轨道交通车站节能检测判定坐标系研究与应用

从轨道交通车站项目设计、技术要求、检测参数、检测方法及结果判定的角度,文章阐述了轨道交通车站系统节能检测的主要内容和检测方法。为了快速方便地判定检测结果,提出了检测结果坐标系的二维可视化评判方法,并给出了合格判定的点集数学表达式。以某车站系统节能性能检测项目为案例,运用检测结果判定坐标系法对主要参数包括室内温度、风系统总风量与风口风量、水系统水流量、平均照度与照明功率密度等进行了检测结果分析,实现了节能检测结果的快速和二维可视化判定。     

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律，从空间视角探究停车需 求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求，以土地 利用混合度、路网密度、公交服务水平等9个因子描述建成环境，分别构建建成环境对停车需求影 响的普通最小二乘(Ordinary Least Squares，OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree，GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象，基于 停车调查数据、兴趣点数据(Point of Interst，POI)、道路网络数据等多源异构数据进行模型实证分 析。结果表明，考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来 看，配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素，交叉口密度 (5.19%)贡献度最小；在非线性关系方面，建成环境因子与停车需求均具有非线性关系与阈值效 应，除交叉口密度及人口密度与停车需求呈现U型关系，其余因素与停车需求的关系整体上保持 正相关或负相关。     

基于自然驾驶数据的驾驶人换道决策识别研究

为实现人机共驾模式下智能系统对驾驶人换道决策的准确识别,将换道决策细分并提出了基于改进的极端梯度提升(XGBoost)的换道决策识别模型。以实车试验采集的自然驾驶数据作为输入,并采用滑动时间窗法确定识别时刻,建立各识别时间窗口下基于XGBoost的换道决策识别模型,同时运用交叉检验和网格搜索(GS)算法进一步提升模型性能,最后利用验证集数据评估所构建GS-XGBoost模型的识别性能,并与机器学习及深度学习模型进行对比。结果表明,所提出的模型在具体换道决策辨识上具有较好的实时性和准确性,且在1.8 s和1.6 s时间窗下的识别准确率最高,达到86.2%。     

IPO择时行为对资本结构的影响分析

基于资本结构的市场时机选择理论,本文以2006-2010年沪深两市IPO公司为研究对象,建立实证分析模型,研究IPO市场时机选择行为对资本结构的影响。实证结果表明沪市不存在明显的IPO择时行为,而深市较为明显,且此行为对资本结构构有长期影响,但其影响力有限,不及传统因素。     

定时/计数初值求取公式的修正

本文推导了定时/计数初值求取公式,指出利用求补公式计算定时/计数初值的错误。     

基于满意优化的模糊多目标预测控制算法研究

提出了以满意优化取代传统的最优控制对模糊预测控制中的性能指标进行优化的方法。以模糊多目标单步预测模型为例，给出了系统对某一控制目标的满意优化控制算法，并在此基础上提出了基于满意优化的模糊多目标预测控制算法。     

国际航运投资决策研究综述

分析了30年来国内外国际航运投资决策问题，认为对国际航运传统的或经典的投资决策方法的研究比较成熟，将定性评价转化为定量评价的投资决策方法的研究有所进行，但基于期权的投资决策方法的研究尚未进行。为此，阐述了这一领域未来的研究重点与前沿问题。     

����ǰ�����۵�·��ѡ����Ϊ���������ʵ֤

提出了通过具体的效用度量对出行者路径选择行为进行分析的方法。从传统的期望效用理论和前景理论两个方面，对一份关于出行者路径选择的调查数据进行了分析；验证了出行者群体在不确定环境下进行路径选择时，效用度量是基本决策规则，并且其效用度量体系与前景理论针对一般经济主体的效用度量体系接近。最后借助图形说明了合理设定出行者风险态度水平的重要性。     

基于最大相对隶属度的区间数多指标评价在交通规划中的应用

在实际生活中,某一交通区域道路上行驶的车辆数、车型、车速及行人的影响等客观因素是不确定的,与之相关的指标值也是不确定的。对于不确定的指标值在规划方案优劣的评比中采用区间数的形式要比采用确定值的形式更符合实际。为了解决具有不确定性区间数的多指标决策问题,提出了基于最大相对隶属度的区间数多指标评价法用于交通规划方案的综合评价,该方法在处理模糊性的评价问题方面具有明显的优势。该方法简单实用．本文的实例验证了该方法的有效性和实用性。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。