基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

主起落架作用下的机场土面区承载力分析

为研究机场土面区在主起落架作用下的承载力,根据规范制备以黏性土为主的填料.使用便携式落锤弯沉仪经实验得出填料在不同密实度下与动态弹性模量之间的关系,根据函数曲线关系及相关研究结果,建模计算当填料处于3种不同密实度时,B737-800飞机在滑行和着陆两个阶段冲出跑道时的作用结果.计算表明:随着填料密实度值的增加,土面区的承载力也在增加;当密实度不足87％ 时,填料在荷载作用下易出现剪切破坏,导致主起落架陷入土面区;当密实度达到87％ 时,荷载作用产生的竖向变形最小,承载能力最大,土面区可承担主起落架作用.     

基于PSIM的磁力轴承用功率放大器仿真研究

本文阐述磁力轴承用PWM功率放大器的实现原理,推导传递函数,理论上分析了功放电流纹波特性并推导电流纹波的数学表达式,建立了基于PSIM的功放仿真模型,依据奈奎斯特稳定判据对PI参数进行设计并进行验证,在软件中对功放的纹波特性进行仿真,并与理论分析进行对比.仿真表明在相同母线电压下,三电平功放比两电平功放纹波小很多.     

城市公交线网差异化计程票价多目标优化

为获取更加接近实际城市公交线网的票价策略，将出行者的社会互动行为与后悔心理引入广义费用，提出线路客流OD矩阵均衡算法；分别以交通管理部门利润最大化及出行者效用最大化为目标，以公交计程票价、发车频率、私家车停车费为变量，建立固定需求下公交线网差异化计程票价多目标优化模型.引入集群智能多目标优化算法求解，并应用于Mandl 标准公交线网.研究发现：以线路里程为标准，差异化计程票制可以有效降低出行成本；依据帕累托最优解调节票价，可以促进出行者选择行为向优势均衡转移.     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

基于多维网络的增开列车条件下高速铁路列车运行图调整

研究增开列车条件下高速铁路列车运行图的调整问题,并综合考虑列车车站进路的影响。通过构建Time-Station-Track三维时空扩展网络,刻画列车对铁路时空资源的占用。将原多目标优化问题转化为求解列车占用网络弧段最小费用单目标问题,并构建基于Time-Station-Track网络的0-1整数规划模型。针对模型特点,设计拉格朗日松弛算法,将问题进一步分解为求解单列车网络最短路径子问题,由于问题被松弛后求得的解可能不可行。因此,提出基于列车优先序列的启发式策略对对偶解进行可行化。最后以宝兰客运专线为例,验证模型的正确性和算法的可行性。     

多模式交通环境下上海居民职住选择行为

随着城市尺度不断扩张,由职住分离带来的长距离、长时间通勤交通问题日益严重。为研究多模式交通环境上海居民职住位置选择行为及其影响因素,基于网络问卷调查数据、上海市路网数据及房价数据,构建方式选择与目的地选择联合模型,按照选择次序,分析各出行方式的服务水平和房价等变量对居住地和工作地的选择影响。结果表明,居民倾向于选择通勤距离近、交通可达性良好、房价低和人文生活环境较好的小区工作生活,同时年长者和低收入群体对通勤距离和房价更敏感。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。