随机网络中的最优路径问题

本文阐述了路径优先次序的概念，提出了简单随机网络的一般随机网络中最优路径的确定方法。     

基于随机控制理论的城市快速道路交通流模型

根据城市快速道路交通流的特征，运用随机控制理论构建了城市快速道路交通流的数学模型。它括一系列基于随机控制理论和布朗运动的非线性随机微分方程。这些模型可用于控制城市快速道路交通流的密度，速度，以实现平滑交通流的目标，实现实时交通控制的目的，从而降低城市快速道路交通系统的不稳定性，并提高交通安全性。     

摩托车减震器性能评价与判定(2)

(上接2008年第2期) 下面列举几个试验方法和评价实例: a)乘坐舒适性:1)实车行驶与乘坐舒适性因素,实车行驶时测定车身及手把的加速度,计算能谱密度分布,再乘以人类的振动感觉特性质量,计算2倍平均,得出平方根.     

“疯狂划算”活动倾情回馈——上海大众斯柯达累计销量突破123万辆

<正>开启创新性游戏营销自2007年推出首款战略车型以来,上海大众斯柯达一直保持着稳健高效的发展,随着新产品的不断推出,销量屡创新高。日前,斯柯达品牌累计销量已经突破1 23万辆。为此,上海大众斯柯达品牌启动了别具创意的"疯狂划算"活动,倾情回馈火热开展。7月18日起,注册参与"疯狂划算"手机游戏,即可赢取斯柯达品牌系列车型购车现金抵扣券;9月1日,一名幸运注册用户将由上海大众斯柯达随机抽取产生,获得全新明锐免费使用权一     

基于时域模型的路面随机激励模拟

为进一步提高路面平整度模拟精度,文中研究一种公路路面不平度的数值模拟方法。首先基于AR模型,建立了由路面随机激励的时间功率谱密度求得双轮路面随机激励时域AR模型的方法,并构建了相应的算法;然后在MATLAB平台上对双轮路面时域AR模型进行仿真,得到了各级路面谱曲线,通过与标准路面谱对比,验证了路面随机激励AR模型的正确性。     

利用遗传算法设计自适应随机共振系统

将遗传算法与自适应随机共振理论相结合，得出了一种新的自适应随机共振系统，并应用该系统对微弱信号进行了检测，在MATLAB平台上进行了实验仿真，取得了良好的效果，揭示了本系统在实际应用中巨大的发展前景。     

济南齐鲁大桥车桥耦合振动响应和分析方法的研究

济南齐鲁黄河大桥是正在建设的城市道路与轨道合建的系杆拱、梁组合体系的大跨度桥梁,桥面宽60.7 m,双线轻轨,道路双向8车车道并设有非机动车道和人行道,活载种类多,振源复杂。介绍该桥车、桥、人行振动分析的处理方法和振动响应分析,并对车桥振动响应评价标准的合理性进行了讨论。     

基于风场模拟的接触网b值动态响应分析

接触网线索受风振动会造成b值变化,为了将风荷载引起的变化量剔除,对随机风场作用下的接触网进行仿真研究。利用ANSYS软件建立全补偿简单链形悬挂接触网模型;采用谐波叠加法模拟得到随机风场;分析b值风致变化的机理,仿真完成了接触网模型在不同随机风荷载作用下的动态响应分析。研究结果表明:接触网b值风致变化是线索受风偏移导致的结果,横向偏移起主要作用;脉动风场作用下接触网各跨会随机产生不同大小的补偿位移,随着风速提升补偿位移振幅相应变大且变化率呈增大趋势;对于半个锚段12跨接触网,当风速达到41m/s时,补偿位移振幅为60.61 mm,接近棘轮补偿装置断线b值变化量,说明识别断线事故时应考虑风振的影响。     

基于航班时刻不确定性的航路时隙分配模型

针对航班运行时刻波动导致延误风险和空中交通扰动的问题,在航路时隙资源优化分配时考虑航班运行时刻的不确定性,对航班运行时刻的概率分布做出合理假设,制定允许分配策略以一定置信水平成立的航路时隙资源分配风险决策原则,采用随机优化方法,针对不同航路类型建立航班实际运行时刻不早于计划运行时刻的随机机会约束,以一定置信水平下的全部航班总延误损失最小、平均旅客延误时间最小为目标,建立了航路时隙分配的随机机会约束规划模型,在满足航班唯一性约束、时隙独占性约束、航路容量约束和随机机会约束的基础上优化分配航路时隙;采用Lingo11和M atla-bR2007b求解模型,以民航某航路仿真运行数据为例,在0.8的置信水平下,本模型各策略的总航班延误损失均值和平均旅客延误时间均值比先到先服务策略分别减少38.54% 和41.3%,模型在控制二次延误风险的同时显著减少了航班延误,分别在置信水平为0.6,0.7,0.9时运行本模型,总航班延误损失和平均旅客延误时间的最优值分别增长1.07%,1.73%,保障航路交通稳定性需要以损失一定的运行效率为代价.      

基于SVM事故分类的连环追尾事故影响因素分析

以美国公路2013—2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素.通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型.得到分类准确率:训练集为97.42%,测试集为80.32%,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分.根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因素,依次为:碰撞前首车的运动情况、道路的限速、季节和车道数.进一步对比各因素下2种事故发生的百分比发现,在首车停车或减速、道路限速超过80 km/h、夏季以及车道数大于2车道的情况下,更容易发生连环追尾事故.