门在最不利位置时,需克服的最大风压约为230 Pa。     

A time-use activity-pattern recognition model for activity-based travel demand modeling

This study develops a new comprehensive pattern recognition modeling framework that leverages activity data to derive clusters of homogeneous daily activity patterns, for use in activity-based travel demand modeling. The pattern recognition model is applied to time use data from the large Halifax STAR household travel diary survey. Several machine learning techniques not previously employed in travel behavior analysis are used within the pattern recognition modeling framework. Pattern complexity of activity sequences in the dataset was recognized using the FCM algorithm, and resulted in identification of twelve unique clusters of homogeneous daily activity patterns. We then analysed inter-dependencies in each identified cluster and characterized the cluster memberships through their socio-demographic attributes using the CART classifier. Based on the socio-demographic characteristics of individuals we were able to correctly identify which cluster individuals belonged to, and also predict various information related to their activities, such as start time, duration, travel distance, and travel mode, for use in activity-based travel demand modeling. To execute the pattern recognition model, the 24-h activity patterns are split into 288 three dimensional 5 min intervals. Each interval includes information on activity types, duration, start time, location, and travel mode if applicable. Results from aggregated statistical evaluation and Kolmogorov–Smirnov tests indicate that there is heterogeneous diversity among identified clusters in terms of temporal distribution, and substantial differences in a variety of socio-demographic variables. The homogeneous clusters identified in this study may be used to more accurately predict the scheduling behavior of specific population groups in activity-based modeling, and hence to improve prediction of the times and locations of their travel demands. Finally, the results of this study are expected to be implemented within the activity-based travel demand model, Scheduler for Activities, Locations, and Travel (SALT).