图的反符号星k控制数

设G=(V,E)是一个图,一个函数f:E→-1,+1如果∑f(e)≤0 e∈E[v]对于至少k个顶点v∈V(G)成立,则称f为图G的一个反符号星k控制函数,其中E(v)表示G中与v点相关联的边集.图G的反符号星k控制数定义为γrkss(G)=max{∑f(e) e∈E│f为图G的反符号星k控制数}。得到了一般图的反符号星k控制数的若干上界,对文[6]中的结果进行了推广,还确定了路Pn和圈Cn的反符号星k控制数。     

后疫情时代基于XGBoost的铁路客运站客流量预测研究

进入"后疫情时期",铁路客流正逐步回升,但呈现较大波动,面对铁路提质增效的任务,准确预测客流量愈发重要.文章采用极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,以新冠肺炎疫情、天气和日期属性作为影响因素,选取上海站2016年1月1日—2020年7月27日客流量数据作为训练集和验证...     

交通网络中多路径优化选择算法的研究

指出了传统的多路径问题及其算法存在的缺陷,给出了多路径优化算法的几个定义,在此基础上,提出基于重叠惩罚的多路径选择算法,设计出了重叠惩罚函数数学模型结构以及路径相似性评价函数定义,对惩罚函数中的协调因数敏感性进行分析,给出了合适的协调因数。该算法能有效地解决候选路径重叠相似性问题,而平均总旅行时间比率基本不变,从而更适合驾驶人员的实际选路需求。与传统k最短路径算法进行了试验比较,结果表明该算法明显优于传统k最短路径算法。     

基于事故树分析的薄膜型LNG船泄漏事故原因分析

为预防LNG船泄漏事故发生,对近年世界各地LNG船泄漏事故进行调查分析,以薄膜型LNG船为研究对象,采用事故树分析法建立以"薄膜型LNG船泄漏"为顶上事件的事故树,对选取的38个基本事件进行系统分析,总结出各基本事件对造成LNG船在装卸、运输过程中泄漏的结构重要度,从船舶设计选型、预防部件老化、安全操作、安全预警等方面提出防范泄漏事故发生的措施。     

考虑乘客出行数据的城市轨道交通有效路径集生成方法

有效路径集合生成是城市轨道交通断面客流预测、线网运力计算和客流分析的基础。为解决传统有效路径生成中存在的各路径有效程度无法评估、线性约束无法赋权的问题,降低问卷随机性对最终路径集生成的影响,本文在传统有效路径问卷调查数据的基础上,对乘客出行路径选择行为进行分析并做出假设,引入乘客出行时长,针对处于不同时长聚类簇下的有效路径分别建立评估模型,提出1种有效路径集生成方法。将轨道交通网络中站点和线路分别抽象为节点和边,构建轨道交通网络有向图;考虑出行路径类型、乘客出行主观因素以及乘客出行密度分布规律,利用自适应的DBSCAN算法处理乘客出行时长数据,以各时长下的出行密度为基准划分聚类簇,以聚类簇及其属性为输入,构建Logit模型并以其评估结果替代传统有效路径生成中的线性条件约束,并独立计算各簇所代表潜在有效路径的有效性权重,基于有效路径出行时长区间的连续性特点获取有效路径集。以广州地铁线网中多对出行OD为例进行验证,结果表明:结合乘客出行数据聚类分析后所得到的有效路径集,调整兰德系数为0.652,相比于其他传统路径算法的生成结果,提升了0.379;同时在路径总时长-换乘次数平面上所产生的集合...     

（g,f,k）-临界图的一个充分条件

设G是一个图,F是G的一个完全因子且ω（F）≥2,g和f是定义在V（G）上的两个整数值函数,且对所有的x∈V（G）有0≤g（x）〈f（x）．本文证明：若对F的每个分支C,G—V（C）是（g,f,k）-临界图,则G本身也是（g,f,k）-临界图．     

LR（k）语法的特征

给出了ＬＲ（ｋ）语法的一个特征。基于这一特征,ＬＲ（ｋ）语法的判定和分析算法更容易实现。     

工程机械故障树分析初探

详细介绍了故障树分析法的特点、常用符号以及分析步骤，并以Ｓ１９５型柴油机为例提出了对工程机械的可靠性采用故障树分析的新思路。     

基于有限穿越可视图的进场航班流量波动特性研究

研究空中交通流量的波动特性是设计高效流量管理措施和控制策略的基础，掌握空中交通流量波动特性有利于空域资源配置与流量运行需求之间的均衡匹配。在3种时间粒度上，针对进场航班流量时间序列，一方面从复杂网络整体维度出发，采用有限穿越可视图对时间序列进行建网，利用k-core算法探究航班流量波动特性；另一方面从复杂网络局部维度出发，引入序模体方法，构造有限穿越可视图序模体，利用多元序模体类型转换规律来刻画流量的动态转移模式，进而掌握航班流量波动动态演化规律，为波动模式的预测提供了有效工具。研究结果表明：在有限穿越可视图方法映射得到的网络中，节点所属核阶数可以有效刻画流量波动强度，且与波动强度成正相关关系，即节点所属核阶数越大，波动强度越大，天津机场进场航班流量数据的强波动时 段为16:50-17:30；序模体越长，波动特性刻画能力越强，但鉴于受到空中交通混沌特性影响，序模体过长对于流量预测意义不大，推荐使用5节点序模体；波动模式状态转移图在有效刻画流量波动动态演化的同时，也可以计算波动模式的转移概率，3种时间粒度下转移概率分别为12.315%、 13.131%和10.638%，为波动模式的预测提供了有效工具。