基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于ARIMA模型的极端事件下铁路货运量预测研究

合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明...     

面向航班高峰期的机场地勤车辆多阶段优化调度方法

在航班运行高峰时段内,地面服务需求更加集中,机场可调度的地勤车辆数量有限,可能引发航班延误,导致机场多方面损失。针对该问题,研究了地勤车辆多阶段优化调度方法,重点考虑摆渡车和加油车2种地勤保障车路由与时间窗口限制,以航班准点率及延误时间为评价指标进行优化调度。构建了具有4类节点和5类弧的容量-费用网络G1,通过设置合适弧容量及费用参数,确定最小费用流规划模型;采用拉格朗日松弛启发式算法对模型求解,通过不断寻优,设置对偶间隙初值、容许误差,最大迭代次数,输出预测结果;深入分析高峰时段的航班运行状态,构建基于时空网络的整数线性规划模型,优化第一阶段未服务航班的总延误时间;结合最小化最大值定理,构建单航班服务延误模型,将单个航班延误造成的损失降到最低。最后,基于实际航班数据,结合机坪平面布局开展仿真实验和验证,结果表明：利用优化调度得到加油车和摆渡车准时服务的最大航班数分别为30,131架·次,待服务航班的最小总延误时间分别为223,542 min,航班总延误下降21.56%,显著缩短航班延误时间,提升了机场场面的整体运行效率。     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...     

融合残差网络和特征金字塔的小尺度行人检测方法

针对小尺度行人检测中存在的过拟合、特征不易对齐,以及易忽略多尺度特征等问题,研究了1种融合残差网络和特征金字塔的小尺度行人检测方法。考虑到原始残差网络在检测小尺度行人时过于依赖训练集而出现过拟合问题,构建带有丢弃层的残差块代替残差网络结构中的标准残差块来解决这一局限,同时利用丢弃层的正则作用降低计算过程的复杂程度。通过在特征金字塔网络的侧向连接部分嵌入特征选择模块和特征对齐模块,对输入图像中重要的行人特征加强和对齐,提升算法对行人的多尺度特征学习能力,弥补特征金字塔网络出现特征不易对齐和易忽略多尺度特征的缺陷,提高小尺度行人的检测精度。在Caltech Pedestrian数据集上对模型进行训练、测试和验证,实验结果表明：小尺度行人检测精度为73.6%,AP₅₀检测精度为95.6%。在同为50层残差网络和特征金字塔网络下,改进后的模型可以使AP值提高17.2%,AP₅₀提高7.8%,小尺度行人检测精度提高了21.6%;在同为101层残差网络和特征金字塔网络下,可以使AP值提高24.5%,AP₅₀提高8.2%,小尺度行人检...     

面向多类型交通冲突的道路条件及交通状况影响评估

交通冲突为交通事故发生前的潜在状态。探究静态路段属性和动态交通流特性等宏观特征对于交通冲突的影响至关重要,但现有研究主要关注2辆车之间的危险状态,对于涉及多个交通主体的冲突缺乏重视。为有效提取包括单一冲突和连锁冲突在内的多类型交通冲突,基于无人机采集的车辆轨迹数据首先识别车辆对之间的单一冲突,另通过关联匹配辨识连锁冲突,并基于聚类将连锁冲突划分为纵向风险下降模式、纵向风险增加模式和横纵向高风险持续模式。构建巢式Logit模型探究宏观交通属性及路段条件对多类型单一冲突和连锁冲突的影响,结果表明合流区和基本路段为单一冲突的高发区域,而分流区和交织区为连锁冲突高发区域,尤其会导致横纵向高风险持续模式的发生,但车道数的增加有助于减少严重连锁冲突的发生。此外,主线交通密度增大,连锁冲突发生概率增加;匝道与主线的流量比增大时,连锁冲突更易发生,其中纵向风险增加模式对交通流量最为敏感。将各类型冲突发生的交通流条件与宏观基本图结合分析,表明各类型交通冲突的发生次数存在峰值,且路段上交通冲突发生最多的临界密度要高于同一路段宏观基本图的临界密度。研究结论有助于理解多车连锁冲突发生的宏观原因,有效阻断其演化...     

面向空铁联运旅客选择行为的两阶段容量控制方法

针对空铁联运容量控制理论缺乏、旅客选择行为复杂化等问题,研究了基于旅客选择行为的空铁联运两阶段容量控制方法。第一阶段建立旅客选择行为模型,通过引入影子吸引力,改进现有选择模型中忽略竞争、选项单一的缺点,建立空铁联运产品选择模型,并基于巢式Logit模型证明其合理性;第二阶段以最大化联运期望收入为目标,建立空铁联运网络容量控制模型,并基于分支定界思想,提出嵌套产品子集下的模型求解算法;最后,针对空-铁网络上150座级机型的容量控制问题进行验证,并对比分析不同竞争强度下的网络期望收入。结果表明：150座航班中有91个舱位分配给航空市场的旅客,有59个舱位分配给联运市场的旅客,网络期望收入为160 600元;在综合考虑替代品竞争的情况下,票价低且竞争性高的产品更具有收入价值;此外,改进后的模型通过引入影子吸引力,捕获了基本吸引力模型和独立需求模型之间的需求,相较于独立需求模型能提高4%左右的期望收入;并且,在非联运产品和联运产品的舱位总数相持的策略下,航空公司可有效应对联运市场的竞争因素影响。     

摩托车发动机多滚柱式超越离合器的开发设计(1)

目前,中国摩托车业在经历了快速发展和无序竞争后,现已进入了稳定和成熟发展阶段,无论两轮车还是三轮车,都往差异化和大排量方向发展,随着发动机排量的增加,脚起动变得愈发困难,很多也取消了脚启动。因此,电启动机构越发重要,但电启动故障也随之越来越多,电启动故障中尤以超越离合器故障最多。本文通过以多滚柱式超越离合器的开发,介绍了如何解决这一问题。     

考虑初始变形的煤炭漏斗车车体结构屈曲分析

采用非线性分析技术研究漏斗车车体在承受散粒货物和纵向压缩载荷作用时,由散粒货物引起的垂直于侧、端墙方向的变形会使车体的结构稳定性降低。首先,利用具有修正的D-P本构模型的实体单元模拟散粒煤,并建立散粒煤单元与车体结构的接触关系,通过接触非线性分析获得重车车体侧、端墙的位移结果,并将其与基于AAR标准中散粒货物对侧、端墙的压力公式得到的位移进行对比分析,进而分区域修正侧、端墙的压力公式;其次,在车钩纵向压缩作用下对车体进行线性屈曲与考虑初始变形的非线性屈曲分析,侧墙和端墙的最小线性屈曲因子分别为0.89和0.52;非线性屈曲的结果表明,侧墙临界载荷为3 550 kN,比线性屈曲的降低了10.4%;端墙临界载荷为1 780 kN,比线性屈曲的降低了23.1%;应用修正后压力公式施加散粒煤对车体的作用,端墙的压力修正区域B的非线性屈曲临界载荷比应用修正前压力公式的增大了14.9%;最后,针对侧、端墙局部屈曲因子低的区域,分别提出了增强横向刚度和纵向刚度的补强方案,补强后侧、端墙结构的屈曲因子均可提升至1.0以上;应用修正后压力公式的侧、端墙临界载荷提高至4 092、3 164 kN。     

基于两阶段模型的城市多模式旅游路径选择

为适应旅游交通产业的发展,解决游客出游线路规划时所面对的问题,建立了2阶段模型以优化城市多模式旅游路径选择。第1阶段,研究了旅游情境下影响游客交通方式选择行为的主要因素,综合考虑了“游客社会经济”“出行特征”和“交通方式”3方面的影响因素,以及同起讫点间不同交通方式(公交车、地铁、出租车/网约车)的步行距离比、资金消耗比和运行时间比等9个因素,在南京市开展问卷调查,构建多项Logit(MNL)模型,分析了游客的出行交通方式选择行为;第2阶段,基于旅游路径选择的最优要求、分段要求以及限时要求,构建了基于DC-TSP的城市多模式旅游线路规划模型,并利用LKH求解器进行模型求解。结果表明：所建模型充分考虑了城市多模式交通网络特征,可满足城市内旅游线路规划需求。