An adaptive information fusion model to predict the short-term link travel time distribution in dynamic traffic networks

As intelligent transportation systems (ITS) approach the realm of widespread deployment, there is an increasing need to robustly capture the variability of link travel time in real-time to generate reliable predictions of real-time traffic conditions. This study proposes an adaptive information fusion model to predict the short-term link travel time distribution by iteratively combining past information on link travel time on the current day with the real-time link travel time information available at discrete time points. The past link travel time information is represented as a discrete distribution. The real-time link travel time is represented as a range, and is characterized using information quality in terms of information accuracy and time delay. A nonlinear programming formulation is used to specify the adaptive information fusion model to update the short-term link travel time distribution by focusing on information quality. The model adapts good information by weighing it higher while shielding the effects of bad information by reducing its weight. Numerical experiments suggest that the proposed model adequately represents the short-term link travel time distribution in terms of accuracy and robustness, while ensuring consistency with ambient traffic flow conditions. Further, they illustrate that the mean of a representative short-term travel time distribution is not necessarily a good tracking indicator of the actual (ground truth) time-dependent travel time on that link. Parametric sensitivity analysis illustrates that information accuracy significantly influences the model, and dominates the effects of time delay and the consistency constraint parameter. The proposed information fusion model bridges key methodological gaps in the ITS deployment context related to information fusion and the need for short-term travel time distributions.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

高速铁路与城市地铁的衔接换乘

在对现有高速铁路与地铁的衔接换乘分析的基础上,提出几种衔接方式,可为将建的高速铁路与地铁的衔接换乘提供参考。     

一类动态交通分配中的输出流模型及其数值解法

已知路段输入流,基于Greenshields提出的速度-密度关系模型以及Jayakrishnan et.al提出的改进的Greenshields 速度-密度关系模型所描述的路段交通流特征,分别给出了关于路段输出流的常微分方程模型.针对无法得到该模型的解析解,利用龙格-库塔-芬尔格算法给出初始条件下的数值解.在已知输出流的条件下,每个时刻的路段交通流的行程时间也相应给出.仿真结果表明,针对两类不同速度-密度关系所建立的输出流模型,所得到每个时刻的输出流基本相似,但路段行程时间存在明显差异.与交通流调查数据比较,基于改进的Greenshields速度-密度关系的输出流模型的行程时间更接近真实情况.     

汽车转向拉杆及球头销寿命试验台的开发

汽车转向拉杆及球头销是汽车上的重要部件，其强度和可靠性直接关系到汽车行驶安全，为满足该部件的产品要求，设计了一种转向拉杆及头销寿命试验台，介绍了试验台的试验技术参数，试验台的组成及原理，该试验台经工厂使用，效果良好。     

地铁车辆牵引拉杆装置稳定性问题研究

受压牵引拉杆在极限承载下因忽然弯曲导致结构失稳破坏,从而影响转向架系统的运行安全性。文章从理论与工程相结合的角度剖析了杆件结构失稳的力学原理,提出了改善杆件结构稳定性的基本思路和可行措施,并在此基础上,对某型牵引拉杆装置进行优化设计。分析与实验表明,在工程可能的极限载荷下,牵引拉杆装置可有效确保稳定性,并利用有限元技术成功预测出牵引拉杆装置的失稳临界载荷。这为设计分析类似牵引拉杆装置提供了一种的思路。     

战术数据链作战应用仿真研究

开展战术数据链作战应用仿真研究在效能评估、战术研究和作战训练等方面都具有重要的意义,文章分析了Link16数据链的作战应用能力,并采用基于高层体系结构的分布式交互仿真技术,研究了Linkl6数据链作战应用仿真系统的设计与实现方法。     

基于指控系统的数据链战术能力测试研究

文章针对现行海军舰船数据链设计鉴定测试方法的不足,基于指控系统从数据链战术应用角度出发,面向海军舰船作战系统使命任务,提出了海军舰船数据链设计鉴定的评价指标体系及其测试方法,对客观、科学、有效地评估海军舰船数据链战术数据传输能力有着重要实践参考价值。     

渤海海峡跨海通道“南桥北隧”方案初步研究

为了进一步推动渤海海峡跨海通道的规划与兴建,对其跨越方案进行了初步研究。通过分析渤海海峡地形、地貌、地质、气候、海洋、环境等基本建设条件,提出了采用"南桥北隧"的组合方案,即海峡北部采用海底隧道,南部利用中途各岛屿建设跨海大桥。运用Google Earth地理信息软件,获取沿线岛屿及海底的地形数据,绘制沿线地层纵剖面图,结合沿线岛屿和水深特点,对隧道埋深和桥梁线路进行布设和方案构想,给出各种方案的总长度。最后提出下一步需要研究解决的问题及相关建议。     

考虑路段失效的军事物流配送中心选址模型

针对战场保障网络常常遭受敌人打击的现象,建立了考虑路段失效的军事配送中心可靠选址模型.模型为双层规划形式,上层规划的目标是优化系统在无路段失效和出现路段失效时所覆盖的总的需求量,下层规划的目标是最小化某一路段失效时系统覆盖的需求量.采用启发式算法求解下层规划,运用遗传算法求解整个模型.通过一个算例验证模型的优越性和算法的有效性.算例结果表明,尽管模型所得选址方案在无路段失效时覆盖的需求量,小于不考虑路段失效的最大覆盖模型选址方案覆盖的需求量,但在最佳路段失效时模型选址方案的覆盖效果优于后者.