基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

面向健康诊断的悬索桥试验模型设计

介绍了以健康监测与诊断研究为目的的悬索桥结构模型试验设计。根据悬索桥的结构特点,建立了考虑横向联结系的三维有限元模型;然后采用ANSYS有限元分析程序对模型的动力特性进行了预分析,获得了模型的自振频率和振型,进一步验证模型试验的可行性,为进行更深层次的试验研究奠定了基础。     

辽宁省公路"十一五"科技发展规划

主要介绍辽宁省公路“十一五”科技发展规划,内容包括公路科技现状与发展趋势、公路科技需求分析、公路科技发展目标与指导思想、公路科技的重点领域与关键技术,以及公路科技发展的保障措施。     

城市轨道交通列车时刻表与车底运用整合优化模型

基于单条城市轨道线路,分析客流需求、列车时刻表及车底运用之间的密切联系, 以运行安全、资源限制、列车容纳能力等作为主体约束,综合考虑公司运营费用和乘客出行费 用,构建基于客流分布的城市轨道交通列车时刻表与车底运用整合优化模型,并采用线性处 理方法,将模型转化为混合整数线性规划(MILP)模型.最后,以北京地铁亦庄线为实例,利用 ILOG CPLEX对模型进行求解.结果表明,与既有的优化方法相比,本文模型得到的列车运行 计划方案能够更好地节约成本,提高车底利用效率,满足城市轨道交通乘客和运营企业双方 的利益.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

CACC车辆跟驰建模及混合交通流分析

建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,并分析不同CACC比例下的混合交通流通行能力,尾部碰撞安全及交通排放.考虑车辆期望车头间距随速度动态变化的交通流特性,建立基于非线性动态车头间距策略的CACC跟驰模型,推导不同CACC比例下的混合交通流基本图模型,分析CACC提高通行能力的交通流运行机理.设计高速公路上匝道瓶颈数值仿真实验,评估不同CACC比例下的车辆尾部碰撞安全隐患,以及油耗、CO、HC、NOx的排放.研究结果表明,本文建立的CACC模型能够在交通流速度基本不变的情况下,以较高的交通流密度显著提升通行能力,同时有利于车辆尾部碰撞安全风险及交通排放的降低.     

我国农村客运服务满意度影响因素分析 ——以北京市昌平区和贵州省黔南州为例

为了对比研究不同影响因素对农村客运服务满意度的影响程度,通过对北京市昌平区和贵州省黔南州农村客运服务的调查,本文选取受教育水平、乘车频率、出行目的、候车时间、步行距离、票价等6个影响因素做重点分析,并建立多元有序Logistic模型.研究结果表明,同一影响因素对不同经济社会发展水平地区的影响效果不同.在农村客运服务满意度方面：服务可达性比服务经济性的影响更大,供给侧影响因素比需求侧影响因素的影响更大,乘客异质性只具有间接影响作用.所以,本文建议根据不同区域的实际情况,从科学规划线网布局、加大政府投入力度、创新市场运营方式等方面,有针对性地制定相关政策,不断提高农村客运服务的供给效率和满意度.     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力.     

港口与运输方式及陆港联合选择的巢式Logit模型

为刻画托运人对港口、运输方式及陆港的联合选择行为,将港口费用、等待时间、班轮频率、货物价值、单次运量、运输成本、运输及通关时间、准班率、陆港服务作为效用变量,构建港口选择位于上层、运输方式及陆港选择位于下层的巢式Logit模型.基于辽宁部分城市集装箱托运人的RP/SP调查数据,对模型参数进行估计和检验.结果表明,低运量倾向选择公路运输,托运人对多式联运的运输成本、运输及通关时间比公路运输的更重视,对公路运输的准班率比多式联运的更重视,陆港服务对多式联运具有显著正向影响,巢式Logit模型比MNL模型具有更优的统计学特征.