基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

《航道法》可否“药到病除”

一直以来,《航道法》被寄予厚望,成为根治我国内河顽疾的不二法宝,多年来,各界人士不断呼吁,特别是每年的全国"两会"期间,相关代表和委员都给予了充分关注。经过十几年的努力,2014年12月28日,十二届全国人大常委会第十二次会议表决通过了《中华人民共和国航道法》,从而为依法治航提供了法律依据,也为保护宝贵的航道资源提供了法律保障。那么,这一剂良药是否可以对内河顽疾药到病除?为此"两会"期间,本刊特别采访了十几年来始终关注内河发展问题的全国政协委员、交通运输部水运科学研究院副总工程师苏国萃。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

家庭光伏发电系统动态经济调度研究

随着光伏发电技术的快速发展,我国安装光伏发电系统的用户逐年增长,研究家庭光伏系统动态经济优化调度问题具有重大意义。以用户收益最大化为目标函数,设置上网比例和买电比例作为决策变量,充分考虑家庭光伏发电系统的并网收益、购电支出、政府补贴、光伏阵列和蓄电池系统维护支出等因素,确定了发电系统的经济效益调度模型。在MATLAB仿真环境中,以某家庭光伏发电系统24 h内的运行调度为算例,选取目前市面上实行的几种购电电价机制,采用改进型粒子群优化算法对所建立的模型进行寻优求解。分别比较了基本不同电价机制和不同的负荷情况下所得到的最优收益,最终为调度者提供了最好的调度策略。     

国际燃料油市场

3月份市场回顾3月新加坡燃料油价格整体一路走弱,月中以后有所企稳。从现货市场价格来看,截至3月25日,新加坡380CST燃料油现货价格波动区间在296-347美元/吨之间,波动幅度为51美元,3月平均价格为316.75美元/吨,环比上月的334.31美元/吨下跌了18美元,跌幅为5.3%。新加坡市场MGO价格也不断走弱,3月份均价为70.9美元/桶,环比上月的72.1美元/桶下跌1.2美元。     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律，以整个航空出行链为视角，综合考虑空中交通、地面交通和旅客出行选择偏好，构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性，提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性，基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型，基于Logit模型建立旅客对航空出行路径的选择模型，将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解，从而得出客流在机场群间的均衡分布状态.算例结果表明，机场群系统均衡配流模型有效建立了客流分布状态，调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.     

基于机器学习的民航不安全事件信息数据清洗

为解决民航不安全事件信息中分类不准确的问题，提出一种基于机器学习的数据清洗方案。首先，设计了一种基于one class svm的异常值筛选模型，筛选出现有航空不安全事件信息中事发阶段中标签错误的数据。其次，建立了一种基于BERT的分类模型对分类正确数据进行训练，利用经过训练的模型对筛选出来的异常数据进行重新分类。最后，将清洗后的数据与原始数据进行比较，清洗后的数据标签准确率提高了10.2%。实验结果表明，基于机器学习的数据清洗方法能够实现民航安全信息的数据清洗，提高了数据质量。