城市轨道交通初期运营客流预测技术研究

城市轨道交通新开通线路初期运营客流预测是开展初期运营安全评估和运营组织筹备的基础性工作。分析初期运营客流预测在预测期、研究对象、基础数据和预测模型方面的特点,总结该类预测工作开展的技术难点。在此基础上提出一套适用于初期运营客流预测的技术路线,阐述其中基础资料收集、交通调查、交通运行特征分析、出行需求预测、评估分析及敏感性分析的研究要点,并概括总结客流预测指标、对既有线的影响评估、需要重点关注的车站等研究内容。研究结果表明,初期运营客流预测重点在于准确把握城市及交通发展现状,而解读城市及交通发展现状资料并掌握其运行现状特点,研判其短期发展趋势是初期运营客流预测的基础性工作;针对宏观交通需求分析模型对微观客流指标预测的精度不足问题,可在城市宏观交通需求预测的基础上,通过开展各类交通调查建立城轨系统出行需求分析专题模型。本研究成果以期为初期运营客流预测的技术方法、研究内容等提供借鉴。     

基于LabVIEW的溢流阀测试系统开发

为精准测试航空用“简”系列溢流阀的相关性能,设计了基于LabVIEW的溢流阀的压力稳定性测试、寿命测试以及动静态性能测试系统。采用LabVIEW与PLC相结合的实时监测与控制技术,优化了基于神经网络的自适应PID控制器,对溢流阀测试系统进行压力及流量的控制,实现了溢流阀动静态性能的自动测试。实验结果显示,测试系统具有较高的自动化程度和测试效率。     

基于卷积神经网络的铁路曲线特征点检测算法

针对现役轨道检测系统中曲线特征点检测算法参数难以适应实际线路中曲线半径范围较大,以及由于参数设置不当导致检测的曲线特征点位置与实际位置偏差较大的问题,结合机器学习算法,提出了一种基于卷积神经网络的曲线特征点检测算法.该卷积神经网络模型可以同时对曲线的特征点进行分类和定位,将一段连续的超高数据归一化处理后作为输入数据,计...     

远洋船舶目标检测中图像分类识别研究

为准确划分远洋船舶类别,实现远洋船舶目标检测,保障海洋生态环境、海洋交通与国防安全,研究远洋船舶目标检测中图像分类识别方法。采用小波分析法,通过二维小波变换获取低频子图像、水平细节子图像、垂直细节子图像和对角细节子图像,将其作为远洋船舶图像特征;采用采用双向递归神经网络(BRNN)的深度学习方法构建分类器,将远洋船舶图像特征作为输入向量,通过递归神经网络将输入向量映射至输出向量,得到船舶目标图像分类结果。同时利用改进粒子群算法优化分类器中的权重与偏差参数,提升船舶目标图像分类精度。实验结果显示,所研究方法能够有效划分船舶目标图像类别,且划分精度高于97%。     

基于生成对抗网络的地铁OD需求短时预测

城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一。准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义。有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测。CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度。考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入。为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构。以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97%和6.59%,相比其他组合模型提高了3.26%,相比基础CGAN模型和WGAN-div模...     

基于RBF神经网络的地铁隧道施工坍塌事故应急车辆需求预测

现有生产安全事故应急救援体系未能充分利用历史经验辅助应急决策,并多为资源总体上的预测和调度。为高效、准确地应对地铁隧道施工坍塌事故,制定应急救援方案,提高应急救援效率,以确定应急车辆需求量为例,提出一种基于RBF神经网络的应急车辆需求预测模型。在确定预测指标的基础上,整理分析历史事故案例并提取关键指标值,通过训练确定扩展速度及隐含层神经元个数,分别构建以坍塌位置、次(衍)生事故、坍塌面积和被困人数为输入,救护车及消防车需求量为输出的RBF神经网络预测模型。在预测结果的基础上,确定所需应急车辆类型及数量,推算医护人员和消防人员的配备数量,并结合事故实际特征对预测结果进行修正。以某实际地铁隧道施工坍塌事故数据进行案例分析,预测该事故所需的应急车辆、相关人员及设备等应急资源的需求量,并将其与实际数据对比分析,验证了预测模型的可行性和有效性。该预测模型可为地铁隧道施工坍塌事故应急救援方案的制定提供新的思路和方法。     

基于神经网络的无人船自主靠泊模拟研究

针对传统神经网络自主靠泊控制器忽视车令与螺旋桨转速、舵令与实际舵角之间的映射关系问题,将控制器的输出由螺旋桨转速、舵角改为车令与舵令.为解决靠泊完成后船艏向偏差较大问题,将多初始状态下的靠泊训练数据改为单一初始状态,并将选择靠泊过程中的部分数据作为控制器输入改为提取靠泊过程中的全部信息,以此来提高控制器的训练效果.仿真...     

基于神经网络预报的实时专家控制器设计

该文提出一种在保证控制系统稳定的前提下,能实时跟踪船舶航行环境变化和船舶操纵动态特性变化,以逐步提高自动操纵系统控制性能的实时专家控制器。仿真结果表明了此实时专家控制器的有效性,且算法简单,易在线实现。     

基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS(Inertial Navigation System)为主,与全球导航定位系统GPS(Global Position System)等多个次级导航系统组成的导航系统的实现方案.设计了基于Hopfield神经网络的导航系统的滤波估计算法.经计算机模拟仿真证明,神经网络的算法优于通常的卡尔曼滤波方法.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.