综合客运枢纽信息系统总体架构研究

综合客运枢纽面临大发展历史机遇期,由于包含运输方式较多,运营管理模式多样,信息系统建设分散,导致综合客运枢纽协同管理和信息服务不到位,滞后于基础设施的发展.结合典型综合客运枢纽信息系统建设发展情况的调研,分析综合客运枢纽信息系统发展现状,梳理客运枢纽信息系统信息服务内容,提出综合客运枢纽信息系统“一体化”、“交换平台为中心”和“分散式”3种系统总体架构,以其为综合客运枢纽信息系统建设提供借鉴.     

CRH动车组列车牵引计算系统研究与设计

动车组列车牵引计算是高速铁路运营和设计过程中的一个基础性环节,研究和开发动车组列车牵引计算系统对于提高高速铁路运营和设计效率具有重要意义.本文依据业务需求,对动车组列车牵引计算系统进行了系统分析和系统设计,并重点探讨了动车组列车牵引计算的计算模型、动车组操纵策略、动车组过分相计算等问题,提出了单质点和多质点相结合的简化计算模型,最后开发了动车组列车牵引计算系统的原型系统.     

机车检修调度智能化的研究与设计

针对现有铁路机车检修纯手工方式管理存在的记录模糊、任务分派迟缓、严重制约检修进度的问题,提出在小修环节部署《小修调度管理系统》,实现对小修管理各个环节的计算机管理.目标系统设计了适应现场工作环境的便携式终端设备;采用可扩展的问题库设计,可同时用于内燃机车和电力机车的检修管理;借助技术手段,消除管理上存在的安全隐患.     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题．自适应模糊神经推理系统（ANFIS）有优越的学习和泛化性能,而遗传算法（GA）是优秀的全局优化工具．采用遗传算法优化ANFIS参数,并编制了相应的计算程序．结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型．为了对比该模型的预测精度,采用GA优化支持向量回归（SVR）和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析．按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考．     

视频检测技术在UTC—SCOOT系统中的运用

针对视频运动车辆检测技术在UTC-SCOOT系统中的应用进行了研究。在城市交叉口控制中使用视频摄像机代替传统的车辆检测器,用于城市道路交叉口的交通信号实时控制,取得了较好的控制效果。     

基于ARM的ETC系统车辆图像采集研究

以不停车车道控制系统为背景,设计车道控制器中的图像采集模块。硬件电路以S3C2440A微处理器为核心,并详细介绍CCD接口电路设计。软件部分以实时嵌入式Linux操作系统为平台,开发图像采集接口驱动。测试结果表明,图像采集模块实时性满足预定要求。     

基于PDA的高速公路改扩建智能管理技术研究

根据我国高速公路改扩建的实际情况,研究并提出基于嵌入式PDA的高速公路智能管理系统解决方案,可为今后高速公路改扩建期间交通管理平台的建设提供有益的参考与指导。     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。     

����ʵʱ�ܶȵ�����ѵ������㷨�о�

随着城市汽车保有量的不断增加,交通拥堵日益频繁;匝道控制是通过调节入口匝道车辆数,来缓解快速路匝道交汇处拥堵的有效方法.本文同时考虑快速路和入口匝道上的实时密度设计了匝道控制优化算法,该算法旨在控制快速路密度接近其最优值,同时减少匝道上的排队数;通过PARAMICS仿真软件对算法进行验证,并与ALINEA、Demand Capacity算法进行了比较,仿真模拟统计了快速路交通流密度、匝道排队数、总车辆行程时间以及下游流量数据.分析结果显示,实时密度控制算法是有效的,能够维持干线最大流量,保持路网交通条件的动态平衡,并且尽可能地减少排队长度.     

����ʵ�ʼ�ʻ�����ij�����̬����ģ���о���

本文分析了交通微观动态性和传统GHR模型、考虑延误的最优速度模型和智能驾驶员模型的动态特性。传统GHR模型区别于其它两个模型的根本特征在于其仅描述车辆跟驰状态的关系,而其余两个模型则可较好地反映具有很强相互作用时车辆间关系,如自由流和车辆从初始状态开始加速的阶段。结果表明：(1) 最优速度模型和智能驾驶员模型较传统GHR模型具有更好的完整性;(2) 现有的最优速度模型可能产生不符合实际的车辆相互作用;(3) 考虑实际延误的最优速度模型可产生稳定的车辆间相互作用;(4) 智能驾驶员模型还需进一步改进,尤其是应考虑驾驶员延误这一微观交通仿真中的重要因素;(5) 这三个模型可产生相似的动态特性。