过饱和道路交通控制信号周期优化解分析

分析了过饱和交通条件下城市道路信号控制交叉口周期参数值的优化解。以拥挤消散时间和路网总延误为控制目标,采用定时信号控制策略,基于元胞传输模型建立了路网优化控制模型,并采用遗传算法优化信号配时,对比了不同信号周期条件下拥挤消散时间和路网总延误的变化规律。最后,本文以某市L路为算例分析了周期值与消散时间及路网总延误的关系,结论表明路网在过饱和拥堵条件下,当控制周期大于某一临界周期值时,相位差和绿信比的优化将无法抑制消散时间的持续增长趋势;最优配时结果的路网总延误值比采用传统最大周期控制策略的路网总延误值降低17％以上。     

一种区域公路交通线圈检测器优化布设的简捷方法

利用数学方法优化布设交通检测器难在求解困难。提出根据检测器布设的目的从总体上把握区域公路网的交通状况,可以简单快速的实现区域公路交通线圈检测器的优化布设。     

多用户多准则城市交通网络非稳定均衡分析

为了反映现实中交通出行者实施出行与否的决策过程,通过对实际城市交通网络状态的分析,引入了非稳定均衡网络状态的概念。同时通过对出行者出行选择行为的深入分析,引入了多用户多准则非稳定均衡网络状态的非线性互补问题模型和变分不等式模型,并利用超级网络的概念证明了两者的等价性。新模型能够将出行者的路径选择决策、目的地选择决策、出行方式选择决策以及出行与否决策合理的整合在一起,从而可完整的反映城市交通流的形成模式。给出了求解多用户非稳定均衡态的变分不等式模型的修正投影算法,并通过一个数值例子验证了算法的有效性。结论部分给出了多个可进一步深入研究的方向。     

基于各方主体经济利益实现的长效治理超限超载对策研究

为了防止超限超载运输的反弹,有必要研究治理超限超载运输的长效机制。运用经济学原理,通过建立利润模型分析了治理超限超载对运输企业、道路经营者、低附加值产品生产者、原材料需求者相关利益主体的影响。提出只有超限超载中涉及各方利益主体的经济利益都能得到有效补偿,才能真正走出超限超载怪圈。保证资源流动过程动力链的连续性,是长效治理超限超载的根本;完善货运市场组织结构,建立良性的市场结构模式是长效治理超限超载的关键。实现上述条件的基础是,存在一个良好的有序竞争的货运市场。因此,治理超限超载不应仅仅停留在对车辆的查超上,应通过治理超限超载来整合整个货运市场,建立一个有序竞争的货运市场。     

基于预应力损失识别的连续刚构桥内力计算方法

从连续刚构桥病害成因出发,以桥梁实测挠度为基础,采用位移影响矩阵建立非确定性预应力损失与主梁下挠的关系,通过求解非线性约束优化问题,识别非确定性损失大小及分布,可以得到由此产生的内力增量,进而计算桥梁实际受力状态。由于未考虑箱梁开裂及徐变模型误差等因素,预应力非确定性损失识别结果存在一定程度的夸大。通过不同约束条件的敏感性计算,分析了损失比取值范围对损失识别结果及内力计算结果的影响。将此方法应用于某桥的承载力分析中,计算结果与桥梁实际情况符合性较好,对同类桥梁的计算分析及加固设计有一定的参考意义。     

BP神经网络在路面模量反分析中的应用

使用MATLAB神经网络工具箱研究了BP神经网络在路面模量反分析中的应用。研究结果表明,只要合理的处理输入和输出参数,利用BP神经网络可以较好的预测路面各层的弹性模量,并且相对于其他分析方法,该方法运算速度非常快,适合于实际工程中应用。     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练。并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明：所建的Elman模型比EBP模型的预测精度高,效果好。     

新疆公路网现状分析与综合评价

利用公路网的主要评价指标对新疆公路网现状进行分析,同时以路网饱和度、网连通度、里程饱和率、网等级为指标,采用模糊综合评判法对新疆公路网的现状进行综合评价,结果表明,新疆公路网现状属于中等水平,符合实际情况。     

基于GIS技术的广州市交通规划模型的特点与应用

通过阐述城市交通规划模型的起因、定位和内容,分析现状模型所存在的缺陷,提出交通规划模型与地理信息系统相结合的四大优点,可使交通规划模型与地理信息系统相结合的可行性得以论证,从而为交通规划模型的发展指明方向。     

不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.