出口集装箱堆场取箱作业优化模型研究

集装箱装卸效率直接影响船舶靠港停泊时间，倒箱操作是影响装卸效率的主要因素．文中建立了龙门式起重机小车取箱作业优化模型，以龙门式起重机取箱作业时倒箱数量最少为目标，以各个取箱阶段为节点、以取箱代价为边的权数，应用最小生成树和启发式算法对优化模型进行求解,根据最小生成树的性质，本模型可获得倒箱数最少的优化装船顺序，提高装卸作业的效率．     

车辆营运安全性研究

基于人-机-环境系统建立了车辆营运安全事故树，在计算车辆事故概率时，针对传统事故树对不隋确事件无法有效处理的问题分析，运用模糊概率的相关知识结合事故树来进行有效地处理，这无疑使车辆事故的概率计算更可靠和准确。最后将神经网络模型用来分配系统可靠性。     

一种快速挖掘模糊频繁项集的方法

文章针对快速挖掘模糊频繁项集问题,提出了一个基于fp-树的快速算法FFP,该算法提高了快速挖掘模糊频繁项集的时空效率。实验表明,该算法的执行效率较Apriori算法或类Apriori算法算法有着明显改进。     

基于Bentley平台的铁路工程BIM设计关键共性技术研究

铁路工程站前、站后各专业在开展BIM设计研发工作中存在研发进度不均衡、基础功能重复开发、应用标准不统一等问题,针对铁路工程BIM设计的基础、共性技术进行研究,并提出完成相关API库与程序开发的技术方案。通过对铁路线路空间位置计算API库、基于线路中线的BIM模型构件布设与拼装、基于最小设计单元的专业结构树、BIM模型构件非几何信息添加、BIM模型剖切5项关键共性技术的研究,以Bentley平台为依托,采用C++/CLI混编和WebService技术,构建铁路线路空间位置计算API库与通用函数库,以最小设计单元的方式建立了专业结构树,利用.NET API二次开发接口,研发了铁路工程BIM设计辅助工具。该API库已在专业BIM设计系统研发中进行了集成与调用,辅助工具已在BIM设计中进行了应用。应用表明,该技术方案可提高铁路线路相关功能的研发效率,具有一定参考借鉴意义。     

基于FTA-BN的综合交通枢纽中地铁车站安全风险评价

以综合交通枢纽中的地铁车站安全为研究目标,综合考虑综合交通枢纽中特殊的客流组成和乘客特征,以踩踏、火灾、水灾、公共卫生和大面积滞留5类易发风险事故作为研究对象,基于FTA-BN方法对其影响因素进行分析,识别其风险因素,建立相应的事故树模型,转化为贝叶斯网络模型进行风险评价;引入三角模糊数处理专家自然语言,得到贝叶斯网络中的先验概率和条件概率分布,然后通过贝叶斯网络模型进行网络推理计算和敏感性分析,找出地铁车站中的薄弱部分,制定相应的风险管控措施,从而提高枢纽中地铁车站对于紧急事件的应对能力。以广州南站地铁车站为例进行快速评价,结果表明：广州南站在公共卫生安全方面存在一定危险,发生概率为42.98%,且较易发生大面积滞留事件,可能性为30.40%。     

层次分析法在港口起重作业装卸事故树研究中的应用

通过对港口起重作业大量事故案例原因分析,绘制了港口起重作业事故树。对港口装卸事故造成的原因重要度采用了层次重要度(AHP)分析法,将要素归并为不同的层次形成一个多层次的分析结果模型。求解基本事件及最小径集层次重要度过程中,采用了改进层次分析法,一次得到所求层次重要度,省略了一般层次分析法所要求的一致性检验,从而减少判断矩阵调整的盲目性。同时采用层次重要度法排列港口起重事故中基本事件及最小割(径)集重要性顺序,为事故控制方案的选择及制定安全检查表提供较可靠的理论依据。     

基于快速扩展随机树的机器人路径规划仿真实验平台研究

在建立并实现一种基于快速扩展随机树的机器人路径规划算法的仿真实验平台的基础上,通过该仿真实验平台所做的大量仿真实验表明：基于快速扩展随机树的路径规划算法具有强烈搜索未知空间的倾向,在各种障碍物环境下搜索出可达路径。该仿真实验平台运行稳定,功能完善,可直观地演示路径规划算法的搜索过程。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30．7463％,分类回归树的误差平均值为29．5197％,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65 000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8 000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30.746 3%,分类回归树的误差平均值为29.519 7%,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

基于Microsoft时序算法的广东省交通运输领域能耗预测研究

通过收集历史数据,建立多个影响城市交通能耗的因素与交通运输能耗的数据库,首先用决策树算法对影响因素进行选择,然后根据给定的输入列,用Microsoft时序算法对广东省交通能耗进行短期预测。结果表明,运行的车辆数、车辆的周转量是影响能耗的两大主要因素,同时短期内交通能耗呈上升趋势,且较往年有所增强。