不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

智能汽车两阶段UWB定位算法

为了提高智能汽车行驶的可靠性,以超宽带(UWB)为研究对象,研究了智能汽车两阶段UWB定位算法;分析了智能汽车UWB定位算法的基本原理与误差来源;建立了测距值筛选与加权位置解算两阶段UWB定位算法,在测距值筛选阶段,采用高斯筛选剔除小概率、大干扰事件,在加权位置解算过程中,根据多测距点的位置坐标加权计算得到最终的位置坐标,以有效减小非视距、多径效应所带来的误差,通过使用抗多径天线以有效减小多径效应所带来的误差,并分别建立了静态补偿和运动补偿策略,以有效减小设备晶振偏差等硬件问题造成的误差;在MATLAB/Simulink仿真平台中搭建一定测距方差约束下的UWB随机测距值仿真环境,对算法进行了仿真测试并与三边定位算法、三边质心定位算法进行仿真比较,分析基站数量对定位精度的影响;搭建实物UWB测试系统,对UWB设备定位精度进行了评估与误差补偿,并对两阶段UWB定位算法进行了实车测试。仿真结果表明：东向和北向的定位误差均值最小分别可达0.382 3、0.447 0 m;补偿后的UWB定位轨迹更接近RT3002所示的轨迹,东向和北向轨迹误差的平均值分别为0.049 2、0.017 8 m,均方根误差分别为0.069 8、0.0264 m。可见,提出的智能汽车两阶段UWB定位算法能够满足智能汽车的定位需求,具有高精度、低成本、稳定性好等优点。     

基于多数据源的CTC调度台工作负荷研究及评定

为准确划分CTC调度台的繁忙程度,提出了一种通过CTC调度台的基础数据对调度台进行划分的方法.参照工作负荷研究中常用的方法,即主观评价法和任务分析法,结合统计学方法中的聚类分析,对某铁路集团有限公司中的17个CTC调度台进行繁忙程度划分.为有效地划分繁忙度,首先,在任务分析法详细分析工作内容的基础上,通过相关分析和回归分析探讨基础数据和工作负荷的关系;然后,基于调度台的基础数据,采用聚类分析中的K-means聚类算法对CTC调度台的工作负荷进行繁忙度划分;最后通过对CTC调度员心理负荷和工作压力的主观评价数据的方差分析来验证聚类划分调度台繁忙度的科学合理性.结果 表明:聚类分析后的繁忙、普通和轻松台之间在主观评价工作负荷上都有显著差异.     

基于智能驾驶员模型的危险跟驰行为特征分析

为提高危险跟驰行为研究的效率和可靠度,创新研究基于智能驾驶员模型(IDM)模型参数的危险跟驰行为定义方法。首先,以NGSIM自然车辆数据集为基础提取跟驰轨迹数据,并通过遗传算法标定IDM模型参数,挖掘驾驶员跟驰行为特征;其次,在分析跟驰行为特征指标分布规律的基础上,考虑指标间的相关性,确定各等级危险跟驰行为指标阈值;最后,设计车辆跟驰的仿真试验,选择6个指标对不同级别危险场景下的交通运行仿真结果进行评价。结果表明,危险驾驶员跟车间距更小,间距波动系数较大,并且会干扰交通整体运行。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.     

聚焦“专业岗位职务能力”背景下的课程改革与实践——以“建筑结构基础与钢筋算量”课程为例

建筑结构识图和钢筋算量是高职土建类专业学生的核心技能之一。通过聚焦"专业岗位职务能力",对课程重新定位,结合工作岗位任务进行教学内容选取并实施综合考核方式,使学生的知识技能更加贴合专业岗位需求,并实现学生学习热情的长效性,让学生更加适应市场需求,取得了较好的教学效果。     

不同滑带角度滑坡作用下隧道衬砌结构受力特征

随着越来越多的隧道工程穿越滑坡区,滑坡与隧道相互作用过程的研究尤为重要. 为研究不同滑带角度滑坡对隧道衬砌结构受力的影响,以大（同）准（格尔）铁路南坪隧道为例,采用室内模型试验、数值模拟的方法,对0°、10°、20°、30°、40°、50°不同滑带角度条件下滑坡推力作用下隧道衬砌结构受力的影响特征及变化规律进行研究. 研究结果表明:滑带角度越小,隧道变形越大,作用在隧道衬砌结构上的弯矩、剪力及土压力越大,并在拱脚处出现最大值,形成隧道拱结构左右受力不对称特征,呈现偏压现象;通过计算隧道拱结构左右两侧的竖向偏压应力比显示,在拱肩位置且滑带为0时,偏压应力比为1.17,随着滑带角度的增大,隧道衬砌拱结构左右应力差越来越小,趋于平衡拱;在拱脚位置,偏压应力比随滑带角度的增大而逐渐增大,隧道衬砌拱结构左右两侧所受应力差越来越大,趋向于偏压隧道,最小偏压比和最大偏压比分别为1.08、1.87.      

中长运距城际旅客出行方式选择行为模型 ——以高铁、民航为例

针对中长距离城际旅客对高铁,民航,空铁联运与民航中转等出行方式的选择行为.应用意向调查(SP)方法选择3个典型OD开展客流调查,构建多项式logit(mnl)模型与混合logit(ml)模型拟合数据,分析影响旅客选择行为的关键因素,说明旅客选择行为的异质特征.研究结果表明:相比MN L模型,ML模型显著提升了模型预测能力,更好描述了旅客选择行为的异质性,更适于出行方式选择行为建模;行程前时间,在途时间,中转时间是影响旅客选择的主要因素;出行目的,公费出行等对出行方式选择也有重要影响;在1400～2000 km运距范围,减少中转时间可以有效提高空铁联运与民航中转出行方式市场分担率;1400 km运距范围内,如果中转时间在1.5 h以内,则民航中转与空铁联运2类出行方式的替代特征明显,2000 km运距范围民航中转市场分担率显著高于空铁联运.     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.