高速公路平纵曲线组合路段交通风险评估方法

高速公路平纵曲线组合路段常出现单一平曲线和竖曲线要素满足规范，但二者相结合后存在安全隐患的情况。为评估这类组合路段的交通风险、提升组合路段安全性，综合运用可拓云理论与理想点法，提出了基于可拓云模型的交通风险评估方法。基于已有事故数据和文献，从驾驶员、道路、交通环境以及其他因素的角度出发，构建了包含15个指标的交通风险评估指标体系，并将每个指标划分为5个风险等级；利用层次分析法和熵权法确定各评估指标主、客观权重后，再通过理想点法确定各评估指标组合权重；参照公路路线设计规范及相关文献，考虑定性指标的边界模糊性划分各评估指标的风险等级，并按照等比原则实现定性指标的定量化描述；构造可拓云模型云隶属度矩阵，计算综合评判向量，最后根据最大隶属度原则确定路段风险等级。以云南省3段高速公路路段作为分析案例，利用基于可拓云模型的交通风险评估方法计算了各路段风险等级，并识别了各路段的危险性指标。结果表明:该方法与传统基于模糊综合评价法相比，评估结果相同，但信息更丰富，其综合评判模糊等级特征值的期望E_xr反映了路段的安全程度；Y路段的E_xr高于C路段，表明Y路段比C路段更安全；3段路段的评估结果的置信度因子θ均小于0.05，表明结果可信度较高，验证了该方法在交通风险评估过程中的适用性。      

新能源和油-电混合动力动车组走向市场

燃料电池动车组即将在德国亮相,这激起了人们对以氢为燃料的"零排放"牵引方式的兴趣,油-电混合动力模式的推广应用,为用户提供了一系列替代传统内燃和电力牵引的选择方案。     

新型DC 600 V列车供电系统输出电压振荡解决方案

新一代复兴号动力集中动车组列车供电柜,首次采用二电平PWM整流器输出DC 600 V为客车供电。由于负载前端串联EMI滤波器,在负载投入时供电柜的滤波电感和EMI电容发生振荡,引起输出电压振荡。文章为抑制输出电压振荡,对输出端并联RC吸收电路和滤波电感并联RC两种方案分别进行讨论和验证,通过对主电路结构分析,认为滤波电感并联吸收电阻方案为最优。最后通过仿真和试验验证所提方案的可行性和有效性。     

2020年,行业新突破

2020年,轨道交通行业在全自动驾驶、智能化建设、城轨互联互通、5G、装备制造技术创新等领域取得了多项突破。时速350公里高速货运动车组下线经过3年多努力,我国成功研制出时速350公里高速货运动车组,2020年12月23日在河北唐山正式下线。这标志着我国高铁货运技术实现重大突破,填补国内高速货运动车组技术和产品空白,建立高速货运动车组的技术标准体系,为货物运输提供经济、快速的运输新渠道。     

基于多目标算法的高速动车组车钩连接板加工参数优化

文章针对高速动车组车钩连接板的加工,以最小化加工时间和最大化刀具寿命为目标建立多目标优化数学模型,然后借助MATLAB遗传算法工具箱对车钩连接板加工参数进行求解。获得Pareto解集后,选取符合车间生产实际的加工参数编程验证,并与传统POCKET4加工时间与质量进行对比,以验证该方法的优越性。     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。