Asymmetric Coefficient of Asymmetric Continuous Rigid-frame Structure

为深入认识不对称连续刚构的不对称性所引起的结构力学特性,引入不对称连续刚构不对称系数的概念,确定该系数的合理范围以保证结构的合理性.将已建成贵州思南县岩头河大桥结构的大T构对称形成对称连续刚构,从该对称刚构中一个T构的主梁根部依次对称去掉悬浇节段,形成20个不同的不对称系数模型,(含对称结构).对模型进行适当假定与简化,采用大型有限元软件Midas/Civil,计算得出跨径不对称下连续刚构在自重、活载、系统升温、基础沉降及各工况组合下的支点反力,并得出结构在各工况及各应力组合下的应力.分别对比分析了支点反力和应力在不对称系数变化下的变化规律,确定出不对称连续刚构的不对称系数合理取值范围为0.4≤η≤1.O,对不对称连续刚构在实际工程中的应用具有一定指导意义.     

林白铁路最大冻土深度取值的研究

通过穿越大兴安岭的林白铁路的实地调查研究和设计实践,发现设计时采用最大冻土深度取值不当,容易造成一些问题,冻深取值大了造成工程的浪费、取值小了容易出现冻害隐患,经过研究得到了较好的解决方案,即采用5个修正系数,对不同的工程部位采用不同的设计冻深,其范围在1.2~3.2 m之间,取得了较好效果。     

武汉地铁通用管片楔形量研究

盾构隧道通用管片简化了模板设计,施工中能够较好地控制隧道掘进轴线和管片成环质量,通用性强.武汉地铁4号线一期工程为了便于统一供应管片,盾构区间设计采用通用管片,根据线路平面和纵断面设计条件,研究了采用不同楔形量通用管片对应的线路拟合误差分布情况,并根据分析结果优选出该线通用管片楔形量的合理取值.     

北京城铁13号线北段土地利用对客流影响的分析

根据城市轨道交通与土地利用的互动发展关系,分析了北京城铁13号线北段客流分布不平衡的特点及成因,以回龙观站为代表分析了站北土地利用对客流的影响,提出整合回龙观、霍营站北土地利用,协调13号线龙泽、回龙观和霍营小区客流的设想,并总结了沿线不同的土地利用对城市轨道交通客流的影响.     

基于改进KNN算法的城轨进站客流实时预测

针对实时进站客流数据的高维数、多噪声、波动频繁等特征,本文提出一种基于改进 K最近邻(K-nearest-neighbor, KNN)算法的城轨进站客流实时预测方法.首先,通过对分时客流数据的相关性分析,确定表征客流特征的状态向量;其次,结合数据特性改进近邻样本的模式匹配过程,利用关键点法去除原始序列中的噪声扰动,并引入动态时间规整算法实现考虑序列形态的相似性度量;再次,根据样本间流量差异引入距离权重和趋势系数,推演未来时段的进站量,实现滚动的实时预测;最后,依托广州地铁客流数据仓库对预测模型进行精度分析. 结果表明,对于全网159个站点,5 min粒度下全天分时进站量预测的平均绝对百分比误差的均值为11.6%,能够为路网状态监控提供可靠的数据支撑.     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

以安全为导向的地铁高峰时段多车站客流协同控制模型

传统的客流控制大都以减少乘客等待时间或者客运周转量最大为目标,缺乏对于安全性的考虑.保证乘客等待时间在可接受范围以内,以客流聚集预警值最小为目标,提出了以安全为导向的地铁高峰时段多车站客流协同控制模型,并成功将其转化为单目标线性整数规划模型,借助CPLEX优化器可直接进行求解.以某地铁线路高峰客流数据为例,通过计算得出,相对于以乘客等待时间最小为目标的客流控制方法,本文方法在保证乘客总等待时间仅增长1%的情况下,能够将所有车站客流聚集控制在安全范围以内,大大提高了客运组织安全性,为实际客流控制提供了很好的依据.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于灰色马尔可夫模型的近期公交客流量预测

为了科学准确地预测近期公交客流量,提出了应用灰色马尔可夫模型进行预测的方法。利用历史数据建立灰色GM(1,1)模型,通过确定系数可获得公交客流量的时间响应序列及还原值的表达式,从而可获得未来年公交客流量的发展序列值,结合马尔可夫链过程将随机序列状态划分为3类,通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值,最终求得各序列的修正值。通过铜陵市公交客流的历史数据,预测了近3年的公交客流。实例证明该预测模型具有较高的精度,能够指导公交经营管理者近期的决策行为。