MOPSO中精英保持策略和最佳解选择方法的改进

为提高多目标微粒群优化(MOPSO)算法处理高维目标优化问题的性能,降低计算复杂度,改善算法的收敛性,对MOPSO算法进行了改进.该改进算法利用扩展E支配 (E-dominance) 方法确定解之间的优胜关系,采用随机方式确定当代最佳解,考虑了算法的收敛性和解的多样性.此外,采用外部种群档案保存精英解,利用非线性函数将优化问题的目标空间映射到有限区域,并在该有限区域内考虑解的优胜关系和分布情况.通过对一系列典型测试问题的仿真研究,结果表明:对于3个以上的多目标优化问题,改进算法的收敛性和计算复杂度都优于原始MOPSO和NSGA2.     

采砂对河道的影响分析及治理措施研究

阐述了河道采砂现状及采砂管理中存在的问题,分析了无序采砂的不利影响;总结了采砂管理中存在的问题.为了实现河砂的可持续性科学开采,提出了以下治理措施:大力推广用人工砂替代天然砂,减少河砂需求压力;调整河道采砂的收益率,控制采砂船只数量和规模,引导采砂经营活动,减少河道采砂管理的压力;推广长江干流河道采砂管理制度,制定科学合理的开采规划;加大采砂管理执法力度,严厉打击非法采砂.     

工作区渐变段设置标准探讨

只有加强和改进工作区交通组织的规范标准，才能有效地减少由于道路施工带来的交通拥挤和交通事故，从而提高交通运行的效率。     

浅析公路运输市场的规范化管理

规范化管理是公路运输市场管理工作由经验管理走向科学管理的关键环节。为实现预期的管理目标，谋求良好的管理效益．首先必须要搞清公路运输市场规范化管理的基本特征、主要内容以及有效的实施措施，只有这样，才能取得良好的管理效果。     

山区公路人性化交通安全设计研究

山区公路交通安全设计必须应用人性化的设计理念,避免对规范生搬硬套、机械使用,但也绝不是脱离规范要求进行主观的臆想,而是要在传统道路线形设计理论的基础上,通过扩大道路安全空间来创造一个良好的交通环境,为山区公路的交通安全提供切实、可靠的保证.     

论黄金分割定律及其在高速公路机电工程中的应用

黄金分割比例无所不在,它造就了一切事物的和谐美,可以应用在艺术、绘画、工程设计等各个方面.在高速公路机电工程的设计和施工中,除了应满足功能上的要求外,考虑黄金分割定律的应用,可以收到意想不到的效果.根据实际情况,黄金分割比例的应用范围可以在0.5～0.75之间.另外,正确利用视错觉,对于视觉效果和实际的使用,都是有很大益处的.     

多层次分析法和模糊评价在桥梁多方案评价中的应用

运用层次分析法和综合模糊评价法从技术、经济等角度评价多种桥梁的设计方案,最后得出评价结论,并结合工程实例说明这一系列的计算过程,可为决策者和桥梁设计评价者提供可参考的方法.     

钢桥面铺装层动力响应分析

本文从动力学的角度出发,应用有限元方法计算了铺装层在不同的模量、厚度和车速条件下的动力响应的变化规律,分析了单轮荷载和双轮荷载两种荷载型式对动力响应的影响,并与以往的静力计算结果作出了比较.分析表明,采用动力计算模式比静力更为不利,在常温及高温条件下,铺装层初始设计厚度较薄时,采用双轮荷载作用形式比单轮更偏于安全,研究成果可为铺装层材料和结构设计提供理论依据.     

面向大客流的城轨备用车投放车站选择与优化模型

为快速疏解城轨线路上车站的大客流,减少乘客的等待时间,研究了备用车投放问题; 在考虑列车追踪关系、列车停站时间等约束的基础上,建立了综合备用车投放时机确定、投放最佳车站选择和时刻表动态调整的多目标优化模型; 界定了城轨备用车开行条件,提出了城轨备用车投放时机的定量化判定方法; 用0-1变量表征车站是否具备备用车投放条件,并将其作为模型输入,以减小大客流车站乘客等待时间和降低运行图偏离时间(延误时间)为优化目标,构建了备用车投放的混合整数非线性规划模型,该模型通过比较不同的备用车投放方案效率得到最佳的备用车投放车站和后续开行计划; 为同时求解0-1变量与连续变量,设计了带惩罚函数的改进粒子群优化算法求解模型。研究结果表明：该方法可对所有符合备用车开行条件的车站制定投放方案,并进一步筛选出最优的备用车投放车站,最多可减少1 318 209 s的乘客等待时间,优化效率为21.9%,且改进的粒子群优化算法对混合整数非线性规划模型的适用性较好; 相比于既有城轨线路列车运行调整和时刻表优化方法,本文提出的方法在应对突发大客流的备用车投放时机上做出了更加定量化的判断,优先考虑了大客流车站的疏解能力和效率,并优化了备用车与后续列车的开行方案,可以有效解决高峰时段车站大客流问题。     

基于深度学习的车辆轨迹重建与异常轨迹识别

车辆移动轨迹的不确定性及异常点段的存在使其在数字交通领域的应用面临挑战.本文构建基于数据增强的LSTM-AE-Attention深度学习模型,进行车辆轨迹重建和异常轨迹识别.首先,使用对抗生成网络和贝塞尔样条曲线从样本量和种类两方面扩充数据集,实现数据增强;其次,通过自编码网络与长短时记忆神经网络提取轨迹特征并完成轨迹...