汽车列车的转弯半径计算

由于运输效率提升的需要,一辆汽车会拖挂多台挂车,为了满足后期运营场景,在设计之初就应对这种汽车列车的最小转弯半径进行计算,评估运营场地或道路情况。文章主要通过汽车列车转动时没有相对转动角速度这一前提条件,对拖拽多台挂车的汽车列车的最小转弯半径进行分析计算,从而得出拖拽3台挂车的最小转弯半径公式,并由此推导出拖拽n台挂车的转弯半径的计算公式。运用该公式对某一机场牵引列车进行计算,该公式的计算结果与实际运营场景相符,证实该公式可用于工程开发和实车应用评估。     

平行流交叉口行人过街控制策略研究

为解决平行流交叉口行人与机动车冲突问题,考虑行人与机动车在冲突点为寻找间隙穿越的交替穿插的抢行博弈过程,重新设计行人过街信号相位方案,提出人车搭接相位行人过街模式;考虑行人专用相位过街模式,给出两种行人过街模式的信号控制策略;构建优化模型,并对模型等价变换,降低计算复杂度.结果显示：常规交叉口处于高饱和状态时,两种行人过街模式下平行流交叉口分别降低了73.8%、50.3%的车均延误,故人车搭接相位过街模式效益更优;人车搭接相位过街模式与不考虑行人过街模式相比,交叉口车均延误仅增加 0.6~3.8 s⋅ pcu-1 .研究成果可为平行流交叉口行人信号配时提供理论依据.     

基于复配硬质沥青的大掺量高性能热再生技术

借鉴法国耐久性高模量沥青混合料的设计理念,充分利用沥青路面回收材料中沥青老化的特性和级配细化的特点,采用硬质颗粒复配低标号沥青,并通过丰度系数指标实现大掺量高性能热再生沥青混合料。室内性能评价与验证表明,热再生沥青混合料实现了大掺量,且性能满足现行施工技术规范要求,同时满足法国耐久性高模量沥青混合料的性能指标,为热再生沥青混合料的设计和应用提供了新的思路,具有较好的经济社会效益。     

考虑动态定价的煤炭调运方案优化研究

煤炭坑口价格的变化与市场供求有重要联系.本文在煤炭坑口价格动态定价的基础上,以煤炭产地和消费地间的煤炭调运量为决策变量,以煤炭流通过程中的总费用最小化为目标,分别构建了煤炭调运系统优化模型和考虑消费者竞争的煤炭调运优化模型,设计了遗传算法和Floyd算法相结合的求解算法.以我国内地煤炭调运问题为案例,分析了价格变化特性、可调出量与消费量比例等因素对煤炭调运方案的影响.结果表明,考虑消费者竞争时煤炭流通广义费用更低;随着煤炭可调出量与消费量比的增加,动态价格较固定价格的煤炭流通广义费用下降更快.     

一种新的任意四边形窗口线裁剪算法

线裁剪技术在计算机图形处理中占有重要地位,是计算机图形学中许多重要问题的基础,关于线段的二维裁剪有许多成熟的算法.在分析已有的二维裁剪缺点的基础上,提出了一个新算法.该算法通过将凹四边形区域转为凸四边形区域,并将该区域分为四个区,对线段进行裁剪,实验结果表明该裁剪方法高效、准确.     

自动引导车辆(AGV)地图生成方法研究

提出了在人工导引方式下生成AGV数字地图的方法.利用立体视觉提取障碍物边界点,将不同视点处得到的观测集成到数字地图中,进一步提高数字地图的精度.由于AGV运动的不确定性,在将最新的观测集成到地图中之前,通过匹配新的观测数据与地图数据计算AGV位置.实验表明了该方法的有效性.     

一种基于蚁群算法的服务组合方法

Web服务是一种新型的信息集成架构,将多个Web服务组合成一个能完成复杂任务的组合技术是Web服务中关键技术之一．文中提出了一种基于蚁群算法的服务组合方法,对于服务序列可生成全局最优联盟,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好．     

自动交换光网络连接管理系统的研究设计

分析了自动交换光网络连接管理系统的功能需求,设计了连接管理系统的主类,并将主类划分成表示层、业务逻辑层和数据访问层的多层结构.设计了端到端连接的创建流程,并通过时序图说明了对象之间的交互过程,以及对象协作图说明了对象之间的协作关系以及数据流向.最后,通过试验网对实现的连接管理系统进行了测试验证.     

信号控制交叉口左转非机动车过街模式适用性

为分析信号控制交叉口两种左转非机动车过街模式（机动车和非机动车一体化模式以及行人和非机动车一体化模式）的适用条件,在动态交通条件下,定量分析两种模式对典型两相位和四相位信号控制交叉口通行效率和安全性的单独与综合影响。在通行效率方面,选取机动车通行能力作为评价指标;在安全性方面,引入一个可比选交通设计方案的指标——交通当量冲突。通过理论与实例分析,从通行效率和安全性两方面给出了两种模式的适用性。结果表明：两种模式在上述方面均有单独优势;两相位信号控制交叉口,在相应的左转非机动车和机动车交通量条件下两种模式均能同时提高交叉口通行效率和安全性;四相位信号控制交叉口,两种模式均不能同时起到积极作用。     

A mixed Bayesian network for two-dimensional decision modeling of departure time and mode choice

The modeling of travel decision making has been a popular topic in transportation planning. Previous studies focused on random-utility discrete choice models and machine learning methods. This paper proposes a new modeling approach that utilizes a mixed Bayesian network (BN) for travel decision inference. The authors use a predetermined BN structure and calculate priori and posterior probability distributions of the decision alternatives based on the observed explanatory variables. As a “utility-free” decision inference method, the BN model releases the linear structure in the utility function but assumes the traffic level of service variables follow multivariate Gaussian distribution conditional on the choice variable. A real-world case study is conducted by using the regional travel survey data for a two-dimensional decision modeling of both departure time choice and travel mode choice. The results indicate that a two-dimensional mixed BN provides better accuracy than decision tree models and nested logit models. In addition, one can derive continuous elasticity with respect to each continuous explanatory variable for sensitivity analysis. This new approach addresses a research gap in probabilistic travel decision making modeling as well as two-dimensional travel decision modeling.