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.     

基于OpenFOAM的发动机舱回流计算方法研究

研究车辆在怠速工况下的发动机舱热空气回流问题,基于OpenFOAM 软件进行回流计算方法的开发。通过设置监控面及组分转换面来重新定义格栅新空气和舱内回流热空气等组分,可直接计算出回流在监控面上的分布及回流率和回流量。根据开发的方法对某款插电式混合动力汽车（Plug-in Hybrid Electric Vehicle,PHEV）车型进行计算并提出不同的优化方案,使其发动机舱回流率从32.7% 分别降低至24.0%和9.3%,回流量从0.169 kg/s分别降低至0.128 kg/s和0.048 kg/s,从而降低了冷凝器等散热器的进风温度,提高了怠速工况下热管理系统的性能。     

北京市城市轨道交通通勤大客流特征分析

分析了城市轨道交通通勤大客流的产生原因、特征及其主要表现.结合大客流对线网的影响作用,构建大客流指标体系,提出针对通勤大客流时空分布特征的评价分析方法;定义相对满载率,对大客流时空传播进行量化表征.基于北京市城市轨道交通运营统计数据,对北京市城市轨道交通早高峰通勤大客流的总体特征及时空变化进行分析,定位了发生大客流的线路、车站和断面,获取早高峰通勤大客流在规模、方向、时空分布等方面的基本规律.结果表明,换乘方向客流不均衡对换乘站大客流具有重要影响;最拥堵断面常分布于郊区线与主干线换乘点附近;换乘站较多的线路,拥挤持续时间较短且疏散较快.     

铁路枢纽内快运班列车流组织的鲁棒优化研究

针对当前生产运营中较少考虑货运站点货物需求不确定性以及客户对货物运到期限的要求,设计双层时空服务网络描述枢纽内快运班列车流组织过程.该网络分为货源层和编组层,货源层中带有方向别的车流选择延迟弧或运输弧在相应时段到达编组层中的编组站.同时考虑编组站办理方向总数和车流组织基本约束,构建了铁路枢纽内快运班列车流组织鲁棒优化模型(CR),使用IBMILOG Cplex软件对模型进行精确求解.通过算例和大规模测试进行验证分析,结果表明,当ω=0.03时,鲁棒模型的目标函数值比随机优化模型(CS)的目标函数值降低5.10%,发送车数提高5.66%,最长求解时间为82 s,鲁棒性强于随机优化模型.虽然确定性模型(CD)在—些情景下可以获得较优的解,但是在需求不确定的条件下,确定性模型目标函数值要差于随机优化模型和鲁棒模型.当枢纽内货运站点数设为50时,时空网络服务弧段数达317,模型的求解时间为1 375.4 s,在可以接受的时间范围内.     

基于 Monte-Carlo 模拟的进场排序不确定性研究

为了提升终端区航班排序抵御不确定因素扰动风险的能力,保证航班运行效率及降低延误损失,综合考虑终端区运行的多种约束限制.基于不确定性因素对进场航班影响分析,以航班总延误和管制干预最小为目标,建立进场航班排序的多目标随机期望值模型.应用 Monte-Carlo 模拟方法刻画航班运行状态随机变量的统计特征,将模型所求目标函数值表征为随机模拟的数学期望,设计了带精英策略的非支配排序遗传算法(NSGA-II)寻求模型的 Pareto 最优解集,绘制不同阈值的缓冲间隔下得出 Pareto 前沿拟合曲线.采用广州终端区典型时段进场航班数据进行仿真验证,结果表明模型中不同阈值范围的缓冲间隔设置,可提供权衡航班延误和管制干预之间的合理化建议,且最高可降低32.4%的航班延误.所提方法能有效缓解繁忙机场航班延误,提升航空运输服务能力.     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。     

城市交通枢纽短期客流量的组合预测模型

客流量的预测对交通枢纽内部组织方案和应急预案的调整起着重要作用,为了更为精确地对交通枢纽短期的客流量进行预测分析,通过分析交通枢纽客流量的变化特点,对比各种预测方法的优缺点,建立了综合BP神经网络和最小二乘支持向量机的组合预测模型,通过BP神经网络初步预测,再利用最小二乘支持向量机的修正,完成对交通枢纽客流量的预测。实际数据验证表明,相比单一的预测模型,文内提出的模型能够将交通枢纽的客流量的预测精度提高约1%,表明论文中方法能够克服单一模型带来的不确定性。     

汽车三维分离流动特性的数值研究

本文对轿车尾部的分离流进行了数值计算和研究。通过ＳＧＳ（亚网格尺寸比）湍流模型,用瞬态三维Ｎ－Ｓ方程对具有不同尾部外形的汽车流场进行了全模拟。本文论述了计算所得的非稳态流场的时均值。通过计算结果与风洞实验和水槽实验数据的对比分析验证了计算的有效性和可靠性。