基于多维网络的增开列车条件下高速铁路列车运行图调整

研究增开列车条件下高速铁路列车运行图的调整问题,并综合考虑列车车站进路的影响。通过构建Time-Station-Track三维时空扩展网络,刻画列车对铁路时空资源的占用。将原多目标优化问题转化为求解列车占用网络弧段最小费用单目标问题,并构建基于Time-Station-Track网络的0-1整数规划模型。针对模型特点,设计拉格朗日松弛算法,将问题进一步分解为求解单列车网络最短路径子问题,由于问题被松弛后求得的解可能不可行。因此,提出基于列车优先序列的启发式策略对对偶解进行可行化。最后以宝兰客运专线为例,验证模型的正确性和算法的可行性。     

应用PIC单片机的航行触礁风险红外预警系统设计

触礁预警信号是船体、礁石与预警系统通过射频技术实现的,当前的红外预警系统中射频信号通信采用单工通信方式,导致系统获取触礁风险等级的速度较慢,据此在应用PIC单片机的前提下,设计航行触礁风险红外预警系统。在硬件方面,用PIC单片机替换原有系统部分硬件,加强对多类型射频信号的传输速度。在软件设计方面,利用三次指数平滑法预测航行触礁风险,通过设置隶属度区分风险等级,采用半双工通信方式,实现对红外预警系统射频信号通信方式的设计。实验结果表明,与传统预警系统相比,此次设计的系统可以快速获取触礁风险等级,提升船舶的航行安全。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。     

日本名古屋第二环线名古屋西—飞岛间高架桥

日本名古屋第二环线(Nagoya Daini-Kanjo Expressway)位于距名古屋市中心约10 km位置,以名古屋市为中心,呈放射状延伸,与主要干线连接,以缓和城市交通拥挤现状,提高名古屋港的物流效率,且作为发生灾害时的紧急运输通道。该线路分为陆地部分和跨海部分,全长67 km,其中包括跨海部分的长54.8 km的线路首先投入使用,然后进行最后的线路区间即名古屋西—飞岛间长12.2 km的线路施工。     

基于贝叶斯网络的地铁牵引变电所可靠性分析

地铁牵引变电所作为城市轨道交通系统的关键环节,其可靠性研究对保障系统安全稳定运行有着重要意义。为了对地铁牵引变电所(简称:变电所)展开可靠性评估,利用GeNIE仿真软件,基于贝叶斯网络,构建了典型变电所静态下的可靠性模型,计算了变电所的初始故障概率;利用动态贝叶斯网络对典型变电所在时间维度上展开可靠性分析,精确地计算了变电所失效概率随时间变化的曲线;利用贝叶斯网络的双向推理功能找到变电所的薄弱环节,对变电所关键节点的识别、维护以及网络结构设计优化具有一定的意义。