滞洪区路基填料改良土击实特性研究

滞洪区亚砂土、亚粘土用作路基基层、底基层填料土必须进行固化改良,该文采用石灰-粉煤灰、水泥-粉煤灰组合和水泥-石灰组合对其进行改良研究,将以上改良土按照不同配合比,以不同的含水率进行击实试验,确定最优含水率及最大干密度,并分析两者随不同掺灰比的变化规律,供工程参考。     

城市轨道交通灾害链演化网络模型及其风险分析——以地铁水灾为例

灾害链式演变是重大灾害形成的主要诱因,探明城市轨道交通典型灾害间的链式衍生发展规律对保障地铁运营安全意义重大。基于灾变链式理论和复杂网络理论,对城市轨道交通灾害事件的致灾因子、孕灾环境、承灾体特征及灾情链式传递规律展开研究;并以地铁水灾为例,构建灾害链演化网络模型;而后采用出入度、子网节点数、所含支链数和介数中心度分析法,对该过程进行风险分析。结论为:在城市轨道交通灾害演化系统中,各类灾害连接紧密、链生性强,传递性高;在地铁水灾演化网络中,车站用电设备故障、隧道结构性能劣化和地下承压水上升是风险控制的关键节点。研究成果为构建地铁运营风险预控与断链减灾体系提供理论支持。     

基于综合运输网络的客流分配优化模型与算法

以综合运输网络条件下的客流分配为研究对象,提出更适合表现旅客出行需求和各种运输方式相互竞争关系的运输细分方式,采用可量化表征综合运输网络当前客流状态的区间饱和度和径路饱和熵,并结合旅客出行广义费用函数,构造旅客出行阻抗函数,给出以综合运输网络中旅客出行总阻抗最小为目标的客流分配优化模型.基于k条最短路算法和混沌优化算法,在径路选择时考虑当前综合运输网络的旅客出行阻抗因素,设计客流分配迭代优化的动态求解算法.算例表明,利用给出的模型和算法能够得到可行和更为细分的综合运输网络客流分配方案.     

关于最短路径的SPFA快速算法

本文提出了关于最短路径问题的一种新的快速算法－ＳＰＦＡ算法。ＳＰＦＡ算法采用动态优化逼近的方法，用邻接表作为有向图的存储结构，用了一个先进先出的队列Ｑｕｅｕｅ来作为待优化点的存储池。算法的时间复杂性为Ｏ（ｅ），在绝大多数情况下，图的边数ｅ和顶点ｎ的关系是ｅ＜ｎ＾２，因此，ＳＰＦＡ算法比经典的Ｄｉｊｋｓｔｒａ逄法在时间复杂方面更优越。     

不同出行距离的客货运量分布研究

根据客货出行的随机性以及组成理论中的最复杂原理,可推导出客货出行距离的概率分布,得出客货出行的规律,从而为交通规划以及运输规划提供依据,同时也为客货出行特性的研究提供新的思路。     

测量噪声相关情况下的航迹融合和测量融合

研究了测量噪声相关情况下的航迹融合和测量融合问题,根据线性无偏最小方差估计理论,推导了噪声相关情况下的多传感器跟踪系统的航迹融合和测量融合算法.经Monte Carlo仿真表明,文中给出的考虑噪声相关的航迹融合和测量融合算法的跟踪精度均高于相应的不考虑噪声相关的传统算法,且附加的计算量很小.     

罚转向网络模型最短路径性质及算法

建立和研究了具有转向惩罚值的网络模型。在定义罚转向网络模型的符号、路径及路径长度的基础上,对所建立的罚转向网络模型的性质进行了讨论,指出了该模型中的最短路径允许具有回路,提出了求解从任一节点到其他有向弧和节点的最短路径的一个算法。     

一种带有时间窗的货物配送路线设计算法

提供了一种有大量的客户数据,只需对部分客户进行带有时间窗要求的货物配送的优化路径选择算法。该算法首先通过寻找的隐含条件利用可行的算法将问题规模进行缩小,然后利用特殊情况荻取限制条件,不断缩小搜索范围,从而搜索到有效解．该算法针对具体问题设计,适合应用于工程实践。     

基于最大方差理论的大津法在沥青混合料数字图像分割中的应用

针对目前沥青混合料自动检测的要求,借助于数字图像处理技术,给出最大方差理论在沥青混合料智能检测与参数提取中的应用,可为实现沥青混合料自动检测与分析奠定良好的基础。     

拉格朗日松弛启发式算法求解时空网络下的弧路径问题

为减少车辆调度成本,优化车辆运输路径,在时空网络中研究路段作业车辆的弧路径问题;考虑道路出行的时变性,利用车辆运行的时间、空间特征,构建时间-空间网络,建立弧路径问题的时空网络流模型;设计了拉格朗日松弛启发式算法,引入拉格朗日乘子松弛耦合约束,构建拉格朗日松弛问题;进一步通过拉格朗日分解,把松弛问题分解为单车最短路问题;用次梯度算法更新乘子,求解拉格朗日对偶问题,并更新原问题最优解的下界;使用启发式算法获得可行解,并更新原问题最优解的上界;用六结点运输网络和Sioux-Falls网络下的算例对算法进行实证分析。计算结果表明:六结点运输网络中6个算例的上下界间隙值等于0或接近0,Sioux-Falls网络中算例2的间隙值为0.02%,其余5个算例的间隙值等于0,均可以得到质量较高的近似最优解;在最复杂的算例(15辆车,70个任务)中,算法在可接受的时间内也得到了间隙值为0的解,找出了最优的车辆路径;随着迭代次数的增加,拉格朗日乘子会逐步收敛到固定值;当车辆容量从50增加到100时,最优解从52下降到42,说明在任务数和车辆数一定时,适当增加车容量可以降低运营成本。可见,与商业求解器相比,拉格朗日松弛启发式算法的间隙值更小,求解质量更高,可以更有效地求解弧路径问题。