Plate scanning tools to obtain travel times in traffic networks

The management of vehicle travel times has been shown to be fundamental to traffic network analysis. To collect travel time measurement, some methods focus solely on isolated links or highway segments, and where two measurement points, at the beginning and at the end of a section, are deemed sufficient to evaluate users' travel time. However, in many cases, transport studies involve networks in which the problem is more complex. This article takes advantage of the plate scanning technique to propose an algorithm that minimizes the required number of registering devices and their location in order to identify vehicles candidates to compute the travel times of a given set of routes (or subroutes). The merits of the proposed method are explained using simple examples and are illustrated by its application to the real network of Ciudad Real.     

珠三角科技型小微企业协同创新网络的构建

珠三角地区作为我国重要的城市群之一,拥有众多的小微企业,这些企业的发展模式受到大家重视和关注。文中首先分析了珠三角科技型小微企业协同创新存在的问题,提出协同创新网络的构建是解决当前一些问题的有效措施;其次,在协同创新网络的构建中,分析了构建的主体要素、构建的模式、构建的过程和具体的构建框架;最后分析了构建后的协同创新网络的特征。     

基于神经网络和遗传算法的系泊线长度参数优化

摘 要: 针对多成分系泊线三段长度如何取值的问题,采用一种基于神经网络和遗传算法对深海多成分锚泊系统长度进行优化。应用AQWA软件计算多点系泊FPSO,其时域结果直接用于训练BP神经网络。从而利用神经网络的非线性映射功能构建替代锚泊时域计算网络,大大缩短了优化所需的时间。以FPSO最小平面运动值为目标函数,锚链破断强度作为约束条件,采用遗传算法优化系泊长度。计算结果表明,与传统设计的锚泊长度相比,优化后FPSO在各个浪向下纵荡横荡值均能减少20%以上。 关键词:系泊;神经网络;遗传算法;优化     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

基于混合有限元法的钢箱拱相关稳定分析

针对薄壁结构提出了一种混合有限元方法,对结构关心的部位采用板壳单元模拟,其他部位采用杆系单元模拟,根据平截面假定推导了2种单元在交界面处的约束方程,由此建立整体混合有限元模型。通过算例验证了该方法的可靠性,可以计算薄壁结构的整体稳定、局部稳定和整体局部相关稳定。用该方法对某座刚构-单肋钢箱系杆拱组合桥梁进行特征值和弹塑性稳定分析,得到了相应的稳定系数和失稳模态。实例显示,该方法既可以弥补梁单元模型无法计算构件局部屈曲的不足,又可克服局部板壳模型无法准确模拟其整体边界条件及工作环境的缺点,还可以避免全结构板壳模型产生过多单元数量和庞大结构刚度矩阵的弊端,计算可靠性和计算效率大大提高。     

约束可松弛的网络绿波模型

为解决区域交通信号协调控制领域中常规网络绿波模型可行域窄或无解的问题,提出了约束可松弛的网络绿波模型。应用混合整数线性规划方法构建模型,以所有路段双向绿波带宽加权和最大为优化目标,利用约束松弛方法,将干线约束和网络外圈闭环约束转变为可松弛的不等式约束。模型针对每条路段引入了0~1二元变量,表示路段的绿波是否被打断。通过模型求解,获得网络中必要的松弛路段,并打断相应的路段绿波,去除外圈闭环约束,以扩大可行域并找到最优解。算例对不同控制方案下提出的模型和其他绿波模型的绿波优化结果进行比较分析。算例显示,当网络各个交叉口采用同一化控制方案时,易于在不打断任何路段绿波的条件下找到最优解。此时,所提出的模型的解和常规网络绿波模型的解等价。当网络各交叉口采取差异化控制方案时,常规网络绿波模型无可行解,Gartner网络绿波模型仅获得非最优的可行解,而所提出的模型能够获得全局最优解。算例中只有1条路段的绿波被打断,而网络的其他路段均获得有效绿波带,且任意相交的干线绿波能够合理协调。算例优化结果表明：所提出的模型优于常规网络绿波模型和Gartner网络绿波模型,更适合复杂的城市交通网络信号优化设计。     

智慧高速公路设计案例分析

本文以某智慧高速的设计案例为依托,首先对国内外智慧高速发展和应用现状进行归纳总结,分析认为电动化、智能化的新型运载工具,信息化和功能专业化的基础设施,开放、共享、协同的管理与服务将是未来高速公路三大发展趋势。通过对高速公路使用者和管理者的需求针对性地精准分析,构建面向高速公路使用者和管理者的创新型应用服务。结合新技术的发展趋势,以服务需求为导向,建设"三网合一"智慧高速基础设施和智慧云控平台构成、数据流为驱动的、"开放、包容、创新"的智慧高速公路。基于案例分析的智慧高速规划设计全过程,对于国内智慧高速的整体设计和建设规划具有重要参考价值,探索开辟全新的高速公路智能化建设方向和思路。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法