需求信息的延迟对牛鞭效应的影响

研究在一个库存环境中,用于未来需求预测的需求信息的延迟对于需求预测的影响.当通过一种补充订货策略控制补货时,这种延迟降低了历史订单信息的波动性,最终减弱了牛鞭效应的影响.     

轮胎滚动阻力与汽车燃油经济性的关系

通过对汽车行驶时轮胎滚动阻力的分析,阐述了不同路面,不同轮胎形成滚动阻力的原因及影响因素.并揭示了降低滚动阻力系数也是提高汽车燃油经济性的重要措施之一.     

一种优化的分布式光网络的动态带宽分配算法

在分析了EPON的拓扑结构及其调度机制的基础上,根据分布式计算的特点,提出了一种优化的可适用于分布式光网络的动态带宽分配算法CPDBA.该算法根据分布式计算任务的实时性和时序性,进行动态调度,并利用数据包的相关性,进行预测动态分配信用带宽.该算法能适用于分布式光网络,并减少了数据包的时延.     

带自由液面有限长圆柱绕流数值模拟

[目的]为了探究自由液面及自由端对典型钝体绕流问题的影响,对带自由液面的有限长圆柱绕流进行研究。[方法]基于延时分离涡模拟（DDES）技术和分段线性界面重构（PLIC）方法,利用自主开发的naoe-FOAM-SJTU求解器开展数值模拟。[结果]结果显示,自由液面和自由端的存在增大了局部位置的升、阻力,推迟了圆柱表面流动分离的发生;相较于深吃水位置,自由液面附近流向的速度“恢复”延缓,横向的速度呈向外运动的趋势;自由液面的变形产生了大量细碎的漩涡,自由端的卷拧状漩涡在一定程度上抑制了卡门涡街的发展。[结论]研究表明,目前采用的数值方法能够准确捕捉复杂流场,同时,自由液面和自由端的存在将显著改变流场沿吃水方向的分布。     

在斜交十字交叉口内设置车辆待行区的研究

针对斜交十字交叉口存在的安全隐患等问题,提出为锐角进入交叉口的次路车流设置车辆待行区,使支路车流可以分两个阶段通过交叉口．以一级公路为例,运用概率论和排队论计算了车辆待行区所适应的交通量范围,给出了通行能力的计算方法．在不同交通量情况下,比较了普通让行、信号灯和设置车辆待行区三种交叉口控制方式的延误．     

港湾式公交停靠站设置条件研究

针对城市道路中公交进出直线式与港湾式停靠站对外侧车道通行能力产生影响的问题,运用排队论与间隙接受理论相关成果,分别建立了直线式、港湾式排队无溢出及港湾式排队有溢出3种情况下公交进出停靠站对外侧车道的影响时间模型;在此基础上以公交出站延误及站点服务强度作为约束条件,推导出外侧车道通行能力计算模型,并给出设置条件;对仿真模拟试验结果与模型计算结果进行对比,并对模型适用性进行了检验,给出了不同公交到达率下3种模式设置港湾式公交停靠站的通行能力范围值。结果表明:该模型具有较高的精度和可靠性,能够为城市道路设计提供必要的参考依据。     

排阵式交叉口延误及最佳周期模型

为了提高排阵式交叉口这一非常规信号交叉口的运行效率，对其延误和最佳周期进行分析。首先针对先直行后左转、先左转后直行和直行左转交替通行3种信号相位相序，通过对排序区内车辆驶入、驶离、受信号控制阻滞等车流运行情况的分析，构建可反映排阵式交叉口车辆2次停车启动的车均延误计算模型。通过仿真对比可知，左转和直行延误估算误差均在10%范围内。在此基础上，以交叉口总延误最小为目标，考虑清空时长、主、预信号相位差、绿灯时长等约束条件，建立排阵式交叉口最佳周期理论模型。针对不同排阵式控制进口道数量设置的情况，通过对最佳周期的拟合分析，建立最佳周期简化模型。与理论模型相比，最佳周期简化模型的拟合优度在0.935~0.972范围内。通过模型对比和案例分析，对最佳周期简化模型的优化效益和稳定性进行检验。研究结果表明：在非饱和状态下，建立的最佳周期模型的平均误差和均方误差分别为2.13%和2.39%，均小于Webster模型和HCM2010模型的计算结果，具有较高的准确性和稳定性，案例中可降低车均延误36.46%；相较于传统信号控制交叉口，建议排阵式交叉口采用较小的周期时长，且当关键流量比大于0.6时尤为显著，分析中发现最佳周期减小14.53%~34.65%。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

列车晚点情况下的地铁运营调整自组织机制研究

在细致梳理他组织模式下的列车运行调整规则与策略基础上,引入智能体概念,借鉴“沙丁鱼群”运动效应,将邻近两列车间的运行时间距离划分为排斥间隔、协同间隔和吸引间隔,继而建立列车间的协同运动关系.运用仿真技术实现了晚点情况下的列车运行调整自组织算例,论证了自组织调整机制的有效性和应用性.     

Forecasting journey time distribution with consideration to abnormal traffic conditions

Travel time is an important index for managers to evaluate the performance of transportation systems and an intuitive measure for travelers to choose routes and departure times. An important part of the literature focuses on predicting instantaneous travel time under recurrent traffic conditions to disseminate traffic information. However, accurate travel time prediction is important for assessing the effects of abnormal traffic conditions and helping travelers make reliable travel decisions under such conditions. This study proposes an online travel time prediction model with emphasis on capturing the effects of anomalies. The model divides a path into short links. A Functional Principal Component Analysis (FPCA) framework is adopted to forecast link travel times based on historical data and real-time measurements. Furthermore, a probabilistic nested delay operator is used to calculate path travel time distributions. To ensure that the algorithm is fast enough for online applications, parallel computation architecture is introduced to overcome the computational burden of the FPCA. Finally, a rolling horizon structure is applied to online travel time prediction. Empirical results for Guangzhou Airport Expressway indicate that the proposed method can capture an abrupt change in traffic state and provide a promising and reliable travel time prediction at both the link and path levels. In the case where the original FPCA is modified for parallelization, accuracy and computational effort are evaluated and compared with those of the sequential algorithm. The proposed algorithm is found to require only a piece rather than a large set of traffic incident records.