机坪安全灰色评价方法

采用主观赋权与客观赋权相结合的组合赋权法确定评价指标的权重,其中前者为G1法,后者为均方差法.用灰色聚类方法和层次分析法,建立了机场机坪安全风险双层次灰色评价模型,模型的一级指标包括民航机场机坪设施设备安全状况、空防保障系统安全状况、机坪作业人员管理状况、机坪车辆管理状况、机坪现场指挥协调状况和机坪安全综合管理系统状况.实例计算结果表明,该方法能有效地利用评价指标的信息综合评价民航机场机坪的安全状况.     

巴黎公共自行车租赁点规划设计

总结了巴黎公共自行车租赁点规划中采用的出行需求预测方法,规划在分区基础上,根据居住人口、就业岗位、商业和设施4种类型,测算各区日均出行次数,进而确定公共自行车租赁点数量及自行车规模。阐述了租赁点定位的影响因素、定位方法及布设原则。详细分析了租赁点的布设方式,明确路边租赁点、人行道上的租赁点和行道树附近租赁点的布设要点,对自行车、停车桩、服务终端等设施也提出了相关要求。最后,在巴黎经验基础上指出,我国部分城市提出的“解决公交出行最后一公里”的公共自行车系统单一功能定位,不利于租赁点的合理布局;租赁点主要布设在人行道的做法也会引发新的交通问题。     

城市轨道交通网络化客流特征及成长规律——基于京沪穗深城市轨道交通网络客流数据分析

中国各大城市轨道交通将陆续进入网络化运营阶段,然而对于网络化进程中客流特征及成长规律尚缺乏深入细致的分析与研究。对北京、上海、广州、深圳4个城市轨道交通网络化进程中的客流特征及成长规律进行系统总结,涉及客运量及客运强度、断面客流量分布、线网换乘系数、乘距与运距、客流时间分布等。同时,针对轨道交通沿线土地利用、线网规模、服务水平、票制票价等影响客流特征变化的主要因素进行分析。在此基础上,对当前中国城市轨道交通规划、建设、运营组织的若干关键问题提出建议。     

基于进化神经网络的超声回弹综合法火灾后混凝土强度的评定

基于火灾高温后混凝土强度的评定是判断火灾后建筑结构损伤程度、剩余承载力的重要依据,设计了一个进化神经网络模型,用遗传进化算法优化RBF网络的连接权和网络结构,并将其应用于火灾后混凝土抗压强度的评定,给出了混凝土强度测试的实验方法。研究结果表明,所提出的进化神经网络比回归计算方法具有更高的识别精度和较强的实用性。     

超长重载列车纵向力影响规律仿真研究

建立超长重载列车纵向动力学仿真模型,并利用大秦线3万t重载组合列车长大下坡道制动试验数据对其进行验证;分析超长重载列车平直道制动工况时列车编组长度、机车无线同步控制延迟时间,以及长大下坡道常用全制动时坡度差、车钩间隙和ECP制动控制技术对纵向力的影响规律.结果表明:正常情况下,4万～12万t超长重载组合列车编组长度对平...     

贵阳枢纽大对门双线隧道超前地质预报技术

针对贵阳枢纽白云至龙里北铁路控制性工程大对门双线隧道复杂的岩溶、水文地质等条件,介绍超前地质预报的综合应用,总结应用效果和存在的问题。超前地质预报实践表明,采用TSP、地质雷达、红外探水、HSP声波反射法等综合超前预报手段,有的放矢,结合地质资料和隧道开挖不断揭露的地质条件综合分析,可以获得较好的预报结果,为隧道中不良地质情况施工提供正确指导。     

城市轨道交通客流增长滞后性与预测方法研究

城市轨道交通客流是确定城市轨道交通建设规模及投资决策的主要依据,然而客流增长速度并不与城市轨道交通建设同步.考虑到城市轨道交通客流增长的滞后性,利用上海城市轨道交通1996-2010年客流与建设数据,基于协整理论建立了向量自回归模型进行城市轨道交通客流预测.研究结果表明:城市轨道交通客流与城市轨道交通网络长度以及连接度存在协整关系;在城市轨道交通建设初期,客流增长对于网络长度具有显著滞后性,随着城市轨道交通系统的完善客流滞后性减弱;2011年上海城市轨道客流预测误差为9.3％.     

列车联运网络建设的重要性

概述了欧洲几个国家列车联运网络的建设情况,指出在提高列车运行速度的同时,应提供优质的联运服务。     

弹性工作制和动态停车收费组合策略研究

提出弹性工作制与动态停车收费的组合管理策略,探究组合策略下,出行分布的变化机理及动态停车收费费率的制定,以达到缓解通勤拥堵的目的. 构建双层规划模型建立动态停车收费费率的制定与多用户出行选择的相互作用关系,基于灵敏度分析的下降算法求解. 仿真模拟出不同弹性工作制规模时,均衡状态下多用户出行分布模式和优化的动态收费费率. 结果表明,组合策略能促使弹性与非弹性员工错峰出行,有效分散交通流,与单一策略相比,缓解路网拥堵的效果更好.研究成果为交通管理优化策略的制定提供了新思路.     

城市轨道交通常态与非常态短期客流预测方法研究

城市轨道交通客流特征除表现为常态的周期性、季节性及高峰性外,还会因节假日、体育赛事、城市大型活动、突发事件、特殊天气等因素表现出差异性和特殊性,本文对较为成熟的常态及研究较少的非常态客流预测方法进行了实验.首先利用通用的ARIMA时间序列预测算法分析样本历史数据实现常态日客流预测;其次针对客流特殊因素提出时间序列及回归分析的组合模型,同时引进虚拟变量和结合相似日样本数据进一步改进,实现非常态预测问题的高精度求解.仿真计算结果表明,本文方法对解决短期客流预测具有良好的适用度,尤其同样本同预测周期条件下的非常态组合改进模型和常用单一时间序列模型的对比,证明改进模型可以很好地应用在客流特征既包括随时间固有不变的性质又表现出特殊因素的研究中,具有较强的自适应性和更好的预测精度.