公路养护管理系统在公路养护工程造价管理体系中的定位研究

针对公路养护管理系统和养护工程造价管理系统在养护工程费用分析和经济分析等方面可能存在功能重合的问题,分析了网级养护管理系统和项目级养护管理系统的造价管理功能特点,并利用灰色关联度分析法进行了项目级养护管理系统与可行性研究之间的比较,从而明确了公路养护管理系统在公路养护工程造价管理体系中的功能定位。结果表明:项目级养护管理系统在大修工程、专项工程或改建工程时相当于项目建议书或初步可行性研究,具有初步估算和经济评价的功能,与它们的工程可行性研究功能不重合,而在中小修时则相当于概算的功能;网级公路养护管理系统则具备养护规划阶段的养护工程造价管理功能。     

用单亲遗传算法求解配送车辆调度问题的研究

建立了配送车辆调度问题的数学模型，针对传统遗传算法对复杂问题搜索效率低，易陷入“早熟收敛”的缺点，构建了求解配送车辆调度问题的单亲遗传算法，并进行了实验计算。计算结果表明，用单亲遗传算法求解配送车辆调度问题，可以取得比传统遗传算法更优的结果。     

利用改进交叉算子的混合遗传算法求解VRPTW

设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题（VRPTW），根据问题的实际情况，建立了数学模型，提出了改进的交叉算子，丰富了种群的多样性；并结合模拟退火算法的思想，对染色体的适应度适当变化，改善了传统的遗传算法容易“早熟”的缺点，加强了染色体的局部搜索能力。     

具有同时配送和回收需求的车辆路径问题的混合遗传算法

介绍了具有同时配送和回收需求的车辆路径问题(VRPSDP),并对其进行了描述,建立了该问题的数学规划模型。结合2-opt法和等级替换策略等设计了求解VRPSDP的一种混合遗传算法,给出了该算法初始种群的两种生成规则———随机生成和构造初始种群,设计了相应的交叉和变异算子,并详细阐述了违反约束条件的处理方法。通过随机模拟试验以及与其他方法的对比分析表明:该算法可有效缩短车辆行驶距离,而构造初始种群则在一定条件下可显著提高混合遗传算法的收敛速度并改善其运行结果。     

基于道路设计与交通规划的道路选线优化模型

结合道路设计理论与交通规划理论,以地理信息系统为平台,开发道路选线优化模型。该模型是一个费用指向的优化问题,最小化费用目标函数中包括道路建设费用、土方工程费、道路交通诱发的环境污染的不经济费用,OD交通在路网上总走行时间的时间费用等。优化模型首先随机生成新建道路的空间位置候选方案集,并自动设计新建道路的平曲线和竖曲线,计算新建道路的各项工程费用。然后,对变化的路网进行自动拓扑,通过交通量分配得到OD交通在新路网上的走行时间和交通流特征,计算OD交通的环境负荷。最后,在遗传算法中判断候选方案的优劣,直到得到一个最佳的新建道路的空间位置方案为止。     

浅论工程材料特性反演问题和科技发展的微观动力

随着我国公路建设的迅速发展，落锤式弯沉仪(FWD)在我国的应用日渐普及，本文结合科技发展的微观动力论述了反问题，主要是地基材料性能动态反演的发展及现状，突出了哲学对科技的指导作用，前瞻了FWD在我国公路建设中的广阔应用前景。     

弹性接触问题的位移-力法有限元解法研究

本文根据接触状态下的有限元基本方程,通过对定解条件、约束条件的分析应用,得出了仅与接触点有关的定解方程。 运用所编制的电算程序对某柴油机副连杆销及孔在最大载荷下的失圆变形进行了计算。通过采用空心及实心销两种简化模型计算得出了实际副连杆销的失圆变形范围。     

深圳地铁14号线黄木岗站三线换乘方案研究

深圳地铁14号线黄木岗站与既有7号线、近期规划24号线黄木岗站形成地下三线换乘车站，车站周边环境复杂。如何综合各种边界条件形成建筑功能完善，结构经济安全，同时又对周边环境影响最小的方案是本站研究的重点，特别是车站站位及换乘功能的研究。方案设计过程中，通过逐一梳理地面建筑、地下建(构)筑物、地面交通、片区规划、工程地质条件、客流预测、车站换乘功能等边界条件，总结黄木岗站立交桥安全、交通疏解、管线改迁、结构工法、施工器具选择、车站站位及换乘功能等重难点，采取逐项突破的方法，最终推演出“干”字形节点换乘方案，其中14号线采用地下3层双叠侧式车站，与7号线形成平行同台换乘，与24号线形成台-台换乘。     

Optimizing the locations of electric taxi charging stations: A spatial–temporal demand coverage approach

Vehicle electrification is a promising approach towards attaining green transportation. However, the absence of charging stations limits the penetration of electric vehicles. Current approaches for optimizing the locations of charging stations suffer from challenges associated with spatial–temporal dynamic travel demands and the lengthy period required for the charging process. The present article uses the electric taxi (ET) as an example to develop a spatial–temporal demand coverage approach for optimizing the placement of ET charging stations in the space–time context. To this end, public taxi demands with spatial and temporal attributes are extracted from massive taxi GPS data. The cyclical interactions between taxi demands, ETs, and charging stations are modeled with a spatial–temporal path tool. A location model is developed to maximize the level of ET service on the road network and the level of charging service at the stations under spatial and temporal constraints such as the ET range, the charging time, and the capacity of charging stations. The reduced carbon emission generated by used ETs with located charging stations is also evaluated. An experiment conducted in Shenzhen, China demonstrates that the proposed approach not only exhibits good performance in determining ET charging station locations by considering temporal attributes, but also achieves a high quality trade-off between the levels of ET service and charging service. The proposed approach and obtained results help the decision-making of urban ET charging station siting.     

Optimization models for differentiating quality of service levels in probabilistic network capacity design problems

This paper develops various chance-constrained models for optimizing the probabilistic network design problem (PNDP), where we differentiate the quality of service (QoS) and measure the related network performance under uncertain demand. The upper level problem of PNDP designs continuous/discrete link capacities shared by multi-commodity flows, and the lower level problem differentiates the corresponding QoS for demand satisfaction, to prioritize customers and/or commodities. We consider PNDP variants that have either fixed flows (formulated at the upper level) or recourse flows (at the lower level) according to different applications. We transform each probabilistic model into a mixed-integer program, and derive polynomial-time algorithms for special cases with single-row chance constraints. The paper formulates benchmark stochastic programming models by either enforcing to meet all demand or penalizing unmet demand via a linear penalty function. We compare different models and approaches by testing randomly generated network instances and an instance built on the Sioux–Falls network. Numerical results demonstrate the computational efficacy of the solution approaches and derive managerial insights.