山区高速公路事故多发点的组合鉴别方法

基于国内外交通事故鉴别方法,结合山区高速公路特点及其事故特点,提出改进的鉴别指数与非定长分段法相结合的适合山区高速公路的混合鉴别方法,最后在包茂高速(西安—榆林)铜川段进行实例验证,证明了该方法的有效性。     

基于随机需求的城市公交车辆调度问题的研究

在公交车辆调度问题上,考虑到公交调度中客流需求的不确定因素,引入随机需求调度模型及其相关概念,然后对优化模型进行实例求解,结果证明该模型是可行的。     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析（PCA）为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明：2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D—PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。     

钢筋混凝土框架结构震后快速鉴定方法

提出一种震后框架结构安全性快速评估的方法.该方法在分析框架结构常见震害的基础上,对地震中构件的破坏程度提出了定量和定性的判断标准;利用模糊数学方法对各类构件进行安全等级评价,形成隶属度判断矩阵;采用层次分析法对各类构件、结构层进行权重评价;依据等级隶属度判断矩阵和各类构件、结构层的权重进行综合分析,得出整体结构的安全性评价.该方法简单易行,层次清晰,鉴定结果较为真实准确.依据该方法,可编制计算软件,使鉴定工作程序化,有效消减鉴定工作量,为震后紧急情况下应急救援政策的制定、救灾措施的实施和开展提供依据.     

基于优化SVM的城市快速路网交通流状态判别

以交通流率、速度和占有率为输入参数,采用交叉验证法优化模型惩罚参数C和核函数参数γ,建立以径向基为核函数的支持向量机模型,判断道路断面交通流状态;结合设计的道路网综合状态指数,依据自由流、拥挤流和阻塞流状态下占有率划分区间,构建城市快速路网交通流状态判别方法;最后以某一区域路网为例,进行了实证性研究．结果表明：该方法对道路断面交通流状态判别精度可达92．22％;同时能够实现道路网范围内对自由流、拥挤流和阻塞流状态的判别,判别精度可达86．67％．     

交通运输事故隐患跟踪管理系统开发研究

事故隐患跟踪管理系统主要针对交通运输部门对隐患识别、隐患上报、隐患控制、隐患消除进行全过程的隐患跟踪管理,并以此为依据开发基于B/S实现的交通运输部门隐患跟踪管理系统,以实现交通运输部门不同层级的企事业单位对隐患管理的网络化办公,提高交通行业的安全隐患管理效率,做到防范于未然,把安全隐患消灭在萌芽状态。     

随机条件下固定公交线路服务频率优化模型

在考虑客流需求波动及车辆运行时间随机变动的情况下,建立了以乘客候车期望和公交车辆利用率总体最优为目标的公交线路服务频率优化模型.利用蒙特卡罗方法随机模拟一条高频线路的公交服务,计算得到了给定线路参数下的最优服务频率.算例表明该模型可用来确定高频服务公交线路的发车时间间隔.     

随机利率下的外汇欧式期权定价

在随机利率情况下,利用鞅方法研究了外汇欧式期权的定价问题,得到了欧式期权(看涨和看跌)价格的解析表达式,及其评价关系.文中考虑了期权的对冲问题及本国和外国利率波动的非零相关性,本国和外国利率波动对汇率波动的影响.     

基于800/900MHz频段的组合式电子收费车道设计

根据目前国内高速公路联网收费实际和技术条件,结合重庆市电子车牌项目作为省级区域国家级信息化试点的要求,提出了将基于800/900 MHz频段的组合式电子收费车道作为ETC(Electronic Toll Collection,电子不停车收费)快速通行手段的设计方案。该方案与目前MTC(Manual Toll Collection,人工半自动收费)的技术条件和实际环境兼容,并且投资成本低,具有较高的实用性和可操作性。     

Quantifying travel time variability at a single bottleneck based on stochastic capacity and demand distributions

Travel time reliability, an essential factor in traveler route and departure time decisions, serves as an important quality of service measure for dynamic transportation systems. This article investigates a fundamental problem of quantifying travel time variability from its root sources: stochastic capacity and demand variations that follow commonly used log-normal distributions. A volume-to-capacity ratio-based travel time function and a point queue model are used to demonstrate how day-to-day travel time variability can be explained from the underlying demand and capacity variations. One important finding is that closed-form solutions can be derived to formulate travel time variations as a function of random demand/capacity distributions, but there are certain cases in which a closed-form expression does not exist and numerical approximation methods are required. This article also uses probabilistic capacity reduction information to estimate time-dependent travel time variability distributions under conditions of non-recurring traffic congestion. The proposed models provide theoretically rigorous and practically useful tools for understanding the causes of travel time unreliability and evaluating the system-wide benefit of reducing demand and capacity variability.