摘要：随着新建高速铁路车站和动车运用所规模进一步扩大,部分动车所动走线高峰时段收发车能力在实际运用中难以达到设计值,存在能力不足的情况,有必要探究站所一体化下动走线高峰时段收发车能力的影响因素。研究探讨了站所一体化下闭塞分区追踪运行动走线高峰时段收发车能力计算方法,基于列车运动学,分析了动走线追踪间隔时间的影响因素。从站所一体化下动走线追踪间隔时间、动走线布置及站所高峰时段行车组织方案等方面,对动走线高峰时段收发车能力影响因素进行定性及定量研究,并设计实例进行验证。研究结果表明,压缩动走线追踪间隔时间、提升轮对踏面检测设备限速值、缩短动走线长度、增加动走线数量、合理的动走线管理运用形式和优化高峰时段车站行车组织方案都可以提高动走线高峰时段收发车能力。研究为复杂站所关系动走线设计、运用优化提供了技术支撑。

摘要：编组站工作组织是铁路货物运输关键环节,为提升编组站运营效率,加快货物周转,本研究提出了基于多智能体技术的编组站工作组织仿真模型。结合多智能体仿真技术与编组站工作组织内容,分别设计本务机车、调机、车辆和列车智能体以及其智能呼叫机制、动态进路选择与调度机制以及智能体转换功能,从环境建模和行为建模2个维度构建了编组站智能体仿真模型,实现到达解体列车、自编始发列车和无改编中转列车的作业模拟,并能有效满足编发线列车出发功能以及移动单元的动态进路选择与调度机制,使得仿真模型更贴合编组站的实际工作。最后,通过对实际的单向混合式二级三场编组站进行实例分析,不仅验证了仿真模型及动态进路选择与调度机制的有效性,而且通过实验分析了解编顺序与小运转列车占比对编组站运行效率的影响。结果表明多智能体仿真技术能有效进行编组站工作组织仿真,该仿真模型对于指导编组站工作效率的提升具有重要意义。

摘要：城轨线路车底在出入场时需在其车场与其担当车底交路始发/终到站间空驶,优化全日车底空驶出入场方案(含始发和终到车场,出入场路径和时刻表)对降低车底空驶距离和时间,节省运营成本具有重要作用.本文针对具有多车场和多折返站的城轨线路,基于广义集合划分构建大规模0-1线性规划模型,综合优化担当给定车底交路所需车底的空驶出入场方案.结合模型特点,设计行列生成算法高效求解模型.对某布置复杂且繁忙城轨线路开展实例分析,验证算法有效性和实用性.结果表明,所提出算法可在合理时间(2小时)内获得紧致下界和接近最优解(相对误差小于1%),且在求解质量和计算时间上均优于现场经验方法.

摘要：为解决随机需求下的城乡配送中心选址问题,实现物流服务的效率与公平,结合排队论构建了需求转移规则下的排队选址模型.为体现城乡客户需求特征差异,构建时间满意度函数作为服务水平的衡量指标.将客户与配送中心看作M/M/p排队系统,采用需求可转移的排队规则,运用超立方模型计算配送中心的可用概率.目标函数包括嫉妒最小、基尼系数最小及字典序最大等3类公平目标,以及覆盖需求量最大、满意度最大两类效率目标.设计禁忌搜索算法求解,通过算例对模型和算法进行验证.结果表明,P中位模型下效率最优,最小嫉妒目标下公平最优,而最大字典序目标可以兼顾公平与效率.

摘要：为改善视频监控中的背景建模方法对于前景目标物较多或者光线变化的复杂环境效果不太理想的缺陷,提出一种多级分块背景建模方法.该方法以间隔N帧帧差法为基础,采用多级分块,并结合对称二值模式(center-symmetric local binary pattern,CSLBP)和码本(codebook,CB)等算法建立背景模型.通过模型得出背景较为清晰和完整,为下一步进行前景目标的准确识别提供良好基础.采用设计实验检验该方法的有效性,将其与局部二值模式(local binary pattern,LBP)、CSLBP、CB以及经典的混合高斯背景建模(mixture of Gaussian,MOG)等算法进行对比分析,得出采用此方法提取的前景目标物更加完整,边界更加清晰,且无明显分块图形出现.采用评分的方法对几种方法进行综合评分,该方法评分较高.在对前景目标物的提取方法中,该方法效果较好.

摘要：干线公路管理站的合理选址对提高公路灾害的反应速度,以及救援物资的运输效率具有重要的意义.在充分考虑干线公路管理站的功能和本质属性的基础上,借助合理的模型假设,建立了以公路管理站与物资需求地点总加权距离最小为上层目标,以物资运输车队运行时间最短为下层目标的双层规划模型.针对该双层规划模型,基于线性拉伸方法改进后的遗传算法设计了求解步骤.以某区域内干线公路为例,根据养护及应急历史数据选取了14个物资需求点、8个公路管理站候选点,通过MATLAB编程最终计算得出公路管理站的选址方案,验证该模型与算法的可行性.

摘要：将铁路物流中心集配货路径问题抽象为行驶时间和服务时间随机的集送货一体的分批配送车辆路径问题进行优化.根据问题特点建立带修正的随机规划模型,对迭代局部搜索算法进行改进,设计允许分批配送的初始解构造算法、局部搜索算法和扰动机制.算例测试证实:分批配送在中等规模和大规模算例中能发挥较好的作用,大部分中等规模和大规模算例都比不允许分批配送时所得到的解更优,部分中等规模和大规模算例车辆数有所减少;配送点数随着算例规模的扩大而增加,但是配送点数占顾客点数的比例却逐步降低;随机因素随机性增加将导致目标函数增大,对分批配送点数的影响不大.

摘要：在"互联网+交通"的背景下,为了更好地模拟机非混行道路上的路阻变化情况,提出了一种新的模糊神经网络自组织测算模型。首先,在非线性回归模型的基础上,对单幅路面上的混合交通流数据进行样本预处理。然后,设计一种自组织聚类算法,自动地确定模糊神经网络的结构和参数初值,再通过监督学习优化模型参数,得到满足精度要求的道路阻抗仿真值。最后,以成都市太升南路作为实际算例,验证模型的有效性。仿真结果表明:该模型可涵盖样本空间72.62%的数据,并有效抑制了非线性回归模型因样本信息冗余或缺失所导致的多重共线性;与既有的道路阻抗测算方法相比,模型在均方根误差和平均百分误差性能评价指标上分别降低了33.25%和37.58%,拟合度更高,并较好地反映了单幅路面上道路阻抗变化的波动性与随机性,与实际相符。

摘要：为实现公交换乘协同排班,减少乘客出行换乘时间,本文对公交信息系统的IC卡数据及车辆GPS数据进行数据挖掘,提取换乘信息并对现有的发车排班进行优化.首先,构建了公交运行状态信息提取模型,提取现有的公交运行状态信息.在此基础上,设计了邻域搜索的公交时刻排班优化算法,得到最佳发车排班时刻表.为验证所提出方法的有效性,选取了成都市的56路和3路公交线路的实际数据进行案例验证.结果表明:通过优化排班的方法,在不改变现有的公交供需条件的前提下,可以有效实现协同换乘;与原有的公交服务相比,优化之后的公交服务能够更加贴近出行需求,提升线路之间的换乘衔接效率,从而提高公交服务质量.

摘要：为了对驾驶员脑力负荷予以有效识别,基于脑电信号指标构建了一种驾驶员脑力负荷识别方法.对驾驶员脑电信号进行快速傅里叶变换（FFT）,选取θ（4~8 Hz）,α（8~13 Hz）,β（13~30 Hz）3个频段的频谱幅值分别进行熵处理,对所得到的熵值作为脑力负荷识别参数,并对识别参数进行Kruskal-Wallis检验,选取差异最为显著的10项参数作为脑力负荷特征指标,在此基础上结合BP模型构建了驾驶员脑力负荷识别模型.基于驾驶模拟器实验数据,模型识别正确率为87.8%~90.4%.结果表明,该模型对驾驶员脑力负荷识别具有较高准确性,可实现不同驾驶员脑力负荷的有效识别,为未来自动辅助驾驶系统构建及车载信息系统优化设计提供算法依据.