城市轨道交通小交路计划与客流控制协同优化策略

高峰时段的大客流需求易造成城市轨道站台乘客大量聚集,从而给城市轨道交通系统带来安全隐患,降低乘客乘车的舒适度;同时,客流空间分布的不均衡性导致供需能力不匹配,降低 了列车资源的利用率。针对该现象,本文结合大小交路开行方案与客流控制策略研究城市轨道交通列车时刻表协同优化问题。考虑到城市轨道交通客流的不确定性,将乘客到达率设置为不确定变量,而后基于客流演化与列车运行的动态关系,建立以最小化滞留乘客数、客流控制人数、 列车运行时间,以及最大化列车资源利用率衡量值为目标的优化模型,并设计一种基于机会约束 的随机场景优化算法进行模型求解。以北京市某轨道线路为例进行数值实验验证模型的有效性。结果表明,相较于常规运营策略,本文提出的协同优化策略在期望滞留人数和列车运行时间方面有了较大改善,更好地实现了乘客成本和企业运营成本之间的均衡。     

徐州火车站无站台柱雨棚结构设计

介绍徐州火车站无站台柱雨棚的张弦桁架钢结构体系,结构计算模型,材料选择,以及在结构计算中的荷载取值。阐述非线性分析时张弦桁架控制索力的取值原则,为今后预应力钢结构工程提供借鉴。     

普速与CTCS-2客运专线车站特殊站联电路工程设计

结合秦沈沟海联络线的工程应用实例,当客运专线车站与普速车站区间设有通过信号机,且客运专线车站所辖区间采用CTCS-2级列控系统编码,而普速车站所辖区间采用无绝缘轨道电路继电编码时;为满足普速车站站内联锁及电码化对离去轨继电器的要求,设计出了两种解决方案,对类似工程设计具有借鉴意义。     

统计过程控制在沥青拌合站生产中的应用分析

通过对沥青拌合站生产中沥青用量、关键筛孔通过率、成品料温度等关键参数进行统计过程控制(SPC),分析SPC应用于沥青拌合站生产的可操作性,建立以拌合站操作人员为核心的缓冲预警系统,预警生产过程中的异常波动,实现质量风险的预防和控制.结果表明,S PC对沥青用量的质量预防和控制效果最佳;对关键筛孔通过率的过程控制建立在原...     

城市轨道交通客流分析

在城市轨道交通的规划设计中,客流资料是项目的必要性论证、方案比选、确定系统规模、进行效益分析的基础.通过对我国十几座城市轨道交通系统30多条线路客流预测资料的分析,结合规划设计的技术决策过程和处理实际问题时的思路,建立了客流分析方法,提出不能仅靠"远期高峰小时单向最大断面客流量"来确定系统规模,应考察单向"最大断面客流量"是否能得到"高断面流量区间"的支撑;阐明了客运量可能的发展趋势;建立了以车站、路段为单元的客流空间分布研究方法和全日客运量时段分布研究方法;提出了应对系统、环境发生变化时的客流预测结果的调整方法.     

江河航道型船舶数据处理系统的实现方法

船舶数据处理系统是新型水上交通管理系统的重要组成部分，在现代化水上交通管理系统中起着越来越重要的作用，本文提出了江河航道型船舶数据处理系统的方案，并着重阐述了其实现的方法。     

城市群客流生成预测精度控制模型研究

城市群客流生成预测是城市群轨道交通规划中客流预测的主要组成部分,其预测精度将直接影响轨道交通客流预测精度,进而影响轨道交通规划的合理性.在分析城市群客流生成特点的基础上,提出客流生成阶段预测精度控制分为小区划分精度控制、预测方法选择、建模精度控制及模型计算结果调整4个阶段的思路;详细论述后2个阶段的精度控制内容,在模型计算结果调整中提出区域对外交通调整、空间调整、发生总量平衡调整及发生吸引平衡调整4个调整内容,并建立调整模型.     

大跨度桁架梁吊装技术研究与应用

目前国内的新建或改扩建的火车站雨棚多为大跨度钢管桁架梁结构的无站台柱雨棚,因桁架梁跨度较大,整榀桁架梁长达百米,桁架梁吊装难度较大。经过对桁架梁分段吊装技术的探讨和研究,摸索出大跨度桁架梁吊装技术并应用于宜昌东站无柱雨棚,可供类似工程借鉴。     

城市轨道交通标准车站公共区布局模式研究

首先对研究对象进行定义和界定,通过分析占比较大的标准车站公共区常规布置模式存在问题,从客流特征和人类行为心理影响因素出发,得出影响公共区布局优劣的关键因素,在于增加有效进站点选择和提高服务水平,并提出针对较大客流、较小客流及较大进站客流这3种客流特征所对应的车站空间布局模式解决方案,从规模、空间、功能、结构等方面分析其主要布局特征和优劣。尤其是针对目前国内地铁愈加普遍的安检要求,从运营安全出发,分析应具有的公共区布局特征。通过分析,明确地铁标准车站通用标准设计应具有的基本属性。     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。