高速公路联网收费资金拆分模型的建立及应用

为了解决高速公路联网收费后所产生的资金拆分问题,并提高通行费征收管理水平,通过对高速公路的OD交通量调查以及对各个路段的交通量、出入口交通量、通行费收入的调查研究,确立了高速公路通行费资金拆分的OD交通量法计算模型和步骤,此方法大大提高了工作效率,并在单路径多段拆分行为中有较强的通用性。     

智能船舶航行功能测试验证的方法体系

智能船舶航行技术发展的核心在于构建从辅助决策到自主驾控的完整软硬件系统,实现人工驾驶到智能驾驶的演化,而核心技术的突破与软硬件系统的研发离不开完善的测试验证体系和健全的规范标准.对目前国内外智能船舶测试场现状进行综述,对以性能、能效、信息、智能为对象的智能船舶航行功能测试构想进行解析,最终提出以虚拟仿真为初试、模型测试...     

热压自然通风室内污染物浓度演变特性

为探究热压自然通风向稳态发展过程室内气态污染物的迁移规律,对不同高度处污染物浓度演化进行了分析.首先结合预测热分层瞬时变化的非均匀三层模型,针对室内不同的下层污染物混合特性,建立了均匀混合和纯置换两种热压自然通风室内污染物输送模型;其次,采用4阶龙格-库塔(Runge-Kutta)方法迭代求解,得到了通风过程室内污染物...     

基于SEM-Logit模型的互联网租赁电动自行车使用行为研究

为了解居民对互联网租赁电动自行车的使用意向和决策行为,对居民对互联网租赁电动自行车的使用行为偏好进行探究。首先,通过调查问卷了解居民对互联网租赁电动自行车的态度认知。然后,采用结构方程模型（Structural Equation Modelling, SEM）分析居民对于互联网租赁电动自行车使用意向的影响因素,并采用SEM-Logit模型分析居民对于互联网租赁电动自行车的选择决策行为。最后,以西安市为例进行实证研究,以弥补以往仅从定性角度分析互联网租赁电动自行车使用行为的不足。结果表明：男性、固定职业者、中等收入者、短距离出行者更愿意选择使用互联网租赁电动自行车;态度、感知有用性和感知易用性作为心理潜变量也会影响居民对互联网租赁电动自行车的使用行为;与非高峰期相比,受访者在高峰期对互联网租赁电动自行车的使用意愿更高,高峰期和非高峰期使用互联网租赁电动自行车的比例分别为19.58%和14.42%。根据研究结果,引入互联网租赁电动自行车对西安市居民现有的出行结构会产生一定影响,但影响程度不大。因此,建议政府相关管理部门统筹协调,提前谋划、制定互联网租赁电动自行车的发展路径。     

城市轨道交通网络运营组织协调性研究

分析了城市轨道交通由单线管理向网络化运营转变过程中的实际问题,提出了分析网络运营组织协调关系的必要性.从路网运输能力均衡配置角度,阐述了网络运营协调的主旨,对影响运营组织的多个关键要素做定性分析.采用解释结构模型法,根据推移律特性,建立网络运营协调要素的多级递阶结构,对层次划分结果进行要素间的关联性分析.该结构模型可作为协调准则应用于运营组织过程,为网络列车运行计划的制定提供理论依据.     

SP调查的非集计模型在水上巴士交通中的应用

非集计模型近年来在交通模型的研究领域受到较多关注.主要讨论了未建交通系统中意愿调查方法的使用,以及如何在意愿调查数据的基础上建立非集计模型并进行客流需求分析.着重对基于SP调查的非集计模型在黄浦江水上巴士交通客运交通系统中的应用进行了研究和探讨,介绍了黄浦江水上巴士交通的SP调查以及其他相关调查,建立了非集计模型用于水上巴士交通服务模式选择和需求预测,对上海市水上巴士未来客流增长空间进行了判断.指出非集计模型适用于具体的小规模的有针对性的规划设计项目,SP调查的设计以及调查数据的采集是非集计模型建立的关键,基于SP调查的非集计模型可用于未建交通系统的服务模式确定、客流需求预测等方面.     

用桩加固浅基础的力学模型研究

对用桩加固既有铁路桥梁中浅基础常用计算方法进行比较,认为此类结构应考虑承台结构的变形,并提出了合乎实际情况的力学模型。实例计算与比较分析结果表明,由于用桩加固浅基础时其承台结构的特殊性,竖向荷载对桩身弯矩有较大影响。此外,给出了考虑承台变形和竖向荷载的影响时,浅基础用桩加固的力学模型计算公式。     

发动机系统可靠性分析与评估

针对发动机试验昂贵以及试验条件无法真实再现发动机使用环境的情况,提出利用“三包”信息作为评估发动机使用可靠性的数据源。以发动机完整数据服从的NHPP模型为基础,结合“三包”信息普遍存在的删失现象,提出新模型;该模型既适用于完整数据,也适用于删失数据。实例证明,利用该模型计算的参数与实际统计结果的误差小于2%,最后评估得到发动机的可靠性水平。     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...