多信号交叉口干线行程时间特性分析

城市道路多信号交叉口影响下的行程时间分布及可靠性是交通流理论研究中的重要方向 之一。本文基于灰色关联理论建立信号协调控制下的多信号交叉口行程时间影响因素模型。首 先,对车牌识别数据进行预处理,得到路段和干线行程时间数据;然后,利用Burr分布和高斯混合 模型对数据进行分布拟合,并进行拟合优度检验;最后,利用灰色关联法分析交叉口数量、干线长 度和干线流量与行程时间特性之间的关联关系。结果表明,单路段行程时间分布具有明显的双 峰现象,高斯混合模型适用于单路段行程时间的拟合;而Burr分布可以较好地描述多信号交叉口 干线行程时间分布右偏和高峰值的特征。交叉口数量、干线长度和干线流量与行程时间特性之 间有较强的相关性,且干线长度的影响更为显著,随着干线长度的增加,行程时间趋于一个稳定 的单峰分布,波动性减小,可靠性增加。     

关于地铁中漏泄同轴电缆的选择、配置和建议

简要介绍了漏泄同轴电缆的原理和基本性能,提出了以提高接收电平作勾选择和配置漏泄同轴电缆基本要求的计算方法,并举出了实例,还提出了建议。     

一种用于交通信息采集的图像背景快速估计方法

为适应交通环境多变情况下实时交通信息采集的要求，提出一种快速高效的背景估计方法。该方法以单高斯估计模型为基础，参数简单，算法实时性好；在采集样本时通过帧差法对图像进行分块选取，从而保证了样本的纯度，有效地削弱了运动物体和噪声对于背景估计的影响。通过实际道路环境下多种方法的实验比较，证明所提出的方法的正确性和有效性。     

一种适用于电气化铁路信息传输的主从结构自适应噪声对消器

提出采用一种新型的主从结构的自适应噪声对消器（MS-ANC），解决电气化铁路中的谐波干扰和高斯白噪声对消问题，计算机仿真实验表明，此噪声对消器能使输出信噪比得到较大的提高（信噪比改善15-40dB)。     

砂-黏复合地层盾构地表沉降分析及沉降槽宽度系数修正

以深圳地铁11号线宝安站—碧海站区间为工程背景,选择具有正态分布性质且能考虑沉降槽偏移的高斯峰值函数,对该段地表实测沉降数据进行曲线拟合,分析砂-黏复合地层条件下盾构掘进引起的地表沉降规律;并结合国内外沉降槽宽度系数的计算理论,提出砂-黏复合地层沉降槽宽度系数。结果表明:高斯峰值函数拟合的沉降槽曲线与砂-黏复合地层条件下的工程实际更为契合;通过选取合适的参数,可以运用日本学者竹山·乔公式对砂-黏复合地层地表最大沉降值进行预测,砂-黏复合地层地表最大沉降值随土的弹性模量的加权平均值的增大而减小;提出的砂-黏复合地层沉降槽宽度系数更能反映砂-黏复合地层特征,使沉降计算值更准确。     

环放路网宏观基本图信号周期敏感性分析

为揭示路网宏观基本图(MFD)对信号周期的敏感性，首先，提出一种基于GMM的宏观基本图建模方法，并在此基础上提出路网运行效率和稳定性的表征方法；其次，提出MFD 对信号周期敏感性的仿真实验设计方法；再次，以环放路网为例，进行仿真实验，分析信号周期的变化对MFD的影响，进一步揭示信号周期对路网运行效率和稳定性的影响机理. 结果表明，合理的信号周期对MFD和路网的效率及稳定性影响不大，但周期过大或过小则对MFD 和路网的运行效率及稳定性造成较大影响. 该结论可以为路网交通控制和优化提供依据.     

变截面车架牵引车减振器系统设计

本文介绍了变截面车架牵引车减振器系统设计分析过程,从安装方式分析、最大卸荷力计算、缸径计算、行程计算、安装角度及匹配减振器支架设计等方面进行了详细的计算分析,并对其中关键设计点进行校核分析。     

降雨量对OD行程时间可靠性影响分析

为详细研究降雨量对OD行程时间可靠性的影响，基于Uber 出行共享的3 年美国波士顿10 对OD行程时间数据及WeatherUnderground 网站提供的小时历史天气，构建了OD行程时间高斯混合模型(GMM). 模型参数利用EM法进行求解，K 值根据K-S 检验后的P 值 (大于0.500 0)进行确定，模型分位数利用二分法进行求解. 提出一种基于缓冲指数(BI)的新指标--缓冲指数变化率(BIVR)作为定量评估指标. 结果表明：降雨会降低总体OD行程时间可靠性，降低效果随降雨量提高而增强，但增强效果并不明显；尽管可能性较低，但当降雨处于次要影响因素时可能提高可靠性；小雨天气可视为正常天气；雨天可靠性显著低于正常天气，居民在雨天(除小雨外)出行应预留更多时间.     

Prediction of seasonal maximum wave height for unevenly spaced time series by Black Widow Optimization algorithm

The present study aimed to predict the maximum seasonal wave height by new integrative data driven methods. For this purpose, two data-driven techniques, that are, the Adaptive Neuro-Fuzzy Inference System (ANFIS) and the Support Vector Regression (SVR), were applied, and a BWO algorithm was used as an integrated method (ANFIS-BWO and SVR-BWO). In addition, the Particle Swarm Optimization (PSO) algorithm was used as a method integrated with SVR and ANFIS (SVR-PSO and ANFIS-PSO) to compare the performance of the newly developed methods (ANFIS-BWO and SVR-BWO). The wave data were collected in different seasons by a buoy station deployed in the southern Baltic Sea by the Institute of Hydro-Engineering of the Polish Academy of Sciences. Seasonal simulations were performed to investigate the effect of seasons on the maximum wave height. The wave data constituted an unevenly spaced time series. The maximum wave height was modeled using the maximum wave height period (T_max), the significant wave height (H_s), the significant wave period (T_s), and time steps (Δt). The results showed that the application of BWO and PSO algorithms increased the accuracy of ANFIS and SVR by about 18.45%. Moreover, the results show that PSO increased the accuracy of ANFIS and SVR by about 17.98% and 21.59%, respectively. The results of different runs indicated that the BWO is more stable to reach the global solution than PSO. The results also show that show that SVR-BWO is the most accurate model.     

地铁车站设计中的客流参数研究

在地铁车站设计中,客流是众多车站部位规模和能力核算的重要参数。本文从地铁运营管理和功能疏散的角度,深化研究,提出超高峰客流量、最高聚集人数、紧急疏散人数三个参数指标．为地铁车站设计提供重要科学依据。