考虑路段失效的军事物流配送中心选址模型

针对战场保障网络常常遭受敌人打击的现象,建立了考虑路段失效的军事配送中心可靠选址模型.模型为双层规划形式,上层规划的目标是优化系统在无路段失效和出现路段失效时所覆盖的总的需求量,下层规划的目标是最小化某一路段失效时系统覆盖的需求量.采用启发式算法求解下层规划,运用遗传算法求解整个模型.通过一个算例验证模型的优越性和算法的有效性.算例结果表明,尽管模型所得选址方案在无路段失效时覆盖的需求量,小于不考虑路段失效的最大覆盖模型选址方案覆盖的需求量,但在最佳路段失效时模型选址方案的覆盖效果优于后者.     

农村公路网等级结构灰色多目标优化模型研究

通过分析当前农村公路网等级结构确定方法,指出路网等级结构确定方法中优化目标的优先顺序以及在约束条件下的技术系数和资源约束都存在灰度的问题.运用灰色系统理论原理,构建了农村公路网等级结构灰色多目标优化模型.该模型使公路网规划者在农村公路网等级结构确定存在灰度的情况下,得到满意可行的结论.     

VxWorks环境下socket的实现

介绍了TCP/IP模型下socket的实现过程,详细阐述了socket接口所提供的常用函数及其使用方法,解决了嵌入式系统同PC或工作站之间的网络通信问题,并给出一种基于VxWorks操作系统的TCP服务器端的实现方法。     

BP神经网络应用于散货船空船质量估算

以搜集的200余条散货船为样本,建立了空船质量统计回归模型和三种情况下的BP神经网络模型,并选取10条散货船对各模型进行了测试和比较。三种BP神经网络模型测试结果与实际值很接近,精度优于传统的统计回归模型,表明用BP神经网络进行空船质量估算是可行和实用的。     

船舶与海洋工程中的焊接变形预测方法研究概述

文章介绍了焊接变形预测理论的发展及现状,并将其归纳为基于实验和理论相结合的经验计算阶段、基于计算机数值模拟的模型分析阶段、基于新兴数据挖掘方法的研究应用阶段三个标志性阶段,详细论述了每个阶段预测技术在实际中应用的优劣.着重以BP、RBF人工神经网络为例阐述了神经网络等数据挖掘方法在焊接变形预测中的应用前景,并指出了目前存在的不足及未来亟待研究的方向.     

广西路网工程路线设计方法

文章结合广西路网工程建设背景、路网工程建设程序、路线设计步骤,介绍了以公路运行安全、新征用土地数量、工程造价、地形地物、方便施工等为原则控制路线的设计方法,同时针对当前路网工程路线设计中存在的主要问题,提出了相关的处理措施。     

多优先级多车种动态应急交通网络反流策略研究

危化品爆炸泄漏和火灾爆炸等局部突发事件下,疏散车辆与救援车辆在路网上通行的优先级具有差异性。为研究多优先级多车种动态应急交通网络协调优化问题,本文根据多车种的优先级差异性,松弛路段传输模型,模拟疏散和救援交通在路网上的动态加载过程,引入交叉口冲突转向消除与道路反流约束;考虑到优先通行车辆的反流策略会占用低优先级车辆的道路通行能力,设置救援交通的逆行路段数限制。设计分阶段优化方法求解多优先级多车种动态应急交通网络协调优化的多目标混合整数线性规划模型(MPCDETN-MMILP)。最后,以 NguyenDupuis路网为例,分析优先通行车辆使用的逆行路段数对疏散和救援交通的影响。算例结果表明：救援交通逆行路段数和对救援车辆迅速到达受灾区域的提升存在上限,且这种提升趋势是逐渐变缓的,而对疏散车辆迅速到达安全区域的抑制呈现波动式的增加趋势;救援交通逆行路段数对救援优先的疏散和救援交通运行优化效果有较大协调作用;连接受灾区域和外部救援场站,且可构成最短径路的路段更会被选择为救援交通逆行路段。     

基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。