先进列队行驶技术的社会经济影响评价

以运行评价为基础应用BCA和DEA方法对先进列队行驶技术的社会经济影响进行评价.BCA仅考虑可用货币测度的输出指标旅行时间节省,DEA考虑车流平稳性的增加和旅行时间的节省两项指标,结果表明当列队行驶所占比例超过30%时,并且需求大于5500辆/小时,列队行驶系统能够获得很好的社会经济效果(BCR>1);当列队行驶所占比例不变时,需求水平越高DEA相对效率值越大;由于BCA方法忽略了某些用货币单位难以测度指标的影响,因此可能低估ITS项目的效益,DEA方法能克服这一不足,比BCA方法更有效.     

基于PXA-S30的ABS轮速信号采集技术的研究

介绍了PHILIPS十六位单片机PXA-S30的可编程计数器阵列(PCA)的功能和结构以及在ABS轮速信号采集中的应用,并给出了用C语言设计的中断采集程序。     

基于DEA方法的物流园区投资方案决策

在物流园区面积既定的情况下,不同的投资方案,物流园区的经济性是不同的。但是物流园区投资和运营的特殊性,如寿命期很长、市场需求变化大等特点,问题变得比较复杂,使得用传统的技术、经济方法进行投资方案决策受到很大的限制。针对物流园区投资是一个多投入、多产出,长期的动态的决策问题的特点,提出将物流园区投资决策问题分成两个步骤进行简化,先利用DEA方法对物流园区经济性作静态分析,把物流园区效益问题转化为资源的利用率问题进行分析;再利用层次分析法综合考虑物流园区土地、资金等其它实际条件,判断出最终最优方案。     

DEA改进模型在公路网规划综合评价中的应用

基于虚拟单元且含AHP约束锥的DEA改进模型用于公路网规划综合评价时,经实例验证,其评价结果符合实际,具有良好的应用价值。     

旅客列车开行方案的DEA分析与评价

通过分析旅客列车开行所带来的经济效益、社会效益以及旅客列车开行方案评价的特点,建立了旅客列车开行方案评价指标体系,并在能够有效反映开行方案特征的前提下对该指标体系进行分析归并,简化指标规模,采用DEA方法对旅客列车开行方案进行分析和评价.     

DEA算法在公路路线方案评选中的应用

路线方案的评选是公路勘测设计中一项重要的工作,直接影响项目建设能否达到预期目标以及项目投入运营中的使用效果。进行路线方案评选时,要考虑路线的线形合理性、对周边地区的环境影响、项目经济效益、施工难易等多种因素。针对公路路线方案评选的现状,提出一种新的评选方法——DEA算法,并结合实例详细介绍这种算法的应用情况,研究表明该算法在公路路线方案的评选中具有较好的适用性。     

基于DEA的慢行导向下控规指标优化方法研究

针对当前城市规划由“以车为本”转变为“慢行交通”导向的现状,既有规划指标已不再适用,提出了一种定量优化调整规划指标的模型与方法。首先,通过改进数据包络分析（Data Envelopment Analysis, DEA）模型评价控规下各片区既有规划指标与“慢行交通”导向下规划指标的协调程度,选出不协调的街区。其次,针对基本DEA投影模型的局限性,引入可控投影模型,并对其添加指标的C-AHP权重约束,建立改进DEA可控投影模型。再次,计算得出需要调整的指标及其调整幅度,达到“慢行交通”导向规划的目标。最后,以邯郸市南湖控规单元为例,评价既有规划指标的慢行协调性,计算得出不协调街区中各指标的调整系数和调整值。对比发现,优化后各街区的生产效率、规模效率均有提高,说明调整后的街区更符合“慢行交通”为主的规划需求,验证了优化方法的合理性和可行性。     

DEA-Nash约束均衡的城市竞争力评价模型研究——基于投入产出有效性的角度

建立了一类新的DEA模型,即DEA-Nash模型,并引入了超效率的DEA-NashSUP模型.该模型通过引入Nash约束参数,构造了Nash均衡约束,体现了完全竞争因素,克服了经典的CCR模型没有考虑竞争因素和有效单元过多时无法进行排序的的缺陷,得到了更具有现实意义的效率评价结果,并通过算例进行了演示.该模型适用于具有较强竞争性的评价对象体系进行效率评价,比如城市竞争力评价.     

基于DEA的城市客运换乘枢纽服务水平评价研究

为了对城市客运换乘枢纽服务水平进行有效的评价,找出其在运行过程中存在的问题并予以解决,建立了城市客运枢纽换乘服务水平评价体系,并利用数据包络分析(DEA)方法进行了有效分析;选取西安市地铁2号线北大街、小寨、钟楼等三个典型枢纽进行了实例分析。结果表明:DEA方法可以有效地应用于城市客运枢纽换乘服务水平评价中,并且为提升换乘枢纽服务水平提供了参考依据。     

Robust Principal Component Test in Gross Error Detection and Identification

Principle component analysis (PCA) based chi-square test is more sensitive to subtle gross errors and has greater power to correctly detect gross errors than classical chi-square test. However, classical principal component test (PCT) is non-robust and can be very sensitive to one or more outliers. In this paper, a Huber function liked robust weight factor was added in the collective chi-square test to eliminate the influence of gross errors on the PCT. Meanwhile, robust chi-square test was applied to modified simultaneous estimation of gross error (MSEGE) strategy to detect and identify multiple gross errors. Simulation results show that the proposed robust test can reduce the possibility of type II errors effectively. Adding robust chi-square test into MSEGE does not obviously improve the power of multiple gross error identification, the proposed approach considers the influence of outliers on hypothesis statistic test and is more reasonable.