基于模糊预测的高速铁路客流OD 表的推算方法

科学预测客流的变化趋势与波动及获取路网客流OD 表是制定旅客列车开行 方案的依据.结合高速铁路客运的运营实际,利用客流变化相对稳定特征,本文提出了客 流OD 表的反推方法和计算流程,该方法的计算工作量相对叠加法节省了（n2-2n）.考虑 实际客流日波动特征,依据模糊预测原理,建立了车站客运指标的时间序列模糊预测方 程和预测方法,该方法可获取预测期客运指标的变化区间.以南方一高速铁路线为背景, 对车站发送人数进行了预测,预测值与实际数据相比误差在1%以内.在车站发送人数预 测的基础上,给出了线路客流OD 表的反推演算.     

不同能见度条件下高速公路车辆速度特性研究

本文以京港澳高速公路湖北省内金山-武汉南路段内的交通流检测器及其附近设置于路侧的公路气象站的历史数据为主要研究数据,针对雾天低能见度等天气因素,分析有无雾及不同能见度条件对车辆速度均值及速度离散型的影响;研究在雾天条件下,不同车道位置、不同车辆类型、不同时间时段的车辆行驶速度的差异性;基于交通流Greenshield 经典V-K关系,采用非线性回归方法,建立雾天车辆平均行驶速度综合预测模型,模型的拟合优度达到80%.研究成果对研究公路沿线能见度因素对行车安全影响,分析雾天等低能见度条件下的公路通行能力,制定雾天等低能见度条件下可变速度控制等交通控制措施具有重要参考与借鉴意义.     

薄壁叶片加工误差分析与预测

薄壁叶片在数控加工中容易变形,影响加工精度,提出了采用柔性变形迭代方法计算叶片铣削过程中的变形量．首先利用正交切削仿真试验确定球头铣刀的铣削力模型,并给出叶片数控加工刀触点计算方法,再将切削力加载到叶片的有限元网格节点上,采用柔性变形迭代方法计算出薄壁叶片的变形量．结果表明,所提出的方法能有效地预测薄壁零件的变形,为叶片加工误差补偿提供了依据．     

人材机价格上涨对公路工程造价的影响

以某桥梁工程为例,通过定量分析人材机单价变化对桥梁工程造价带来的影响,建立预测模型。通过同样的分析手段,建立路基、路面、隧道的预测模型,作为指导今后工作的依据。     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

基于模糊综合评判的智能行程时间预测算法

提出一种智能行程时间预测算法。算法基于交通流量和占有率等实时交通信息,用模糊综合评判的方法实现对行程时间的预测。其核心是由交通流量和占有率构成因素集,把行程时间看成由因素集组成的评判集,通过因素集的隶属度函数确定模糊评判矩阵,从而求出行程时间的定量值。算例验证了算法的预测精度高,拟合程度好,具有一定的可行性。     

高速公路建设项目声环境影响评价思考

结合山西省高速公路建设项目环境影响评价,对高速公路建设项目声环境影响评价中的几个问题进行了探讨,结果表明：环评执行标准的确定、评价等级及评价范围的确定、监测布点及背景值的选择、预测参数的选取直接影响高速公路声环境影响预测结果,上述选择直接决定预测结果与实际情况之间的误差,从而影响声环境保护减缓措施的合理性。     

三轴重复荷载作用下AC-13沥青混合料永久变形试验分析

采用半正弦波间歇荷载,使用MTS(Material Test Systerm)材料试验机对AC-13沥青混合料进行三轴重复荷载蠕变试验,研究试验温度和应力水平对沥青混合料永久变形特性的影响,得到了AC-13沥青混合料在不同温度和不同应力水平下的永久变形规律,对永久应变与荷载作用次数、应力水平和温度的关系进行非线性回归分析,提出来能够全面反映沥青混合料永久变形特性的模型,并绘制了不同温度下的三维图形,直观全面地反映沥青混合料变形的特性。     

基于灰色系统理论的大跨度连续刚构桥的线形控制

以长湘高速公路沩水大桥的施工控制为依托,探讨了灰色系统理论在大跨度宽翼缘连续刚构桥梁线形控制中的应用.正装分析计算得到各节段理论立模标高后,根据实测数据利用GM(1,1)模型对立模标高进行了调整和预测,得出了下一阶段的最优立模标高,并指导沩水大桥的施工,实现了沩水大桥的高精度合龙,确保了沩水大桥成桥线形符合设计要求.该方法可推广到所有采用节段悬臂施工桥梁的施工控制中.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．