城市轨道交通中无线局域网的应用

信息技术已经成为当今社会的主流技术.及时、准确地得到需要的信息是很多客户的要求.无线局域网(WLAN)是相当便利的数据民用通信传输系统.随着WLAN技术的普及,如何将其融合到城市轨道交通环境中去,更好地为乘客信息系统、乘客个人终端服务,已经成为一个新的课题.车地通信的实现是WLAN能够在城市轨道交通中成功应用的关键.针对不同的模式对WLAN的应用进行了阐述,以寻找最适合上海轨道交通系统的应用方案.     

浮置板轨道结构的振动频率分析

浮置板轨道结构在城市轨道交通中的减振降噪效果最显著,而其减振性能与它的固有频率有关.通过建立浮置板轨道有限元分析模型,对浮置板轨道进行了模态分析.分析了浮置板轨道的断面形状、弹性支座刚度、浮置板长度、弹性支座布置间距等对浮置板轨道系统振动频率的影响.分析结果可为浮置板轨道结构的优化隔振设计提供一定的理论依据.     

台北公共交通月及无车日活动回顾与展望

台北国际无车日自2002年起举办了5次,由最早的骑自行车活动扩大至包含“走路上学日”与“公共交通月”丰富多彩的系列活动,渐渐获得民众认同。无车日活动的目标是通过活动的倡导和社会参与来改变民众使用交通工具的行为,潜移默化的效应可促使形成可持续交通政策,当可持续交通政策与基础设施建设落实后又可具体改变交通环境,形成良性的循环机制。首先说明了“无车日”的由来,并回顾台北都会区过去5年来举行无车日系列活动的内容与经验,同时基于活动的发展与成果归纳出无车日活动的成功要素,最后提出未来活动将扩大举办的内容、方式与展望,以期能为其他城市作参考。     

关于火车站站前广场功能的探讨

编者按:随着城市化进程的加快和城市的不断更新,城市火车站站前广场的改造和建设已成为人们普遍关注的焦点.     

城市交通仿真系统设计与开发

依托智能交通系统对交通规划过程提供技术和决策支持,是当前中国大城市ITS建设的一项重要任务.建设面向规划决策的交通信息平台的主要目的,是通过长期、全面的数据采集和信息提炼,实现交通规划建设决策的科学化.首先运用系统分析方法对面向规划决策系统的用户--管理决策者、交通技术人员、公众进行了需求分析,提出系统软件和硬件架构;对系统实现中的关键技术问题进行了详细探讨;最后,介绍了如何应用上述设计方法实现深圳市城市交通仿真系统.城市交通仿真系统的设计理念、系统构架、功能设计和关键技术,将成为提高交通部门决策水平和业务能力的新的途径与模式.     

中国城市快速公交系统建设专家点评

快速公交系统发展的相关问题 全永燊,北京交通发展研究中心主任 在优先发展城市公共交通这样一个大的政策背景下,这几年公共交通发展的形势比任何时候都好,这是客观的.     

城市轨道交通列车关键子系统的安全完整性等级分析

合理确定城市轨道交通各专业设备系统的SIL(安全完整性等级)、避免刻意追求安全功能造成资源浪费是非常必要的.针对列车客室侧门、网络控制、空气制动等关键子系统发生故障可能会导致乘客碰撞、夹伤、摔伤甚至死亡的安全事故,对影响乘客安全的列车安全功能进行评估.从列车各关键子系统的安全功能角度出发,在介绍HAZOP(危险与可操作...     

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...     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)...