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.     

基于驾驶人特性的双车道跟驰模型稳定性分析

为了研究交通拥堵问题，了解交通拥挤形成的过程及驾驶员自身特性对双车道交通流稳定性的影响.本文基于复杂网络聚类同步理论，对一类基于驾驶员特性的双车道跟驰模型的稳定性进行研究. 通过设计适当的控制器使得基于驾驶人特性的双车道车辆跟驰模型趋于稳定，并得到了模型稳定性的条件.此外，在双车道上的车辆受到随机外部扰动的情形下，利用具有外部扰动的复杂网络自适应H∞ 聚类同步理论，研究了外部扰动情形下基于驾驶人特性的双车道车辆跟驰模型的稳定性.最后，采用MATLAB仿真技术进行数值模拟，验证所设计控制器对双车道交通流稳定性的影响及不同的驾驶员性格特性对交通流运行的影响.     

城市轨道交通高峰线路客流协同控制方法

在线路客流控制中，需同时考虑各个车站控流方案的可执行性与协同性. 采用 Fisher 最优分割法确定合理客流控制时段，基于此建立以乘客总等待时间最少和旅客周转量最大为目标的线路客流协同控制线性规划模型. 基于成都地铁2 号线AFC数据进行实验，针对协同控流与非协同控流方案，以及不同客流控制时段划分方案下的协同控流方案进行对比实验. 算例中：协同控流方案在旅客周转量下降约1.0%的情况下，乘客总等待时间减少约 56.7%；基于Fisher 最优分割法确定的时段划分方案中协同控流方案在乘客总等待时间方面最优，并具有很好的可执行性.     

轮胎式集装箱门式起重机起升动载系数的研究

对弹性支承的轮胎式集装箱门式起重机的起升动载系数的力学模型、求解方法和计算公式等进行了理论研究和测试验证。理论计算和实际测试结果的比对表明,动态力学模型与实际情况较接近,计算公式和计算方法正确,测试结果可信。     

大型集装箱船船舶尺度的一种确定方法

随着船舶向大型化发展,现有的船舶主尺度之间关系数学模型已不能满足大型船舶的要求,文中依据多艘实船数据,利用曲线拟合的方法建立大型集装箱船船舶主尺度之间关系的数学模型.     

灾后恢复阶段多期道路交通网络重建规划

灾后路网重建规划可分为应急阶段和全面恢复阶段。文中建立了灾后恢复阶段多期路网重建规划的双层模型，并采用灵敏度分析方法进行求解。上层模型考虑到建设资源的限制，以工程总效益最大为目标建立多期工程效益模型；下层模型是基于出行时间可靠性的用户均衡分配模型。最后结合实际路网进行了算例分析，证明模型和算法是有效的。     

车桥系统气动特性的节段模型风洞试验研究

侧向风作用下的车桥耦合振动分析需要考虑相互气动影响的车辆和桥梁各自的气动参数。为考虑车辆和桥梁的相互气动影响,在常规桥梁节段模型三分力测试装置的基础上研制了一种三分力分离装置———交叉滑槽系统。该系统利用环形滑槽和直线滑槽交叉点位置的变化来调整车辆和桥梁间的相对几何关系,并能实现车桥系统的同轴转动,从而方便地进行不同攻角情况下气动力的测试。利用交叉滑槽系统通过节段模型风洞试验对车桥系统的气动特性进行了多工况对比研究,讨论了车桥系统的雷诺数效应,分析了车桥间的相互气动作用,比较了车辆在桥上位置的影响。试验结果表明,基于交叉滑槽系统的节段模型风洞试验测试是可行的;车桥间的相互气动作用对车辆和桥梁的气动力有较明显的影响。     

采用组合承力索线夹的支柱装配计算数学模型的优化设计

铁路电气化工程接触网专业上部安装作业能否一次到位,关键在于其数学模型建立得是否完善科学,特别是新的装配结构的出现,我们没有成熟的技术经验可以借鉴。本文以秦沈客运专线电气化工程为背景,详细介绍了采用组合承力索线夹的支柱装配计算数学模型的建立过程。     

负温混凝土冻害及防冻模型的探讨

通过分析温度对混凝土的损伤机理,尤其是混凝土冻害机理,发展了抗冻临界强度理论和早期结构形成学说,从微观角度定性地描述了负温混凝土防止早期冻害所要形成的结构为抗冻临界界面结构。     

Road roughness estimation based on discrete Kalman filter with unknown input

ABSTRACT

The road roughness acts as a disturbance input to the vehicle dynamics, and causes undesirable vibrations associated with the ride and handing characteristics. Furthermore, the accurate measurement of road roughness plays a key role in better understanding a vehicle dynamic behaviour and active suspension control systems. However, the direct measurement by laser profilometer or other distance sensors are not trivial due to technical and economic issues. This study proposes a new road roughness estimation method by using the discrete Kalman filter with unknown input (DKF-UI). This algorithm is built on a quarter-car model and uses the measurements of the wheel stroke (suspension deflection), and the acceleration of the sprung mass and unsprung mass. The estimation results are compared to the measurements by laser profilometer in-vehicle test.