停车诱导系统对行程时间的影响分析

行程时间是衡量出行者出行效率的直接标准,也是停车诱导系统给出行者带来的重要效益之一。文中分析了停车诱导系统对行程时间的影响,根据出行效用最大化原则,建立了基于Logit模型的停车选择函数,以出行者总的行程时间T 为决策变量建立停车诱导模型及目标函数;以大理古城部分区域停车诱导系统调查数据为基础,利用 MATLAB软件对模型参数进行标定,并对参数进行有效性检验,最后将停车选择函数的计算值与实际调查值进行对比,结果表明,设置停车诱导系统后,出行者总行程时间减少32.75%。     

基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。     

基于锥形流量延误函数的公交行程时间模型

针对交通规划软件常用的BPR公交流量延误函数在饱和度接近或大于1时,计算值与实际值相差急剧增大的不足,提出一种锥形流量延误函数,并分析了其对公交行程时间的影响,进而通过等式关系实现模型在交通仿真软件EMME/3中的实用化.相关的案例分析显示,在公交行程时间拟合方面,锥形流量延误模型较传统的BPR曲线模型误差均值降低5.57％,误差的波动降低50.60％,效果显著.     

红色诱惑：东风裕隆纳智捷优6SUV

这辆红色的漂亮SUV被取名纳智捷优6,选择在今年的6月6日上市,给我的第一印象就是能讨一个好的口彩,不论是颜色还是名称,都看起来十分的吉祥,这也是海峡那边十分看重的东西,纳智捷大7的热销给了他们十足的信心,乘胜追击推出这款紧凑级SUV,目前纳智捷在市场上一共只有5款车型,而两款都是SUV,不得不承认他们的精明和眼光。陈浩 这辆车和大7看起来基本没有相似的地方,除了大尺寸的中网和纳智捷的LOGO造型,更为犀利的车身线条和动感的车身比例,这一切都说明这款车的设计时间比大7晚很多,所以在造型上会更为迎合当今年轻人的审美需求。     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

销量之外的担忧

<正>最近车企都很焦虑,原因不光是因为年底了,考核时间到了,忙着冲指标,冲销量,更担心的是2015年将至,国家工信部规定的乘用车平均燃油消耗值要达到6.9L的期限就要到了。按照目前车企的情况,很多企业将不达标。据发改委批露的数据显示,2013年我国合资乘用车平均油耗在每百公里7.33L,国产车在每百公里7.23L左右,2014年上半年,略低,两个数值分别为7.28L和7.17L,离6.9L还差一点,而这一点点,不单单是数字这么简单,背后是巨大的技术升级成本。     

斜拉索-阻尼器系统空间布置减振方法

针对目前长索的振动控制及斜拉索的面外振动控制减振效果不理想的现状,提出一种新的减振方法——斜拉索-阻尼器系统空间布置减振方法。该方法为每3根斜拉索1组,按三角形空间布置,两两连接阻尼器,阻尼器安装方便,可对每一根斜拉索实现任意方向上的振动控制。为验证其减振效果采用零阶优化法对斜拉索参数进行设计,并建立斜拉索-阻尼器体系算例模型,与原索模型、无索间连接的三索模型进行对比。结果表明,采用斜拉索-阻尼器系统的三索空间布置,斜拉索的振动幅度、振动频率均受到显著抑制,对斜拉索面内外振动可给予有效控制。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

EV160纯电动汽车无法正常充电的故障排查

动力电池作为纯电动汽车使用的能量存储部件,汽车行驶后,需要随时补充电量;现阶段,纯电动汽车采用外接设备充电方法进行补充电量,本文以1个实际充电故障案例为例,通过充电方法、充电系统基本组成及充电基本原理等方面介绍基本充电诊断原理。针对故障现象,进行了充电故障分析及排查,并排除了不能正常充电的故障。     

基于人工势场法的车道保持系统

针对车道保持系统中的横向控制问题,采用人工势场法设计了转角控制器。选择跨道时间为势场参数,建立多模式跨道时间模型,以跨道时间为变量设计势场函数,以得到的势场力代入参考车辆模型得到理想横摆角速度和理想侧向加速度,以车速为阈值计算出理想方向盘转角,用PID控制跟踪理想方向盘转角实现车道保持。利用Carsim/Simulink联合仿真验证了该方法的有效性,还与传统道路势场法做了对比,并在实车上验证了其可靠性。