Curbing automobile use for sustainable transportation: analysis of mode choice on short home-based trips

This paper analyzes transportation mode choice for short home-based trips using a 1999 activity survey from the Puget Sound region of Washington State, U.S.A. Short trips are defined as those within the 95th percentile walking distance in the data, here 1.40 miles (2.25 km). The mean walking distance was 0.4 miles (0.6 km). The mode distribution was automobile (75%), walk (23%), bicycle (1%), and bus (1%). Walk and bicycle are found less likely as the individual’s age increases. People are more likely to drive if they can or are accustomed to. People in multi-person families are less likely to walk or use bus, especially families with children. An environment that attracts people’s interest and provides activity opportunities encourages people to walk on short trips. Influencing people’s choice of transport mode on short trips should be an important part of efforts encouraging the use of non-automobile alternatives.

Online calibration of an integrated framework for information‐based evacuation operations

This study seeks to online calibrate the parameters of aggregate evacuee behavior models used in a behavior‐consistent information‐based control module for determining information strategies for real‐time evacuation operations. It enables the deployment of an operational framework for mass evacuation that integrates three aspects underlying an evacuation operation: demand (evacuee behavior), supply (network management), and disaster characteristics. To attain behavior‐consistency, the control module factors evacuees' likely responses to the disseminated information in determining information‐based control strategies. Hence, the ability of the behavior models to predict evacuees' likely responses is critical to the effectiveness of traffic routing by information strategies. The mixed logit structure is used for the aggregate behavior models to accommodate the behavioral heterogeneity across the population. An online calibration problem is proposed to calibrate the random parameters in the behavior models by using the least square estimator to minimize the gap between the predicted network flows and unfolding traffic dynamics. Background traffic, an important but rarely studied issue for modeling evacuation traffic, is also accounted for in the proposed problem. Numerical experiments are conducted to illustrate the importance of the calibration problem for addressing the system consistency issues and integrating the demand, supply, and disaster characteristics for more efficient evacuation operations. Copyright © 2016 John Wiley & Sons, Ltd.     

动态称重系统在路政检测中的应用研究

用于动态称重的路政检测车,其核心系统是动态称重系统。该系统包括硬件结构电路、软件系统模型、系统称重参数的辨识,主要功能是实现动态检测行驶中的车辆轮胎受力,计算相应车辆的静态重量,实现动态计重收费。最终现场测试数据表明方案可行。     

高速公路标识站选址模型与算法研究

以路网拓扑结构为基础,采用图论中的支撑树理论来研究高速公路标识站数量及选址问题。基于支撑树任意两点之间恰有一条路径的性质,定义了余边集的概念,在此基础上提出了标识站确定理论,从根本上确立了标识站最优数量,并将破圈法与展开树法有机结合,提出了适合大型路网的标识站选址算法。标识站数量确定理论和展开树算法,从根本上解决了路网收费中二义性路径的标识问题,可以直接用于高速公路及城市轨道的标识站设计与建设中,能够确定所有标识站选址方案。给出了一个试验实例以证明该理论与算法的可行性。     

基于动态重复博弈的车辆换道模型

在对车辆换道行为分析的基础上,提出了一种应用动态重复博弈原理建立车辆换道模型的方法,对每个阶段车辆的博弈过程以及车辆行为策略进行了描述,并利用速度期望的值作为车辆不同行为决策概率,在此基础上,考虑影响车辆速度期望的各个因素来对车辆速度期望的获得进行了分析。通过对不同交通流条件下实际调查的车辆换道次数与仿真值进行比较,表明了所提出模型的有效性。     

ANSYS在端承桩承载性状分析中的应用

以通用有限元程序ANSYS为基础,重点介绍其在建模、加载计算及后处理方面的分析计算过程,并探讨其在端承桩承载性状分析中的应用．对于土木工程特别是构造物下部结构的分析具有实际意义。     

����Ħ�г���ͨ������������з�ʽѡ����Ϊ�о�

针对摩托车交通的快速发展对城市交通状况的负面影响,本研究选取典型城市佛山市南海区进行了居民出行调查和公交意向调查。从摩托车出行行为入手,分析了人们选择摩托车出行的原因、摩托车方式对出行行为的影响、摩托车出行方式与其替代方式的联系和区别,并在此基础上建立了出行方式选择的Multinomial Logit模型,深入分析了影响出行方式选择的主要因素。研究还结合摩托车车主对公共交通的评价意见和限摩政策可能带来的出行方式的调整,评价了大力发展公共交通和限制摩托车的策略对改善现有交通状况的效果,对类似城市解决摩托车交通问题有借鉴作用。     

奥林匹克教育对大学生体育态度与行为的影响研究

采用问卷调查法,以江西省3所高校600名学生为调查对象,研究奥林匹克教育对他们体育态度与行为的影响.结果表明:1、奥运前江西省大学生接受奥林匹克教育的途径是多元化的,主要以接受媒介传播为主;2、奥林匹克知识的认知与大学生的体育态度呈现正相关,奥林匹克教育对大学生形成积极的体育态度存在促进作用.     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.     

面向对象的道路交通拥挤识别算法表决融合

为了满足不同服务对象对交通检测率和误判率的不同要求,在分析交通参与者与管理者的算法融合需求的基础上,提出对不同服务对象应选择不同的信任级别。利用前向神经网络和概率神经网络分别对不同的服务对象进行算法表决融合,计算结果表明这样可以实现交通参与者对高检测率、交通管理者对低误判率的不同要求。