震后区域路网运输优化调度模型

震后区域路网由于受众多随机事件影响,路段通行能力下降,从而导致行程时间波动性增加.建立了以运量方差积最小为优化目标,从交通流合理分配的角度出发的无差别和考虑运输任务差别的交通流运输网络优化调度模型,用二次加权平均算法求解模型.通过对模拟仿真网络的计算结果表明,该模型能较好解决震后运输网络交通流分配问题.     

加权Voronoi图在轨道交通突发事件下公交应急管理中的应用

轨道交通应急管理是城市轨道交通运营管理的重要内容。为了解决轨道交通突发事件下的客流疏散问题．提出将加权Voronoi图应用于城市轨道交通突发事件的应急管理,该方法计算简单易于实现。最后通过实例验证其可行性。     

一种引入突出影响因子的复杂系统可靠性评估模型

针对复杂系统可靠性评估过程中某些指标对评估结果具有较为突出的影响,提出了一种引入突出影响因子的非线性评估模型。该模型既能够反映某种指标的突出影响,叉能把线性加权平均模型视为突出影响因子为1的特例．将其应用于某型雷达接收系统的可靠性评估,并证明了该模型较线性加权法的优越性．     

友好型非机动车交通评价指标体系的构建

慢行交通在我国越来越受到重视,非机动车交通作为慢行交通的重要组成部分,其发展好坏直接关系到慢行交通的发展,甚至关系到整个交通系统能否健康发展．本文首先分析了我国非机动车交通存在的问题;接着在友好型非机动车交通理念的指导下,提出了友好型非机动车交通的概念,分析了友好型非机动车交通的影响因素,进而建立了友好型非机动车交通评价指标体系,对评价指标进行了量化;最后应用层次分析法进行评价指标权重的确定,并利用加权综合指数模型进行综合评价。     

基于灰色理论的交通基本建设贯彻军事要求工程建设方案评价

交通基本建设贯彻军事要求工程建设是为发挥交通目标的战争潜力,在主体工程的基础上而额外开展的工程建设。此类工程建设方案受多种因素影响,为此提出了利用层次分析法确定指标权重的思路。通过引入灰色加权关联度,建立了交通基本建设贯彻军事要求工程方案评价的方法和模型,并应用本方法对某一新建铁路桥梁贯彻军事要求工程的3个方案进行了评价,达到了优选的目的。     

基于人-车-路三自由度振动模型的路面平整度评价方法

为了更准确地评价路面的行车舒适性,以乘客的竖向加权加速度均方根值作为平整度评价指标,将人-车-路组成的系统简化成三自由度振动模型,依据牛顿法建立了振动微分方程,采用传递矩阵法对其进行了求解,进而建立了考虑人-车-路相互作用的路面平整度评价方法。结果表明,该评价方法能考虑不同路面类型以及公路等级的影响,对于不同等级路面的评价结果与实际情况一致,而国际平整度指数、功率谱密度和平整度标准差在部分工况下不能很好地描述路面的舒适性。     

动态输入下路段行程时间研究

以元胞传输模型(LWR模型的离散形式)作为分析工具,以行程时间为研究对象,研究了单车道路段没有出入口的基本路段受交通信号控制影响下的动态行程时间.考虑到路段上车辆密度对车辆速度的影响,文章定义了路段加权密度来表征车辆进入路段时路段的状态.分析结果表明,动态行程时间和车辆进入路段时的流量基本上没有关系;当车辆进入路段时刻一定时,路段加权密度和车辆的动态行程时间成线性关系.     

城市轨道交通有权网络相继故障可靠性研究

城市轨道交通各条线路和车站因其所承载客流量多少不同在网络结构的地位也不同,仅从网络结构来评价可靠性可能会产生误判.本文根据地铁网络智能卡数据构建了网络权重矩阵,结合网络结构确定了无权、有权网络的复杂网络参数,并基于有无权重 两个网络分别定义了4 种相继故障的策略参数及网络可靠性评价模型.以北京市轨道交通为实例系统性分析有无权重两个网络的可靠性,结果表明,模型可操作性强,弥补了城 市轨道交通网络可靠性研究的不足,加载了客流的网络脆性更明显,站点重要性排序也 发生较大变化.     

自动变速器车辆参数的模糊匹配及性能评价

将发动机与液力变矩器组合并建立相关的数学模型,然后以燃料经济性为目标,以动力性为约束条件,用模糊匹配的方法对车辆传动参数及结构参数进行模糊匹配计算,再用加权综合评价方法对模糊匹配后的结果进行评价。     

Nonlinear Statistical Process Monitoring Based on Control Charts with Memory Effect and Kernel Independent Component Analysis

A novel nonlinear combination process monitoring method was proposed based on techniques with memory effect (multivariate exponentially weighted moving average (MEWMA)) and kernel independent component analysis (KICA). The method was developed for dealing with nonlinear issues and detecting small or moderate drifts in one or more process variables with autocorrelation. MEWMA charts use additional information from the past history of the process for keeping the memory effect of the process behavior trend. KICA is a recently developed statistical technique for revealing hidden, nonlinear statistically independent factors that underlie sets of measurements and it is a two-phase algorithm: whitened kernel principal component analysis (KPCA) plus independent component analysis (ICA). The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed combined method based on MEWMA and KICA can effectively capture the nonlinear relationship and detect small drifts in process variables. Its performance significantly outperforms monitoring method based on ICA, MEWMA-ICA and KICA, especially for long-term performance deterioration.