基于相空间重构的水资源时间序列混沌预测模型研究

针对水资源时间序列非线性预测难题,建立了基于相空间重构的混沌预测模型。通过将原始时间序列非线性映射到一个高维特征空间中进行相空间重构,获得输入向量和期望输出向量,选择统计学习理论中的SVM模型进行预测,经实证分析,文中模型比ANN模型和AR模型具有拟合效果好,预测精度高,泛化能力强等优点。     

输电线路高空检修作业三维仿真培训系统研究

文中主要介绍了输电线路高空检修作业的相关技术,以及相关培训对于实际检修作业中的重要意义,同时介绍和分析比较了常用的几种作业培训方式方法之间的差异及优缺点,以及在培训过程中遇到的相关问题和不足。最后介绍了三维动态培训系统的技术要点和系统的软件、硬件的开发实现,阐述了该种培训方法较常规培训方法的优势和重要意义。     

深水板桩码头变形计算方法

板桩码头变形计算的常规方法为竖向弹性地基梁法,由于该方法未考虑土体的非线性及土体的历史应力状态等因素,其变形计算结果往往存在较大偏差。特别是对于深水板桩码头,加卸载引起的土体刚度变化不可忽略,计算时应充分考虑该因素的影响。通过数值模拟方法,采用摩尔-库伦模型、硬化土模型、小应变硬化土模型等3种土体本构模型,计算广州南沙某深水钢管板桩码头的变形,并与实测数据进行对比。结果表明小应变硬化土模型计算精度较高,可供类似工程参考。     

基于BIM+IoT的某航道工程勘察安全管控应用技术

BIM(建筑信息模型)和IoT(物联网)技术虽然近年来在基础设施建设行业应用愈加广泛,但在航道工程勘察阶段未广泛应用.针对这个现状,研究BIM和IoT技术的集成应用,采用基于BIM+IoT的勘察管控平台技术架构和技术路线,探索其在航道工程勘察安全管控中的应用.以某航道工程为例,利用BIM+IoT平台实现了水上移动巡检、...     

BIM与GIS融合技术在航道整治工程中的应用

针对航道整治工程中BIM技术无法管理条带状工程、难以表达工程周边地理信息等难点,通过梳理BIM与GIS数据特点,研究探索BIM与GIS融合技术,提出了通过格式转换、坐标转换和数据关联实现BIM与GIS融合的方法。将研究成果应用在蕲春水道航道整治工程,验证了BIM与GIS融合方法的可行性,实现了BIM与GIS数据一体化浏览、显示、管理、分析等功能,解决了BIM无法管理大范围工程、无法反映工程周边环境的不足,为BIM与GIS技术在航道整治工程中的应用提供了技术支撑。     

基于BIM技术的测绘要素集成和模型共享方法研究

针对航道BIM设计过程中测绘要素集成和模型共享等方面存在的问题,提出一种基于BIM技术的测绘要素集成,及基于专用中间文件格式和公共数据模型格式实现测量BIM模型共享的方法。通过工程案例分析,阐述BIM技术在测绘要素集成及测量BIM模型传递共享的技术路线,结果表明基于BIM技术的测绘要素集成及模型共享具有优越性,研究成果可为开展测绘BIM工作提供借鉴。     

高原人群出行拥挤感知与调适行为研究

为缓解高原城市节日期间部分路段人流过于密集的状况,对高原人群出行过程中的拥挤感知和调适行为进行研究。首先,在对高原人群高度自由走行速度、生理尺寸进行测定的基础上,采用连续人群流动模型分别对高原人群拥挤临界密度、人群运动速度减小时的人群密度和人群停滞状态时的最大密度进行测算,进而标定高原人群最大忍受密度为8.5人/m2。然后,选取雪顿节期间八廓南街人流短时间内高度聚集的状况进行拥挤状况评估,结果显示该路段人群密度为8.34人/m2,接近高原人群最大忍受密度,因此判定八廓南街存在拥挤事故风险。最后,依据基于层次分析法的高原人群拥挤感知影响因素分析结论,提出相应的调适行为措施,力求维护民族宗教节日期间高原城市公众正常的出行秩序。     

共享单车现金奖励调度策略的用户接受意愿研究

为探讨共享单车用户在不同影响因素下对现金奖励调度策略的接受程度,设定了针对共享单车用户的调查问卷,并在济南市进行了调查,得到519份有效问卷。基于扩展的计划行为理论（Extended Theory of Planned Behavior, ETPB）模型和相关结构方程模型（Structural Equation Model, SEM）,设定了社会规范、支付能力、体力、感知服务、感知绿色价值5个构念以及5个相关假定,以测度不同奖励调度情境下共享单车用户对奖励策略的接受程度。结果显示,支付能力和体力对用户接受调度的影响程度最大,其次是社会规范和感知服务,感知绿色价值的影响程度最小。在此基础之上,提出了增大站点密度、实行现金奖励及提高车辆质量等建议,以降低运营成本、提升用户满意度与车辆使用率。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

基于时间阈值的旅客登机模型及动态登机策略

减少登机时间有利于提高旅客体验和航空公司运行效率,故优化基于旅客行为的登机策略尤为重要. 基于旅客登机过程中两个阶段的延时,建立考虑时间阈值的新登机模型;在干扰时间阈值分布的基础上,通过优化算法分配行李,从而使登机时间最小,进一步得到基于不同行李构成的动态旅客登机策略. 通过元胞自动机仿真和现场模拟实验比较动态登机策略的效率. 结果显示：新登机模型能准确反映登机过程,Steffen 次序具有最大的干扰时间阈值和优化空间;本文提出的动态登机策略可以缩短登机时间,使登机效率显著提高.