城际铁路列车开行方案优化分析

列车开行方案对城际铁路的运营组织至关重要,并直接影响着城际铁路运营效益。文中从旅客平均候车时间出发,提出城际旅客出行方便值的概念,基于城际铁路旅客出行方便值最大和运营组织效益最优,建立城际铁路客车开行方案优化模型,并设计该模型相应的算法。对城际铁路的运营管理决策有很好的借鉴意义。     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型减小31.1%、17.0%和29.9%。为对比不同模型在仅有100组目标域样本时的性能,将LSTM-TL模型与Gipps、IDM、BP这3个模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比3个模型中表现最优的Gipps模型减小18.5%、8.0%和25.9%。结果表明：直接将LSTM-S模型应用于目标域的预测,其精度不高,采用样本迁移合理可行;LCSS方法对源域样本筛选有效,由100个源域样本迁移到目标域训练得到的LSTM-TL模型的精度最高;在小样本情况下,拥有较少参数的Gipps模型预测精度优于LSTM-T或LSTM-S模型,但由于迁移学习能够从源域样本中获取知识的特性,LSTM-TL模型有着最高的精度。     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500（18%的初始样本量）,150（5%的初始样本量）时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。     

针对主辅路的Vissim仿真模型参数标定方法

微观交通仿真模型的参数标定是保证仿真模型有效性的基础和前提。针对车辆在主路和辅路运行特征的差异,提出了1种针对主辅路的微观交通仿真模型参数标定方法。该方法以进口道的车均延误的偏差作为评价指标,以遗传算法作为求解工具,分别实现了微观交通仿真软件Vissim中主路和辅路驾驶行为参数的标定。同时,结合工程实例将该方法应用于北京市朝阳路与高碑店北路交叉口、南苑路与久敬庄路交叉口仿真模型的参数标定中。结果显示,采用该方法标定后的主路和辅路延误与实测延误的平均偏差分别为2.1s和2.5s ;采用主路和辅路统一标定的方法,主路和辅路延误与实测延误的平均偏差分别为7.1s和7.5s。结果表明,仿真模型参数能够有效地提高参数标定的仿真试验效率与仿真精度,验证了该方法将主路和辅路仿真模型参数分开标定的有效性。     

基于OD的高速公路断面交通流量推算方法

目前,对高速公路断面交通流量的采集主要依靠人工方式或交通流量检测设备,没有充分利用已有的OD数据资源.针对非拥挤的交通状态,根据现有的高速公路OD数据,综合考虑高速公路不同路段对于不同车型车辆的限速要求及车辆在白天或夜间的运行状况等因素,在空间和时间上同时对OD数据进行分析处理,提出了1种高速公路断面交通流量推算方法,得到高速公路指定时间段内的断面交通流量及车型,采用趋势图描述断面交通流量的分布规律,对比分析基于OD数据得到的断面交通流量与车检器检测得到断面交通流量,并通过实例验证该算法的可靠性与实用性.     

基于改进TRL校准算法的二极管参数测量

加载二极管的频率选择表面和能量选择表面（以下统称“自激励表面”）具有自适应的防护特征,能够防护强电磁攻击。二极管本身参数的测量是自激励表面设计中重要的环节,准确测得二极管特征参数对于设计出满足需求的防护表面至关重要。介绍传统去嵌入法,针对传统去嵌入法存在校准件制作精度要求高、相位延时有范围的缺点,改进了用于二极管参数测量的去嵌入算法;测量几种不同PIN型号的二极管,通过对比PIN参数手册与测试结果,验证了测试方法的有效性。

     

无人水面艇航向航速协同控制方法

针对无人水面艇(USV)在未知干扰环境下的自主运动控制问题,研究基于模糊自适应算法的USV航向、航速协同控制方法。设计以航向角偏差量和直线距离偏差量为输入量,以及以舵角偏转控制量和油门开度控制量为输出量的模糊控制算法,并通过以航向角偏差率为输入量及以控制周期为输出量的自适应控制,使系统响应外部环境的变化。以抵达目标点的时间和舵角变化次数的加权最小值作为优化目标函数,分析论域、控制周期等参数对控制效果的影响。优化分析的结果表明:此方法在不同海面风、浪、流随机干扰的条件下,均能使无人艇抵达目标点,实现点对点的自主航行。     

基于计算流体动力学的最小阻力船型自动优化

基于计算流体动力学(CFD)理论,利用iSIGHT 优化设计平台构建一种船型自动优化方法。该方法集成船型变换及自动生成技术、CFD 技术及优化算法。优化过程中,编制船型参数化融合模块实现船型变换与SHIPFLOW软件输入数据间的自动连接;采用遗传算法与二次序列规划法相结合的组合优化方法实现从全局探索再到局部空间寻优的整个流程。以某双艉集装箱船为例,优化后船体兴波阻力明显下降,总阻力也得到显著的改善,获得了设计航速下总阻力最小的船艏与船艉线型组合,表明了该方法的可行性与有效性。研究显示,所提出的方法可以获得阻力性能优良的船体型线供设计者参考,具有较强的工程适用性,在基于CFD的船型自动优化方面具有广阔的应用前景。

     

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.     

公交专用道选址与公交线网组合优化模型

提出了基于公交走廊的专用道选址和公交线网同步调整的组合优化设计思路, 并构建了双层优化模型, 上层模型以最小化用户出行成本、公交运营成本和最大化线路运营效率为目标, 寻找最优的专用道选址与公交线网优化组合优化方案, 下层模型以最小广义出行成本为目标, 进行小汽车和公交车的客流分配。利用遗传算法对模型进行求解, 通过算例对模型的有效性和实用性进行验证, 并对模型的关键参数进行灵敏性分析。分析结果表明: 优化后线路覆盖站点率为100%, 覆盖63个路段, 路段覆盖率为76%;路网总出行成本为525 147元, 比现有总出行成本655 282元降低了20%;公交线网效率目标值为234人次·h^-1, 比现有公交线网效率179人次·h^-1提高了31%。可见, 基于公交走廊的专用道选址与公交线网组合优化方案明显优于单一优化公交专用道选址与单一调整公交线网方案, 能够更好发挥公交走廊的网络效益。