列车晚点情况下的地铁运营调整自组织机制研究

在细致梳理他组织模式下的列车运行调整规则与策略基础上,引入智能体概念,借鉴“沙丁鱼群”运动效应,将邻近两列车间的运行时间距离划分为排斥间隔、协同间隔和吸引间隔,继而建立列车间的协同运动关系.运用仿真技术实现了晚点情况下的列车运行调整自组织算例,论证了自组织调整机制的有效性和应用性.     

基于基频提取的舰船辐射噪声监测与诊断技术

状态监测与诊断技术是当前在国内外发展迅速、用途广泛、效果良好的一项重要工程技术.借鉴工业系统的实践经验,结合水声信号处理的长期试验和发展情况来看,在机械状态的监测中频谱仍然是主要的线索,基频是起主要贡献作用的频率.将状态监测与故障诊断技术用于监测舰船辐射噪声,通过监测、分析其线谱中几组典型基频的变化,判定目标是否处于良好运行状态,从整体上评价、预测舰船的技术状态和战术状态,使其达到总体最优,这相比局部最优有更好的经济和现实意义.     

重复驾驶条件下驾驶员记忆增长模型研究

驾驶员的记忆影响视觉搜索及路径规划等驾驶行为,进而影响道路通行效率与交通安全.为了描述重复驾驶条件下驾驶员记忆变化的特征,设计模拟驾驶实验,研究同一场景下重复驾驶对驾驶员记忆的累积刺激.通过场景记忆量表衡量驾驶员的记忆程度,分析了驾驶员记忆增长与重复驾驶次数的动态变化关系,分别采用单分子式、修正Weibull方程及Richards方程建立累积刺激作用下驾驶员记忆增长模型,并以误差平方和、均方根误差和调整 R2为评价指标对模型精度进行对比分析.结果表明,3种模型均能对驾驶员记忆增长特性进行描述,其中 Richards模型精度最高,其平均调整R2为0.9884.Richards模型揭示了记忆的同化与异化作用的本质,更适合建立重复驾驶条件下驾驶员对场景的记忆增长模型.     

公交客车分区域站立密度分布特征

为分析公交客车车厢内站立密度分布的不均匀性,通过调查西安7条线路平峰、高峰的客流量,提出了车厢内站立乘客流的变化特征.基于不同座椅布置模式,分析了不均匀性的起因、分布特征及相互间的关联性,确定了各特征区间内的最大站立密度区域,分析了在乘客选择站立区域的倾向性.结果表明,第一次驻足在B区域和C区域的选择倾向性比重占93.23%;当车厢平均站立密度ρ超过6人/m2时,"轴距1+1后通道1+1"和"轴距1+1后通道2+2"座椅布置的最大站立密度区域分别是B区域和C区域;选择C区域站立的倾向性比重在车厢内站立密度ρ不超过2人/m2时降幅明显,当乘客选择倾向性比重降至40% 后降幅趋缓.     

座椅布置选型对公交客车站立密度的影响

为选取合适的公交客车座椅布置匹配公交线路,阐述了公交客车站立密度的调查方法,提出了公交客车站立密度和调度发班间隔的计算模型,通过参照轨道交通设计规范的站立密度阈值范围规定,分析了所调查的7条线路站立密度分布的合理性和变化特征.通过不同发班间隔和座椅布置来适配固定客流,分析了站立密度随发班间隔和座椅布置变化的分布规律,建立了站立密度适应系数计算模型并分析了模型的数理特征,对比了不同座椅布置车辆适配平峰客流后的适应状况.结果表明,"轴距1+1 ,后通道2+2"能够较多地释放出有效站立空间,5人/m2以上的站间数比重最小,体现了收敛状态,能在满足较短站立时间的同时使乘客能够获得座位的几率增大.     

基于计算流体动力学的最小阻力船型自动优化

基于计算流体动力学(CFD)理论,利用iSIGHT 优化设计平台构建一种船型自动优化方法。该方法集成船型变换及自动生成技术、CFD 技术及优化算法。优化过程中,编制船型参数化融合模块实现船型变换与SHIPFLOW软件输入数据间的自动连接;采用遗传算法与二次序列规划法相结合的组合优化方法实现从全局探索再到局部空间寻优的整个流程。以某双艉集装箱船为例,优化后船体兴波阻力明显下降,总阻力也得到显著的改善,获得了设计航速下总阻力最小的船艏与船艉线型组合,表明了该方法的可行性与有效性。研究显示,所提出的方法可以获得阻力性能优良的船体型线供设计者参考,具有较强的工程适用性,在基于CFD的船型自动优化方面具有广阔的应用前景。

     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.     

跨部门跨区域跨路网交通安全信息融合与集成技术研究

为满足以高速公路为主干的区域公路网交通安全态势的监测、评估及预警的信息需求,针对公安、交通、气象等多部门、多源、异构、海量的各类交通安全信息资源集成关键技术进行了研究并给出解决方案,实现了跨部门、跨区域、跨路网交通安全信息的集成、共享和应用,通过江苏、浙江、江西、云南四省的示范工程验证了解决方案的可行性和有效性.     

基于图模型与卷积神经网络的交通标志识别方法

为了提高交通标志识别的鲁棒性, 提出了一种基于图模型与卷积神经网络(CNN)的交通标志识别方法, 建立了一个面向应用的基于区域的卷积神经网络(R-CNN)交通标志识别系统。构造了基于超轮廓图(UCM)超像素区域的图模型, 有效利用自底向上的多级信息, 提出了一种基于图模型的层次显著性检测方法, 以提取交通标志感兴趣区域, 并利用卷积神经网络对感兴趣候选区进行特征提取与分类。检测结果表明: 针对限速标志, 基于UCM超像素区域的图模型比基于简单线性迭代聚类(SLIC)超像素的图模型更有利于获取上层显著度图的大尺度结构信息; 基于先验位置约束与局部特征(颜色与边界)的层次显著性模型有效地融合了局部区域的细节信息与结构信息, 检测结果更加准确, 检测目标更加完整、均匀, 查准率为0.65, 查全率为0.8, F指数为0.73, 均高于其他同类基于超像素的显著性检测算法; 基于具体检测任务的CNN预训练策略扩展了德国交通标志识别库(GTSRB)的样本集, 充分利用了CNN的海量学习能力, 更好地学习目标内部的局部精细特征, 提高了学习与识别能力, 总识别率为98.85%, 高于SVM分类器的95.73%。     

基于船种聚类的航道通过能力量化方法

为准确计算航道通过能力,针对单双向通航方式并存的混合通航航道,建立了基于船种聚类的航道通过能力量化模型.根据海港航道通航管理规则,对不同船舶种类进行分类,通过聚类算法确定船舶种类特征及其分布概率.与传统航道通过能力计算方法相比,对不同种类船舶所占航道资源分别附以不同权重,同时考虑船舶通航方式改变对航道通过能力的影响,能够更加准确地量化航道通过能力.应用天津港大沽沙航道数据进行了实例分析,目前航道实际月通过船舶约为1 905艘次,计算得到大沽沙航道月通过能力为2 350艘次,并且与港口公共混合通航航道通过能力计算结果4 455艘次/月相对比,前者的结果更符合实际情况,后者的结果明显大于实际航道通过能力.结果表明,基于船种聚类的航道通过能力量化方法能更加准确地反映航道实际情况.