Calibrating aggregate travel demand models with traffic counts: Estimators and statistical performance

Traffic counts on network links constitute an information source on travel demand which is easy to collect, cheap and repeatable. Many models proposed in recent years deal with the use of traffic counts to estimate Origin/Destination (O/D) trip matrices under different assumptions on the type of "a-priori" information available on the demand (surveys, outdated estimates, models, etc.) and the type of network and assignment mapping (see Cascetta & Nguyen 1988). Less attention has been paid to the possibility of using traffic counts to estimate the parameters of demand models. In this case most of the proposed methods are relative to particular demand model structures (e.g. gravity-type) and the statistical analysis of estimator performance is not thoroughly carried out. In this paper a general statistical framework defining Maximum Likelihood, Non Linear Generalized Least Squares (NGLS) and Bayes estimators of aggregated demand model parameters combining counts-based information with other sources (sample or a priori estimates) is proposed first, thus extending and generalizing previous work by the authors (Cascetta & Russo 1992). Subsequently a solution algorithm of the projected-gradient type is proposed for the NGLS estimator given its convenient theoretical and computational properties. The algorithm is based on a combination of analytical/numerical derivates in order to make the estimator applicable to general demand models. Statistical performances of the proposed estimators are evaluated on a small test network through a Monte Carlo method by repeatedly sampling "starting estimates" of the (known) parameters of a generation/distribution/modal split/assignment system of models. Tests were carried out assuming different levels of "quality" of starting estimates and numbers of available counts. Finally NGLS estimator was applied to the calibration of the described model system on the network of a real medium-size Italian town using real counts with very satisfactory results in terms of both parameter values and counted flows reproduction.     

基于模拟退火技术的舰载米波搜索雷达信号的方向估计

本文阐述了舰载米波雷达天线阵转动时多目标回波信号的模型,提出了采用模拟退火线性优化神经网络实现舰载米波搜索雷达天线阵转动时多目标回波信号的方向估计。仿真结果表明该是有效的,并且具有速度高、准确的优点。     

RAMS在城市轨道交通建设管理中的应用

在城市轨道交通建设项目管理中,国际上正在使用一种主动性的隐患管理工具——RAMS管理。在项目规划、设计、建设、调试、运营及维护等各阶段,运营与建设单位共同采取减轻措施,消除安全隐患,以最佳的成本效益持续保证城市轨道交通系统的安全及可靠。目前国内部分城市轨道交通项目已开始运用此工具进行管理,但面临业主、设计院、承包商、监理RAMS管理意识匮乏等问题,需要深入研究如何在城市轨道交通领域应用RAMS管理。以深圳市轨道交通4号线三期工程RAMS管理模式和经验为例,介绍RAMS管理的工作流程及内容,剖析各角色的职能划分,总结工作难点及解决方法,对我国城市轨道交通建设管理中RAMS的推广应用具有积极的作用。     

铁路重要干线突发事件风险评估体系研究

随着铁路建设的发展和列车运行速度的大幅提高,铁路运输系统的技术构成更加复杂,运营管理难度相对增大,因此有必要对铁路重要干线开展风险评估,做到防患未然。深入分析可能导致铁路各类突发事件的风险源,通过历史资料分析及专家调查法,建立铁路突发事件风险评估指标体系,并以层次分析法确定各指标的权重。最后以京津城际铁路为例进行初步的风险评估。     

考虑定子电阻鲁棒性的永磁同步电机速度辨识方案

针对具有定子电阻不确定性的永磁同步电机模型,设计了一种具有定子电阻鲁棒性的自适应观测器,并结合Lyapunov方法推导出转子速度自适应辨识率,同时运用线性矩阵不等式（LMI）求解二次稳定性条件的方法来获得观测器的增益矩阵。仿真结果表明,该自适应观测器在全速范围内能很好地抑制定子电阻不确定性对速度辨识的影响,具有很强的鲁棒性。     

基于瞬时无功功率的异步电机矢量控制在线参数辨识

受现场工况的影响,异步电机在运行过程中参数会发生改变,导致矢量控制定向失准、系统性能下降。考虑到电机的电流模型需要使用互感Lm和转子时间常数Tr参数,利用瞬时无功功率构造在线参数辨识的自适应率,对其进行在线辨识。当系统处于有载状态时辨识,无载状态时辨识。仿真结果证明该方法不受定子电阻的影响,是切实有效的。     

地铁维护工作安全风险研究现状及发展

通过论述国内外安全维护工作的现状,分析在地铁安全维护方面的研究薄弱点,将研究视角引入到地铁维护工作的安全风险上,探讨、梳理地铁维护工作的安全危险源及影响因素,以期对我国地铁维护工作提供新的研究思路。     

隧道坍方突发事件风险原因统计及范例推理

为了解浏阳河隧道某地段的坍方风险,对已有坍方隧道实例的原因进行统计分析,并对主要原因进行力学解释,进一步应用范例推理评估浏阳河隧道坍方的风险.研究结果表明:隧道坍方的主要诱因是围岩破碎和降雨,这与断层破碎带处的围岩力学性能差、降水恶化围岩力学性质和降低围岩有效应力等有关,从而更易屈服失稳;浏阳河隧道范例推理的坍方风险为很有可能发生坍方,建议在该地段施工中应注重监测信息的反馈并做好超前地质预报.     

OFDM符号定时同步算法的研究

由于OFDM本身对定时误差比较敏感,因此定时估计是准确实现整个系统同步的关键技术之一。Schemidl＆D.Cox提出的算法是利用前导训练序列做自相关来定时同步,虽然这种算法对符号同步估计很有效,但在多径衰落和信道噪声的影响下同步性能不高。对此提出新的改善算法,设计新的训练序列作为前导字及改进自相关序列,通过MatLab模拟仿真和分析可以看出,改善的算法使同步性能得到明显提高。