共享停车泊位数量可变下交通流逐日演化规律

为了揭示在共享停车泊位数量可变条件下的网络交通流逐日演化规律,首先构建了共享泊位交易系统,并考虑了交易市场中的共享泊位提供者可以选择2种异质性的价格预期方式,即理性预期方式和幼稚预期方式;而后对共享泊位的均衡价格、2种提供者的占比差、高峰时段公交和小汽车需求的演化规律进行了分析;其次,以2条平行路径的路网为例,对网络交通流量分配的最终演化结果进行了分析;最后,在对上述2个系统的最终演化状态给出定量判据后,以北京市实际路网为例进行了数值试验。理论分析和数值试验结果表明:①对于共享泊位交易系统,若供给曲线斜率小于需求曲线斜率,则共享泊位交易系统的唯一均衡解可实现无条件渐进稳定;否则若理性提供者的交易与预测成本之和大于幼稚提供者,则存在临界提供者选择强度,使得共享泊位交易系统在大于此临界值条件下出现分岔或混沌现象;②对于网络交通流系统,若出行成本对路径流量敏感度小,路径选择概率对出行成本敏感度小,小汽车需求量不大,则系统唯一的均衡解可能是渐进稳定的,否则系统会出现分岔或混沌状态;③当共享泊位交易系统处于渐进稳定状态时,若提供者对共享泊位的价格变动不敏感,用户对其价格变动敏感,潜在共享泊位需求量不大,理性提供者的交易与预测成本之和并非远大于幼稚提供者,提供者选择强度不大,则由于受到共享泊位交易总量的限制,高峰时段的均衡小汽车需求不大,导致网络交通流系统的最终演化状态容易趋向于渐进稳定;④当共享泊位交易系统处于混沌状态时,网络交通流系统会产生更加严重的分岔与混沌现象。     

车用润滑油劣变状态在线监测系统开发

为了避免传统润滑油监测方法操作复杂、成本高、监测周期长且不能达到实时性要求的缺点,采用介电常数现代物理理论和试验分析方法,探讨了润滑油的酸值、铁含量和水含量这三个关键性评价指标与润滑油介电常数的变化关系,验证了润滑油介电常数作为润滑油质量综合评价指标的可行性.另外,通过新油和在用油监测数据的对比分析,开发了可直接测量润滑油品质参数的玻璃管型电容传感器和基于谐波振荡的车载润滑油监测系统,实现了车用润滑油品质的实时监测,确保按质换油.     

车祸增多现象透视

近年来．随着我国各行各业的机械化水平日益提高,机动车辆越来越多,交通事故也呈不断上升趋势。据统计,交通事故起数从1986年的29万起上升到2002年的77万起．死亡人数由5万人上升到10．9万人,可见交通安垒已成为一个社会问题,它关系着千家万户。每一起事故不仅给社会造成危害,而且绐相关家庭带来意想不到的痛苦。严惩交通违章,肇事犯罪,保障国家、集体的财产和人民群众的生命安垒,已是迫在眉睫。     

基于人工神经网络的铣削磨损监测研究

基于人工神经网络模型，建立了切削条件下铣削磨损监控系统。依据机床相关切削参数，以实验方法研究了高速钢立铣刀后刀面磨损BP网络对铣刀的磨损量预报。实验表明：该模型适用于切削条件下的铣刀磨损监控，可以较准确地监控铣刀的剧烈磨损。     

装配扭矩的控制方法及其在线检测

本文简单的介绍了五种装配扭矩的控制方法及其在生产中的应用，还简单的介绍了几种对装配扭矩的在线检测方法。     

北京市机动车拥堵成本测算与分析

对北京市机动车拥堵成本的研究,可从经济上量化交通拥堵所产生的成本,从而为决策部门制定相关政策提供依据. 在详细阐述国内外机动车拥堵成本概况后,本文提出了拥堵的临界速度,分析了拥堵的各个子项成本,并建立时间、能耗、尾气三大子项成本的计算模型. 本文不但对2008年北京市机动车交通拥堵成本进行了测算并将结果与国外研究成果进行比对,而且对2009年北京市交通拥堵成本进行了预测和敏感性分析. 交通拥堵成本的经济化,有助于更加直观地分析拥堵成本与社会经济之间的关系,为缓解交通拥堵,实现低碳出行提供决策参考.     

欢迎使用《现代交通技术》在线投稿系统

《现代交通技术》杂志现已启用在线投稿系统,作者投稿请直接登录www.xdjtjs.com,进行注册后,即可通过用户名、密码登陆系统进行投稿、查询。投稿前请参阅网站主页上的"投稿须知"和"论文格式模板"。欢迎各位作者和读者踊跃使用《现代交通技术》在线投稿系统,并将使用过程中遇到的     

方格路网车辆路径在线选择模型及竞争分析

为分析城市方格路网遭遇突发性堵塞下的车辆路径选择问题, 应用在线问题与竞争策略的方法建模, 设计了2种在线路径选择竞争策略, 即方向贪婪策略和多选择移动策略, 计算了2种策略的竞争性能比。通过策略竞争分析得出: 在发生突发性堵塞的情形下, 方向贪婪策略下的费用为最优费用的3倍; 利用多选择移动策略在对网络具有实际意义约束条件下的部分情形能够得到最优费用, 且在最坏情形下的费用为最优费用的2倍; 2种策略的竞争性能比优于以往研究给出的堵塞不可恢复问题竞争比的下界。     

基于在线LS-SVM的α阶逆控制

提出基于最小二乘支持向量机在线算法的α阶逆控制方法．引入系统控制误差不敏感函数,在控制误差大于不敏感函数时,利用增量一剪枝学习算法,对已建立的离线逆控制器实施在线学习,以增强控制系统的鲁棒性．仿真结果表明：在系统没有受到噪声干扰时,在线逆控制器可以很好地使被控对象跟踪参考输入信号;在系统受到噪声干扰时,在线逆控制器比离线逆控制器具有更强的鲁棒性．