三维实体边坡地震动力响应规律

为探讨边坡在地震作用下的加速度、速度和位移(简称三量)分布规律,基于拉格朗日差分法,建立了理想边坡的三维模型;通过引入三量放大系数的概念,绘制边坡三量等值线图,分析了坡面形态对边坡三量分布规律的影响,并通过实体边坡模型进行了验证.研究结果表明:在地震作用下,一定坡高的单一介质边坡,边坡内三量随坡高增大而增大,三量放大系数随之增大;三量的分布与坡面形态有关,在坡面凹凸部位三量放大系数最大,且凹凸程度越强烈,放大效应越明显;凸面坡的放大效应整体强于凹面坡.      

基于DaR约束的高速公路企业债务组合优化模型

债务性资金(主要是银行贷款)是中国高速公路企业的主要资金来源,巨额的债务性资金增加了高速公路企业的资金成本和财务风险,所以高速公路建设中的一项重要决策就是对债务性资金进行结构优化,以尽可能低的银行贷款利率和尽可能小的风险进行债务组合.该文基于DaR(Debt at Risk)约束,以拉格朗日乘子法为工具求二次规划,建立...     

低频GPS数据和交叉口延误下的行程时间估计

为解决低频GPS数据条件下路段行程时间估计误差较大的问题,分析了车辆在道路交叉口影响区域的延误特征,根据两个相邻GPS点跨越一个或多个交叉口,以及跨越的交叉口影响区域內有无GPS点,划分了4种GPS分布类型,并设计了相应类型的基于交叉口延误计算的路段行程时间插值算法.以北京市八角地区实际GPS数据为例验证了本文算法,结果表明:在平峰和高峰时段,用本文算法计算的路段行程时间的平均绝对相对误差不超过14%;与改进插值法相比,平均估计精度提高了7.9%,在交叉口延误时间较大的路段效果更显著.      

基于多节拍组合的城际铁路列车运行图优化

为了使得城际铁路列车车站到发时刻既能具有严格等时间间隔的周期性规律,又能灵活适应城际铁路客流需求的时间分布,首先提出了列车多节拍组合运行组织模式,并将其与单节拍、非节拍运行组织模式进行特征对比分析. 进而基于列车多节拍组合运行模式,以最小化所有节拍单元列车总旅行时间为优化目标,以同节拍单元列车等时间间隔运行、各类作业安全时间间隔要求等为约束,构建了城际铁路列车多节拍协同运行图优化模型. 在通过确定模型中复杂约束、引入拉格朗日乘子将其松弛的基础上,结合次梯度法设计基于拉格朗日松弛的优化算法求解模型. 以京津城际为背景的算例优化获得由4个节拍列车组合的列车运行图,其中各节拍列车分别以17、34、34、35 min等时间间隔周期性运行,该方案目标函数与其最优下界的相对差距仅为2.55%.      

汽车四轮转向四自由度动力学模型

在简化力学模型的基础上,基于非线性轮胎力模型,利用拉格朗日能量法建立了包括俯仰、侧倾、侧向、横摆4个自由度的汽车四轮转向动力学模型.运用该模型来反映实际汽车四轮转向的动态过程,对开发四轮转向控制系统有重要的意义.     

多站协同的技术站配流优化研究

技术站是铁路网的重要组成部分,其作业组织水平直接决定了铁路运输生产效率。传统的技术站配流问题通常考虑车站内部作业优化,如解编顺序、分类线运用等,以减少车辆在站停留时间。为加强站间互联互通,促进车流有序流动,提出基于货物列车编组计划的多站协同概念。建立以车辆在站停留时间最小为目标的考虑多台调机的单技术站动态配流模型M1和以协同后减少的停留时间之和最大、新增列车走行费用最小为目标的多站协同优化模型M2。考虑到模型M1属于NP-hard问题,设计拉格朗日松弛算法将模型分解为3个子问题求解。模型M2根据模型M1求得结果并结合多站协同概念,调用GUROBI求解器求解验证。通过案例分析可知：在计划时限内,给定的路网中共有6个技术站进行协同配流,通过改变欠轴停运列车的编组去向,实现相邻车站车流供给,车辆在站停留时间减少645.1 h,较协同前降低6.57%,增加6列正点出发列车。研究结果表明,提出的模型及算法能够压缩多站车辆在站停留时间,提高计划兑现率,增强铁路货物运输生产效率。     

内河航道船舶尾气快速排放清单研究——以长江江苏段为例

为高效计算和分配内河航道船舶尾气污染排放,支撑船舶排放控制区建设,提出了一种内河航道船舶尾气排放清单快速计算方法。以长江江苏段为例,选取10个控制断面,基于船舶自动识别系统（Automatic Identification System, AIS）和劳氏船级社数据库,采用船舶交通排放估算模型（Ship Traffic Emission Assessment Model, STEAM）,建立10个控制断面的船舶排放清单,在分析各断面污染物空间分布特征的基础上,采用反距离加权插值法（Inverse Distance Weighted, IDW）建立连续排放模型,计算断面间的船舶排放。结果表明：2017年长江江苏段船舶尾气排放SO2, NOx, PM10, PM2.5, CO和挥发性有机物（Volatile Organic Compound, VOC）分别为5.53万t, 19.21万t, 1.25万t, 0.95万t, 0.98万t和0.45万t。与使用全部AIS数据的传统STEAM相比,该方法在保证80%计算精度的基础上,能显著减少计算所需数据量和时间。     

大数据分析的船舶航迹拟合研究

船舶航行过程中所产生的海量航迹数据可通过拟合方法完成压缩,由此降低航迹数据存储的压力,考虑航迹数据采集过程中的误差与数据缺失问题,设计了大数据分析的船舶航迹拟合方法。以船舶自动识别系统为基础,根据参考物标采集船舶航迹数据。考虑所采集船舶航迹数据在时空2个维度上的误差与数据缺失问题,采用大数据分析技术中的三次样条插值法与中值滤波法,对所采集的船舶航迹数据实施预处理;针对预处理后的船舶航迹数据,通过坐标转换、曲线选择以及拟合计算等过程完成船舶航迹拟合处理。实验结果显示,所研究方法能够在不影响航迹数据局部趋势的条件下有效抑制航迹数据的波动性,得到更高精度的航迹拟合结果。     

牛顿插值法的灰色GM(1,1)模型在桥梁荷载试验中应用

由于传统的灰色GM(1,1)模型预测精度不高,以牛顿插值法函数对初始序列背景值进行优化提出了改进模型。以武汉市某等截面连续钢箱梁桥现场荷载试验为工程依托,通过分级加载实测挠度与理论计算挠度差值为初始数据列,来预测下一级加载实测挠度。基于牛顿插值法灰色GM(1,1)改进模型与原始模型预测的数据平均相对误差减小了2.4%,预测第六级加载弹性挠度值减小2%。结果表明,基于牛顿插值法对初始序列背景值优化的改进模型在大型桥梁荷载试验中预测下一级实测挠度值的精度高、可靠性好。     

基于改进蝙蝠算法优化LSTM网络的短时客流预测

准确地预测地铁站短时客流量,对地铁站通风空调系统的节能优化具有重要意义.充分考虑地铁客流量非线性、随机性、周期性等特点,提出一种基于改进蝙蝠算法(IBA)优化长短期记忆(LSTM)神经网络的短时客流量预测模型(IBA-LSTM).引入反向学习、动态自适应惯性权重与拉格朗日插值法等方法改进蝙蝠的全局搜索与局部寻优能力,克服标准蝙蝠算法易早熟、易陷入局部最优值的问题;利用改进的蝙蝠算法对LSTM网络的隐含层节点数、迭代次数、初始学习率、学习率下降因子4个参数进行优化;利用西安某地铁站自动检票系统(AFC)采集的客流数据,对模型的有效性进行检验.实验结果表明:该预测模型在均方误差、均方根误差、平均绝对百分比误差等方面均优于标准蝙蝠-LSTM模型、LSTM预测模型、BP预测模型及BP-Adaboost预测模型,所提出的方法可有效应用于短时客流量预测.