城市道路交通事故特征分析——以乌鲁木齐市为例

中国正处于快速城镇化进程中,交通事故呈现频发的趋势,并时常伴随着重大恶性事故,因此,对事故的分析与研究十分迫切而有必要.以乌鲁木齐市为例,对该市2007～2010年的交通事故作了分析与研究,得到了时间、空间等方面的分布特征,将有助于减少并预防城市道路交通事故.     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

基于Pro/ENGINEER曲面建模技术的三维船体造型设计

引言 在使用商用CFD软件进行CFD计算时,有超过50%以上的时间花在几何区域的定义上,可以说几何区域的定义渐成为不可忽视的、亟待深究的领域.     

打入式钢筋混凝土预制桩承载力时间效应研究

本文根据软土地基上打入式钢筋混凝土预制桩的静载试验，对承载力时间效应进行了探讨，供在设计和施工中参考。     

初稳性高时变特性对横摇运动的影响

研究纵浪中船舶初稳性高时变特性对横摇运动的影响。假设升沉和纵摇是准静力平衡,建立纵浪中船舶横摇参数激励运动方程,提出了稳性高波动项与瞬时波浪高度及波面升高加速度之间的函数关系式,提供了稳性高波动项的计算方法。以一艘渔政船为例,在不同航速下,分别计算规则波和非规则波中船舶参数激励横摇运动。得到稳性高波动项的时间历程及功率谱,并模拟由初稳性高随机波动引起的参数激励横摇。结果表明：在船遭遇一系列高波情况下,当特征波长接近船长,且参数激励频率集中在二倍横摇固有频率时,船舶发生参数激励大幅横摇。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

船闸服务水平概念的引入及其确定方法

船闸的通过能力包含质与量两个方面的因素，需要进行深入分析，以便在确定船闸通过能力时更为合理。结合苏北运河船闸近年的运行情况，参考道路服务水平的研究方法，引入船闸服务水平概念，并根据保证率来划分船闸服务水平等级以及利用日到船不均衡系数来推算船闸服务水平系数。实际上，对于高质量服务水平的船闸来说，其实际货运量只有其理想通过能力的30％左右。     

海洋浮体二阶非线性水弹性力学分析--二阶力对浮体振动时间响应的影响

采用前文建立的海洋浮体二阶非线性水弹性理论，在系泊浮体一阶及二阶主坐标计算的基础上，本文给出了系泊浮体梁一阶及二阶主坐标的时间响应，分析了各运动模态受二阶力影响的规律，发现与纵荡、横荡或艏摇运动模态的对称特性相同并具有耦合效应的运动模态受二阶力的影响较大，而其它运动模态受二阶力的影响则较小。最后计算了浮体梁算例的垂向位移、弯矩和剪力的时间响应。得出了一些可供工程实践参考的结论。     

自动化集装箱码头集卡周转效率影响因素研究

外集卡周转时间长短是衡量码头生产服务能力的主要指标之一。针对自动化码头集疏港作业效率低的问题,研究外集卡作业模式和影响外集卡周转时间的因素。将影响外集卡平均周转耗时的因素归纳为集疏运箱量、堆场盘存量、海侧作业繁忙程度、集港时间安排和场站集疏运能力等10类。结果表明,协调集港时间,避免场站集中压车;平衡海陆侧生产,减少作业冲突;加强周边场站集疏运管控,减少闸口堵车;加强部门间协同,提升系统、设备稳定性等措施能够有效降低外集卡周转时间。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.