编队飞行中基于危险区域的后机最优位置研究

编队飞行是实现民航绿色发展的重要措施之一。在前机尾涡危险区域分析的基础上，科学确定后机最优位置是编队飞行的关键。首先，以随机两阶段尾涡消散模型为基础，利用Hallock-Burnham涡模型和诱导滚转力矩系数模型分析后机诱导滚转力矩系数的演变规律。然后，基于设定的安全阈值，给出前机尾涡危险区域，并考虑飞行高度、速度和风对危险区域的影响。最后，基于后机不同位置处的燃油流量减少率，得出编队飞行中后机最优位置。研究结果表明：后机诱导滚转力矩系数随着前、后机之间横向距离的增加，呈先增后减再增的趋势；随纵向距离的增加，呈先缓慢减小后快速减小的趋势；高度越高、速度越小，诱导滚转力矩系数的峰值越高。飞行高度越高、速度越小，前机初始尾涡的危险区域越大；随着纵向距离的增加，危险区域不断减小，并随涡核的下沉不断下降。侧风使危险区域发生偏离，侧风越大，偏离程度越大。顺风会增加危险区域的纵向距离，顶风则与之相反。两架B737-800飞机在12000 m高度以0.78马赫数进行编队飞行时，前、后机纵向距离3000m处，无风情况下后机最优位置为横向距离30 m 或-30 m、垂直距离29 m，此时燃油流量减少率为7.01%。相较于无风，左侧风20 m·s -1 下，燃油流量减少率和垂直距离不变，横向距离增加；顺风20 m·s -1 下，燃油流量减少率增加，横向距离不变，垂直距离减少；顶风20 m·s -1 下，燃油流量减少率减小，横向距离不变，垂直距离增加。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于延迟脱体涡算法高速列车通过隧道时的绕流特性

基于延迟脱体涡算法和滑移网格技术,建立CRH380A型列车的含有转向架的三维可压缩瞬态仿真模型,模拟研究高速列车气动力、速度场和表面压力这3大绕流特性的变化规律。结果表明:延迟脱体涡算法能较好地捕捉列车通过隧道时的气动特性;当列车头部刚驶入隧道时,气动阻力迅速升高并在车头完全进入隧道时达到最大值,列车下方2侧的速度纵向分量会急剧增加,位于靠近设备舱位置的速度纵向分量会显著降低;当尾车刚驶入隧道时,隧道内壁与列车侧面之间的流场会出现回流区;当尾车全部刚驶入隧道时,气动升力和侧向力骤然增加;当列车全部驶入隧道后,气动力的波动幅值均明显升高;列车通过隧道过程中,列车侧面压力整体上呈现先增后减、最后维持周期性波动的趋势,处于尾流区的车尾部位具有更强烈的波动特征;列车裙板和车底的表面压力整体上均呈先减后增、最后维持在较高幅值波动的趋势,对列车相关结构的疲劳强度产生不利影响。     

幼儿群体单向流运动行为特性分析

现有关于行人群体运动行为的研究和规范绝大部分是以成年人群为主体的研究，关于儿童群体的理论及实验研究非常匮乏，在进行儿童群集运动管理及幼儿相关步行设施设计时往往需要参考以成年人群为主体所获得的理论及经验数据。本文组织了不同情境下(正常情况及应急疏散)幼儿群体的运动实验，通过实验数据对幼儿群体单向流运动的流密速关系、速度离散性、个体超越行为等基本特性进行了定量研究，并和成年人群的相关特性进行比较分析。实验结果表明，幼儿群体单向流的流(速)密关系呈现一种弥散性的分布，其速度的变异系数接近成年人的4~6 倍；此外，相比于成年人群中所表现出的秩序性，幼儿在单向流运动过程中更倾向于发生超越行为，其在通道中的平均位次变化强度接近成年人实验的3倍。本文研究成果有助于进一步了解幼儿群体单向流运动的基本特性，厘清幼儿与成年人群体的行为特性差异，以更好地指导幼儿群集运动的管理，以及为幼儿相关步行设施的设计和评估提供参考。     

需求变动下高铁快运货流分配与组织模式优化

基于高铁快运一地集货和多点发运的开行特点，综合考虑我国未来快递市场的需求变动，提出高铁快运常态化和规模化成网运营后的货流分配与组织模式优化方法，以客运动车组捎带运输货物、预留车厢和高铁快运专列模式下，各OD对间的高铁快运运量为主要决策变量，以总运输成本极小化为目标，构建货流分配混合整数规划模型，计算货流量在高铁快运网络中的分布，得到货流OD运输路线与各高铁快运通道运营组织模式的组合优化方案。通过高铁快运货流OD “三阶段”预测方法，预测城市间的高铁快运需求量作为货流输入，以9个国内快递业务中心城市组成的网络为案例，由Python语言调用Gurobi优化软件求解案例，验证所建模型的有效性。案例结果表明：在运量低谷期使用捎带和预留模式可满足90.7%的运输需求；在运量高峰期部分线路需开行高铁快运专列；运营组织模式可根据OD对间货流量与网络容量的适应性关系进行调整，以充分利用高铁闲置运力，提升运营效益。     

浮码头与旁靠船舶的运动响应特性研究

本文基于三维势流理论，采用数值分析方法研究了浮码头与散货船旁靠系泊的运动特性。考虑缆绳和护舷的非线性特性，探求了波浪周期对浮体运动、系缆力的影响规律。研究结果表明：考虑间隙内水体运动影响，旁靠散货船在横浪条件下的纵摇和纵荡运动有所增大。浮码头在计算工况下，缆绳受力较大，在某些工况条件下超出了国际系缆力标准的要求，旁靠散货船的缆绳在计算工况下均未超标，满足要求。研究结果为浮码头系泊系统的设计及工程运营提供理论参考。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

On the fundamental diagram for freeway traffic: A novel calibration approach for single-regime models

The speed-density or flow-density relationship has been considered as the foundation of traffic flow theory. Existing single-regime models calibrated by the least square method (LSM) could not fit the empirical data consistently well both in light-traffic/free-flow conditions and congested/jam conditions. In this paper, first, we point out that the inaccuracy of single-regime models is not caused solely by their functional forms, but also by the sample selection bias. Second, we apply a weighted least square method (WLSM) that addresses the sample selection bias problem. The calibration results for six well-known single-regime models using the WLSM fit the empirical data reasonably well both in light-traffic/free-flow conditions and congested/jam conditions. Third, we conduct a theoretical investigation that reveals the deficiency associated with the LSM is because the expected value of speed (or a function of it) is nonlinear with regard to the density (or a function of it).     

客运枢纽"人群迷路区"的快速识别与优化 ——以北京南站为例

为缓解大型客运枢纽因诱导服务不到位而产生的人流拥堵问题，采用室内WiFi 定位技术和Mysql获取行人交通流分布热力图，通过百度地图坐标拾取系统识别人流聚集区的具体位置。通过定义迷路人群的交通特征参数，提出“人群迷路区”概念；应用视频识别追踪技术，分析行人速度与加速度的方差，于人流密集区运用视频识别技术寻找“人群迷路区”。最后以北京南站为例进行实地调研，利用调研数据识别北京南站的“人群迷路区”。基于人群速度与加速度方差，“人群迷路区”被分为四类：单纯人流聚集区、因标识不足而产生的人群迷路区、因标识过于复杂而产生的人群迷路区、因商业设施或障碍物遮挡而产生的人群迷路区。同时提出加大商业活动监管力度、简化部分引导标识、增加其他交通方式换乘区域标识等优化方法，可使人群行进效率提高约25%。     

Cellpath: Fusion of cellular and traffic sensor data for route flow estimation via convex optimization

A new convex optimization framework is developed for the route flow estimation problem from the fusion of vehicle count and cellular network data. The issue of highly underdetermined link flow based methods in transportation networks is investigated, then solved using the proposed concept of cellpaths for cellular network data. With this data-driven approach, our proposed approach is versatile: it is compatible with other data sources, and it is model agnostic and thus compatible with user equilibrium, system-optimum, Stackelberg concepts, and other models. Using a dimensionality reduction scheme, we design a projected gradient algorithm suitable for the proposed route flow estimation problem. The algorithm solves a block isotonic regression problem in the projection step in linear time. The accuracy, computational efficiency, and versatility of the proposed approach are validated on the I-210 corridor near Los Angeles, where we achieve 90% route flow accuracy with 1033 traffic sensors and 1000 cellular towers covering a large network of highways and arterials with more than 20,000 links. In contrast to long-term land use planning applications, we demonstrate the first system to our knowledge that can produce route-level flow estimates suitable for short time horizon prediction and control applications in traffic management. Our system is open source and available for validation and extension.