时空效应规律在软土深基坑工程中的应用

运用时空效应规律，能可靠而合理地利用土体自身在基坑开挖过程中控制土体位移的潜力而达到保护环境的目的，这是一条安全而经济的技术途径，已被近两年来完工的数个深基坑工程实践所验证。     

道路地形动态三维可视化及相关属性查询研究

采用CDT理论建立道路与地形整体模型,并转化成格网模型进行三维显示;采用小波算法对格网地形模型进行简化,成功应用在道路三维场景实时浏览中;根据OpenGL技术原理,解决了三维空间数据与地物属性数据库的连接;在三维空间中,通过鼠标点击获取三维空间目标,再从地物属性数据库中返回此目标的属性数据,供设计者参考.     

基于列生成启发式的单线电动公交车与司机整合调度优化

在考虑电动公交车里程约束与司机连续工作时间和总工作时间约束的基础上,研究单条公交线路的电动公交车与司机整合调度问题,即将给定时刻表车次分配给电动公交车和司机,同时,生成车辆运营计划和司机排班计划,设计基于列生成启发式方法求解提出的整合调度问题.列生成方法用于生成线性松弛最优解,将整个问题分解为一个主问题和两个定价子问题...     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

基于个体出行链的区域城际铁路规划方法研究

基于"基础设施即服务"的理念研究区域城际铁路规划问题,精准考虑带时间窗的个体出行特征和运输服务供给,构建时空网络联系基础设施、服务供给和出行需求3个维度.在所有路段存在的前提下,考虑城际铁路、城市轨道交通和城市道路等基础设施及其运输服务供给,为每类出行者生成满足其出行时间窗的备选出行链集合,以所有出行者广义费用和总投资...     

考虑空车调配协调的货物列车开行方案优化研究

为实现空车调配与货物列车开行方案协调优化,结合基本运行图架构与车流径路,构建货运时空服务拓展网络。考虑配空与装卸取送、集编发等环节的时间接续要求,节点与区段不对流空车要求,以重车流全程运送与空车配送等广义总费用最少为目标,建立整数规划弧路模型。针对既有算法设计局限性,结合重车或空车配空的时间接续要求,提出将不同的 k 短路重车流方案与空车配空方案相关联的改进可行解构造方法,设计混合差分进化求解算法。实例研究表明,考虑空车调配进行重车、空车流组织协调优化,能够减少空车走行费用,及时满足装车需求,有效保证作业车流配合中转车流集结编组及时挂线,提高方案可实施性。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据,从数据驱动视角,深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上,采用KMeans算法,将站点聚为5类,探讨各类站点的时变需求规律及影响因素;在空间上,提出基于POI 数据的站点用地类型识别方法,将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15,30,60 min 为间隔,以租还车需求为目标变量的随机森林预测模型,并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明,随机森林模型的精度更高,适用性更强。以30 min为间隔的站点租还车需求预测精度最高,考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统,为改善服务水平提供技术和理论支撑。     

交通流速度时空二维预测方法

从时间和空间2个维度分析了交通流速度的自相关和互相关特性,提出了交通流速度的时空二维预测模型,可对未来交通流进行多步预测.该模型包含曲线拟合加权预测模型和递推时空二维自回归预测模型,动态模型参数可由递推最小二乘法实时识别,静态模型参数通过离线优化得到.将预测的交通流速度应用于车辆宏观运动规划方法中,可将车辆的燃油经济性...     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

基于GIS的沙漠地理空间数据库设计

特殊环境地区的数据库管理是一项重要且复杂的综合性工作,传统关系型数据库对海量气象观测数据与矢量数据的整合管理存在一定限制,尤其是在空间关系与分析上.为此以腾格里沙漠公路为研究背景,基于ArcGIS地理空间数据库(ArcGIS Geodatabase)实现空间数据库的构建,依不同要素类型划分图层单元实现沙漠地区数字地图的矢量化,通过概念框架设计、逻辑模型构建、物理分层设计、数据库实施,使多种类型数据互相关联、集成于同一数据库中.这一地理空间数据库不仅具有传统数据库储存和管理数据的性质,更对所储存的空间图形数据和属性数据二者建立起了联系,实现特殊环境下的数据可视化管理、风沙情况分析、空间分析、专题图制作等功能,能够为空间数据和资料的分析提供有效支撑.