基于三叉树期权理论的铁路货运定价模型

将期权理论引入铁路货运定价活动,构建基于运输企业和期权客户期望最大 化的多期三叉树定价模型,分析铁路运输企业的最优定价决策及期权客户的最优购买决 策.研究结果表明：最优期权订购量是关于期权执行价格和期权价格的严格单调递减函 数,而期权执行价格与现货市场运价、短期准备成本、无风险利率正相关,与长期准备成 本负相关.通过算例的敏感性分析,发现当期权执行价格升高幅度超过10%时,期权客户 的期权购买量下降梯度迅速增加,相比于期权价格,期权执行价格对期权客户的期权执 行量具有更强的敏感性,因此铁路运输企业应关注期权执行价格的制定.     

汽车驾驶人机系统目标评价树的建立及应用

以汽车安全行驶概率为评价目标,列举与之相关的驾驶员、汽车、环境3方面因素,分析因素间关系,确定重要因素并赋予权重,建立汽车驾驶人机系统目标评价树。介绍了该目标评价树的使用方法与适用范围。对哈尔滨市两个事故多发地段的驾驶环境进行评价和改进,取得预期效果。     

基于排序算法的轿车零件功能评估规划

介绍了车身零件的功能评估方法,描述了轿车零件功能评估与整车开发流程的关系,并对影响评估进程的几个因素进行了分析。针对零件匹配结构和方式设计了匹配参数,且利用前向BP神经网络对拼装时间进行求解。在此基础上进一步研究了零件拼装过程特点,获得了一个具有优先约束关系和不同准备时间的可中断多平行机排序模型。以某车右侧围为例,对拼装时间的计算方法和拼装过程的排序进行了说明。     

轮机自动化机舱综合训练成绩考核评估体系探索

介绍轮机自动化机舱综合训练成绩考核评估体系的研究建立、实施及其特色。     

贝叶斯树算法在异常入侵检测中的应用

研究了Windows平台下异常检测方法,提出了一种利用Windows Native API调用序列和基于贝叶斯树算法的主机服务进程规则与对应概率分布生成算法。根据长为N-1的Windows Native API调用序列预测第N个调用的概率分布,对生成的概率序列用U检验方法作为异常检测算法。以贝叶斯树作为弱分类算法,利用AdaBoost-M1方法构造多个基于贝叶斯树的概率分布序列,并按一定方式把它们组合成一个加强的概率分布序列进行入侵检测。实验结果表明这种方法能明显提高模型预测能力。     

基于MCTS-HM的重型汽车多参数运行工况高效构建方法

提出了一种基于蒙特卡洛树搜索（Monte Carlo Tree Search,MCTS）和启发式方法 （Heuristic Method,HM）的多参数运行工况高效构建方法。根据工况质量要求,选取表征行驶工况特征的速度、加速度和坡度参数相关指标,设计工况的目标函数;改进多个启发式方法,确保被作用后的工况序列仍可满足行驶工况动态转移特性;采用MCTS选择更适合的启发式方法,进而高效地收敛至多参数目标行驶工况。基于重型汽车实际采集的试验数据,多次分析结果表明,生成的多参数行驶工况所有特征指标相对偏差均可保持在设定阈值以内,表明生成工况与原始数据特征具备一致性;相比于纯随机启发式方法,该方法能快速构建多参数期望运行工况。     

考虑异质性出行需求的主支线公交树网络优化设计

公交线网优化设计是指在一定的运行约束条件下,选择1组公交线路和相关频率以达到优化目标的设计过程,可以表示为一个优化问题。针对具有高异质性出行需求的主支线公交树网络,在考虑客流需求和运营约束的前提下,以用户和运营者的成本最小为目标,提出了1种多目标非线性混合整数优化模型。优化变量为候选线路服务频率。为求解这一模型,设计了1种基于改进的布谷鸟算法的高效元启发式方法。该方法包括初始候选路线集生成过程;基于MNL模型的公交分配过程;确定路线服务频率的改进布谷鸟算法过程。通过算例验证了该方法的有效性和适用性。数值分析结果表明,该算法通过对所有可能的候选路径的服务频率选择得到接近最优的公交线路网络。另一方面,通过保持高峰时的公交线路为有效备择线路,为具有异质性出行需求的网络的重新设计提供了更好的解决方案。此外,该系统在1次运行中产生了1组帕累托解,其允许公交线网设计师评估运营商成本和乘客成本并做出折中方案。通过比较3种算法的计算结果和CPU时间,证明了改进的布谷鸟算法的可靠性和有效性。另外还研究了最优公交网络设计与公交运行速度、总需求规模等关键设计输入参数之间的关系,分析结果表明,关键设计输入参数与最优公交网络具有一定的协同效应。模型与算法为实际的大规模主支线公交树网络的优化设计提供了1种有效的工具。     

繁忙机场机坪空间构型对航班离港滑行时间的影响

航班离港始于停机坪推出，经由滑行道滑行并止于跑道离地，因此机坪空间及其与跑滑系统构成的相对位置关系对航班离港滑行具有较大影响，滑行时间的预测精度对ACDM机制下航班推出时刻优化和跑滑系统效率提升具有重要作用。首先提出机位组概念表征机坪空间构型，据此设计场面实时动态航班流量、机位组无阻碍滑行时间和机位组空间影响指数等新特征变量，然后基于分类回归树构建预测模型，验证新特征引入对离港滑行时间的预测效果。以首都机场实际运行数据为例，预测结果表明：在保持较高拟合优度的同时，新引入的表征机坪构型及其与跑滑系统相对位置关系的特征变量提高了离港滑行时间预测模型精度，预测与实际误差值在 3 min和5 min内的航班数量分别提高了4.88%和6.46%，每高峰小时可为首都机场减少约2~3个起飞时隙的浪费；新特征变量对离港滑行时间预测精度的整体贡献较大，且场面整体流量特征变量的贡献超过单一跑道流量，进港航班相关特征变量的贡献超过离港航班。     

基于监测树的高速铁路光传送网络故障定位研究

高速铁路光传送网络承载了列车控制等安全级别较高的业务,其正常运营是铁路安全行车的基础。为保证网络的安全可靠性,在网络链路出现故障时,必须快速准确地定位故障链路。利用监测树M-tree方案,通过将网络拓扑转化为树形结构,并在指定节点设置监测器实现故障链路定位。为实现M-tree的构造,提出基于度与距离的监测器分配算法DDMA,算法选择节点度最大且相互距离最远的两个节点作为监测信号的转发节点以扩展M-tree。仿真数据表明,利用DDMA设计的M-tree方案所需监测代价不超过理论最小监测代价的7%。相对于现有的监测迹M-trail方案,DDMA算法最大可以节省30%左右的监测代价。利用DDMA为高速铁路骨干层光传输网络设计M-tree监测方案,实际监测代价不超过理论最小值15%。DDMA算法复杂度较低,当网络中含有100条链路时,算法运行时间不超过0.2 s。