台州港临海港区规划波浪潮流泥沙数学模型研究

文章研究了台州港临海港区规划围垦后的有关潮流泥沙问题。首先对该海区的自然条件进行了分析,而后使用二维波浪潮流泥沙数学模型研究手段对台州港规划围垦后的二维潮流场、泥沙场、地形冲淤变化进行了模拟研究。研究结果表明,从周围水沙环境的影响考虑,该港区规划围垦的方案是可行的。     

公共自行车多层次分区调度方法研究

公共自行车发展的制约性问题在于调度滞后,服务水平无法满足用户需求.从时间分布和空间分布两方面分析了公共自行车高峰期潮汐需求规律及其与用地类型的关系.创新地提出以上层调度区域、调度小区和站点为主的多层次分区调度方法.在详细分析了各层次分区流程及相关参数的基础上,提出结合虚拟小区与有时间窗的多目标优化调度模型解决区间调度问题,并且建立了小区内调度的最优路径模型.形成区间灵活调度,区内路径固定的半确定调度体系.案例证明该方法具有较强的可操作性.该方法在保证高峰期及时调度,减少不必要的绕行和拥堵时间,提高调度效率,减少盲目性等方面具有重要意义.     

基于OpenStreetMap的城市自行车网建模与多判据路径规划

自行车交通是一种健康、绿色、环保的交通出行方式,合理地规划自行车出行路线对于满足骑行者多元化出行需求、构建安全规范的城市交通出行环境具有重要的意义.在对真实骑行者路径选择行为深入分析的基础上,提出了基于Open Street Map的城市自行车网络的构建方法及基于其上的多判据自行车路径优化的数学模型,并给出了求解该模型的一种基于聚类的最优多判据路径规划方法.实验仿真结果表明,该模型及方法能够生成满足骑行者真实需求的多判据路线方案.     

信号控制下人行横道宽度优化模型

为了提高行人过街安全,本文分析了信号控制下行人过街的时空分布特性,研究行人过街空间区域最大宽度与时间和人行横道纵向位置映射关系;通过对行人流量和分担率两因素的分析,对行人过街空间区域特性进行数学描述,根据实测数据并利用轨迹提取技术获取行人时空数据,建立了满足过街时间约束下的人行横道宽度优化模型;最后利用长春市4处人行横道的行人过街时空信息,以群体过街时间为验证指标对模型进行了验证,结果显示,利用本文建立的人行横道宽度优化模型所确定的行人过街时间在3处地点分别减少5.60%、3.29%和2.58%.本文建立的基于时空安全的人行横道宽度优化方法可为人行横道宽度的设计提供理论参考和技术支持.     

基于BIM设计的道岔设备建模方法研究

为了解决站场BIM设计中道岔与岔线建模繁琐、定位捕捉困难等问题,基于最新的OpenRail软件环境,对MicroStation直接建模和道岔设备抽象化线性建模两种思路进行比较分析。经研究,线性建模方法更适合站场BIM设计。针对线性建模手段,将道岔的主要设备及尺寸信息转化为标准化道岔库元素和标记,然后按抽象化的道岔元素及标记信息进行xml文件编程,得到了较好的应用体验。     

船用蓄电池保养装置旋盖机构的建模和运动仿真

介绍使用Pro／E与ADAMS建立船用蓄电池保养装置中旋盖机构的虚拟样机方法,建立三维模型样机并进行了运动仿真分析。分析过程中使用参数化设计方法得到适合机构运动要求的零件参数,为旋盖机构和安装平台的整体设计提供了理论依据。     

雷达侦察信号环境描述与建模

信号环境仿真是检验雷达侦察设备性能的重要手段。针对雷达侦察信号环境时域、空域、频域、能域分布特点,对雷达侦察信号环境进行了数学描述,建立了雷达辐射源信号环境数学模型,为雷达侦察信号环境仿真奠定基础。     

形式化可测性约束在软件模型实现过程中的研究

在软件测试中,软件使用模型反映实际运行场景的能力是直接决定测试的成功与否的关键因素之一。一般可以通过对在需求分析阶段已生成的UML建模进行研究得到使用模型,但原始的UML模型,由于缺乏严格的定义及必要的约束,如果要生成高精度的软件模型,必须对其添加必要的形式化可测性约束。这正是文章研究的重点。     

舰船工程风险演变机理和建模分析

为增强舰船工程风险管理的针对性与有效性,研究了舰船工程风险的演变机理,讨论了舰船工程中的各种风险成分及其相互关系.通过定性分析表明,随着舰船工程阶段的推移,不仅总的风险度是逐渐降低的,而且各种风险成分占总风险的比例也是不断变化的.在此基础上又通过建立数学模型的方法给出了舰船工程风险的演变模型与函数关系,并通过举例给出了风险演变和转化的趋势,进一步验证了定性分析的正确性.本文的研究成果为舰船工程风险的管理提供了理论依据.     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。