高速铁路列车运行冲突机理

分析了高速铁路列车运行过程中随机干扰的分布规律和累积过程,采用运行计划的状态偏离图,描述了高速铁路列车运行延误的变化机理。分析了高速铁路列车运行过程中冗余时间的分布规律与利用过程,采用运行计划的状态恢复图,描述了冗余时间对延误时间的吸收过程。根据运行干扰作用过程与冗余时间利用过程,研究了高速铁路列车运行冲突的产生机理,建立了随机干扰和冗余时间共同作用下高速铁路列车运行状态的递推过程。运用易语言开发了运行干扰-冗余时间-冲突仿真程序,当干扰概率分别为50%和30%,冗余时间比例分别为15%和10%时,仿真了4种工况下高速铁路列车运行冲突的产生机理。仿真结果表明:随机干扰会导致运行冲突的产生,冗余时间可以吸收延误时间并减小运行冲突个数;随机干扰越小,运行冲突个数越少,当随机干扰概率减小20%时,冲突个数减小17.3%;延误时间越大,可利用的冗余时间越大,当冗余时间比例增大5%时,冲突吸收系数增大6.5%;冗余时间对小干扰概率与小干扰总量下的运行冲突吸收作用更明显。     

建筑物配建停车场的停车时间可靠度研究

为了衡量建筑物配建停车场停车需求与供给之间的不确定性,引入停车时间可靠度的概念。配建停车场停车时间可靠度的影响因素主要包括建筑类型、区位因素及停车场规模。通过对影响因素的分析认为,停车排队时间、停车搜索时间和用户忍受时间是计算停车时间可靠度的决定性指标,据此建构停车时间可靠度模型。其中,停车排队时间按照非满位排队时间和满位排队时间进行讨论;停车搜索时间是在已有丈献基础上进行的细化;用户忍受时间通过排队等待率来反映,通过模糊数学理论进行计算。最后,利用该模型对某市区综合商业大楼配建停车场的停车时间可靠度进行计算,并评估了停车场当前状态下被用户接受的概率。     

基于贝叶斯网络组合模型的公交驻站时间预测

公交驻站时间是公交行程时间的主要组成部分,其预测精度直接影响智能公交系统中公交信息发布的准确性.为了提高公交驻站时间的预测精度,提出一种基于贝叶斯网络的组合预测模型,它由反向传播神经网络和径向基函数神经网络模型组成.首先利用两种神经网络模型预测公交驻站时间;然后利用改进后的等宽数据离散方法,将两种神经网络的预测结果和观测的驻站时间数据离散后用于贝叶斯网络学习;最后通过贝叶斯网络推理得到驻站时间组合预测结果.实例分析表明,贝叶斯网络组合模型驻站时间预测结果的误差指标均优于单一模型,证明其可有效提高单一模型的预测精度.     

基于可控交货期的供应链Stackelberg决策研究

时间已成为供应链敏捷运作的瓶颈要素。在供应商和分销商供应链上下游的Stackelberg模型中,本文构建了基于可变交货期的供应链决策模型。通过对供应链决策模型的计算,分析了考虑压缩交货期费用分担和延迟交货惩罚对交货期、订货量、供应链成本的影响,认为在供应商和分销商中存在最优的交货期和订货批量,可得到供应链最优的决策。算例的计算结果表明,该模型可以优化供应链上下游企业的决策,从而为规划决策者提供科学依据。     

山区高墩梁桥抗震分析

以一座7—40mT梁高架桥为研究对象,建立了三维空间模型,采用非线性时程分析方法,分析了不同墩梁连接方式的山区高墩T梁桥的抗震性能,计算结果表明：采用铅芯隔震橡胶支座可以提高桥梁的抗震性能。     

城市快速路单车道车头间距的研究

为了研究城市快速路不同车型在单车道自由流状态下车头间距分布现象,文章基于交通调查和系统数据采集的方法,通过统计分析解析了城市快速路单车道自由流车头间距分布规律,得出了自由流状态下城市快速路单车道车头间距符合负值数分布,不同车型之间的车头间距分布也不同的结论.利用数理统计的方法对实测数据进行分析处理,分析当前车为小汽车、后车为出租车时,车头间距较大;而前车为出租车、后车为小汽车时,车头间距较小,车头间距与流量成反比关系.     

灰色理论模型在软基沉降预测应用中准确性探讨

采用两组不同监测数据建立非等时距GM(1,1)模型,引入平均相对误差与灰色关联度两个指标,为精度检验分级提供更多参考依据。     

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。     

基于活动的旅游出行链选择行为研究

通过对在京旅游的游客进行调查,以游客的个人属性和出游属性作为影响因素,将游客对不同类型活动的时间分配作为前提,对游客的出行链选择行为建立了Multinomial Logit模型。模型分析表明:年龄、职业、出游时间、是否本地游客、对景点是否熟悉以及游客对活动时间的分配等均对出行链选择有显著影响;模型具有较高的精度,为游客出行预测提供了理论依据。     

基于谱分析的路段行程时间多步预测方法

路段多步行程时间预测数据是动态交通诱导系统的重要参数,但已有研究成果,大多集中于一步预测,且存在适应性不强、计算量大、基础数据需求多等不足.应用谱分析及Karhunen-Loeve（K-L）变换对历史及当前检测行程时间序列进行分解与重构,重构时以历史序列与当前检测序列的欧式距离作为相似性度量指标,优化重构时的特征向量系数,使与当前检测序列相似度高的历史序列信息在重构中占据主要地位,通过重构,实现对后续若干时段的行程时间的预测,实测数据检验显示该方法可实现多步预测,预测精度良好,较以往方法有所提高,且历史数据需求量小,计算量小.