机械臂K因子影响因数的研究和扩展寿命计算

基于应力强度因子知识,借助Workbench软件采用子模型技术和奇异单元研究搬运机械臂的断裂强度问题。在搬运机械臂基座关节相贯线处建立椭圆形表面裂纹有限元模型,开展抓取载荷、裂纹相对尺寸对应力强度因子影响的研究并进行裂纹扩展寿命计算。分析结果表明:KⅠ、KⅢ随着抓取载荷的增加而增加,而KⅡ随着抓取载荷的增加而减小;随着裂纹短半轴和长半轴的增加,Ⅰ型、Ⅲ型应力强度因子先增大后减小且相应的应力强度因子逐渐增大,Ⅱ型应力强度因子先减小后增大;裂纹两端与中间段的裂纹扩展速率不同,呈现两端快、中间慢的特点且裂纹长半轴尺寸比短半轴尺寸对裂纹扩展速率的影响更敏感,机械臂的剩余寿命富余。

多因素协同的大型活动场馆周边路段速度预测

大型活动会引起举办场馆周边区域路网出现交通流短时骤增与消散,导致周边区域路网交通运行呈现偶发性与不确定性波动,而现有预测方法通常难以捕捉特殊事件下交通流受多维因素复杂影响及其演变机理。为充分挖掘路段速度的时间序列和影响因素特征,揭示速度预测中不同影响特征间的耦合作用机理,提出了一种结合可解释机器学习与长短时记忆网络的速度预测模型(MC-LSTM)。结合大型活动的特点构建影响因素集,采用XGBoost算法评价活动规模、性质等因素特征对场馆周边路段速度的影响相对重要度,量化多元因素对场馆周边路网运行状态的协同效用,融合LSTM网络,考虑交通状态的时间依赖关系,捕获不同历史时期的时间相关性,实现对活动期间场馆周边路段速度的精确预测。以北京市连续6个月的大型活动期间周边路网为例进行模型验证,结果表明:所构建的MC-LSTM模型的预测精度可达94.5%以上,优于考虑多因素协同的XGBoost模型、只考虑单因素特征的LSTM模型及未考虑外部特征的LSTM模型,证明该研究所提出的模型有效性与稳定性更优,可为大型活动场馆周边路网交通组织优化和制定针对性交通管控与保障措施提供定量化的决策依据。

考虑场景差异性的混合车型公交调度优化方法

纯电动公交因其低碳和节能环保的特性,已成为车辆电动化转型的必然选择,但纯电动公交车在实际运营中仍面临低温条件下性能下降和电池老化导致续航里程降低等挑战。考虑在运营中混合使用燃油车和电动车,以弥补纯电动公交车在特定场景下的性能下降,提升公交运营效率和服务质量。本文考虑公交动态运行特征建立公交时刻表分段优化模型,以优化后的车次为输入,构建混合车型运营条件下的公交行车计划编制优化模型,并设计改进的遗传算法实现模型求解。最后,以北京市公交线路为例,选取单线路运营、异地充电及区域集中调度等不同典型运营场景开展案例研究,验证优化模型在差异化运营场景条件下的适用性和优化效果。结果表明,对比本地充电场景,异地充电场景下的运营成本增加5.15%,运营车辆数量增加5.88%;在多线路联合编制行车计划的区域集中调度场景下,运营成本较单线路运营场景降低4.68%;在给定的车型比例阈值下,使用混合车型运营效果优于使用单一车型运营,有效降低运营成本和碳排放。本文研究为公共交通企业结合不同运营场景,制定科学灵活的电动公交运营调度方案提供了重要支撑。

基于就医活动推断的老年人公交就医可达性研究

为准确评估老年人公交就医出行的实际可达性,本文基于老年卡数据构建公交出行链,提出基于公交出行链的老年人就医活动推断方法,获取老年人的实际就医出行需求和出行时间。引入公交实时到站数据以反映公交实际运营水平对就医可达性的影响,构建面向出行全过程的实际出行成本矩阵,包括等候时间、乘车时间、换乘时间。考虑不同医院服务供给能力差异构建综合服务能力指标,引入分级服务半径和高斯距离衰减函数,提出基于改进两步移动搜索法的老年人公交就医可达性计算方法。以北京市六环内区域为例进行实证分析,结果表明:老年人公交就医可达性整体呈现由中心向外围递减的趋势,在城市外围区域其分布也存在空间异质性,五环路外的东部和西部区域可达性较好,而北部、东北部区域的可达性相对较差;各区域高峰时段的平均可达性均明显低于平峰时段的平均可达性。本文可为提升老年人就医出行可达性和公交系统适老化水平提供支撑。

考虑心理偏好的枢纽抵站旅客接续出行方式选择模型

为掌握枢纽抵站旅客的出行方式选择特征,解决接续运输运力配置协同优化与效率提升问题,基于高铁枢纽接续出行问卷调查数据,引入上次接续属性、接续方式主观重要度、枢纽服务满意度、接续出行选择倾向特征等潜在变量因素,构建考虑心理倾向的结构方程模型(Structural Equation Model,SEM)和抵站旅客接续出行方式选择多项Logit(Multinomial Logit,MNL)模型相融合的SEM-MNL模型,定量计算枢纽抵站旅客接续出行分方式选择效用函数,预测不同时段旅客接续出行方式选择概率,并对比分析SEM-MNL模型与MNL模型命中率.研究结果表明:引入心理倾向潜在变量后,模型的整体命中率提升了4.6%;对枢纽环境服务满意度越高、接续方式服务重视程度越高、上次出行的时间和距离更短且使用公共交通的出行者,更倾向于选择公共交通方式.通过方式选择模型预测分方式的接续出行需求,开展对外客运枢纽接续运输保障和多模式运力的协调调度,对于实现枢纽接续客流与运力资源的供需平衡,继而提升接续服务质量具有重要意义.

基于可解释机器学习的大型活动场馆周边路网运行状态影响研究

举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆,场馆周边路网与常态交通具有差异化特征.为探究大型活动对场馆周边路网运行状态的影响机理,解析活动规模、路段与活动场馆的空间距离等因素的影响特征,构建融合XGBoost算法与部分依赖图的可解释机器学习模型,以捕捉不同因素的非线性效应与协同影响.以北京市为例开展了实证研究,单因素的异质性影响表明:路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大,其相对重要度分别达到27.1%和25.4%,距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征,在活动开始前30~60 min,以及活动结束后30 min内,场馆周边3 km以内的路段将受到显著影响.二维因素的协同影响表明:当活动规模大于3万人时,节假日和不利天气对场馆周边路网运行状态呈负面影响,而在降雨和雾霾天气下,场馆周边路网运行状态受时空影响较大,影响范围为活动开始前60 min与结束后40 min内距离活动场馆2.5 km内的路段.相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据.

考虑车速调控和乘车引导的公交运行优化控制策略

通过有效的精准控制策略提升公交车辆的到站间隔匀整度和运行服务可靠性是改善公交服务质量,提升公交乘客出行满意度的重要途径。首先,本文考虑站点乘客上车需求波动构建公交运行模型;其次,提出基于时间偏差反馈机制的公交区间行驶速度调控策略和基于乘车选择行为模型的公交站点乘客信息引导策略;最后,以最小化乘客出行成本和车头时距偏差为目标,构建融合车速调控和乘车引导的公交运行组合优化控制策略,并设计了求解方法。以北京公交57路为例,设计4种情形的数值仿真对比实验。仿真结果表明,组合控制策略的优化效果最佳,相比于无控制策略,公交运行稳定性提升了47.70%,避免了线路的串车发生,考虑出行时间与拥挤程度的综合成本减少了18.71%。本文还比较了不同乘客收入水平和乘客引导信息服从率下策略的优化效果。结果表明,随着收入水平的提升,信息引导策略对总出行成本降低效果减弱,当乘客引导信息服从率为0.7时,组合控制策略对公交运行和乘客出行的改善效果最显著。本文可以为提升公交运行可靠性和服务质量提供重要支撑。

基于超参数优化WOA-Bi-LSTM模型的客运枢纽抵站客流预测方法

实现城市对外客运枢纽抵站客流的精准预测,是增强枢纽接续运输运力调度科学性的重要前提。为提高枢纽抵站客流的预测精度,研究了基于超参数优化的鲸鱼算法与双向长短期记忆神经网络模型(whale optimization algorithm and bi-directional long short-term memory,WOA-Bi-LSTM)组合的客流预测方法。融合历史抵站客流数据及天气、日期、时段等多源信息,分析抵站客流的时变特性,并开展不同影响因素与枢纽抵站客流量间的相关性分析。改进了传统双向长短期记忆神经网络模型(bi-directional long short-term memory,Bi-LSTM)的参数设置方法,用鲸鱼算法(whale optimization algorithm,WOA)代替手动调参,选取学习效率(η)与隐藏神经元个数(H)2个对模型预测精度具有较大影响的超参数进行最优超参数组合搜寻,通过计算其适应度函数进行循环逻辑判断,实现参数自适应优化。通过不断寻优,获取最优参数组合值,确定设置η为0.0603、H为120,并输出预测结果和3个模型精度评价指标(R^(2)判定系数,平均绝对误差与均方根误差);同时构建了3种不同超参数优化算法改进的Bi-LSTM组合模型、2种基于WOA算法改进的其他组合模型,以及2种未改进的神经网络模型与WOA-Bi-LSTM模型使用相同的抵站客流数据集进行多维度对比,验证所建模型的优越性与鲁棒性。结果表明:WOA-Bi-LSTM模型在节假日、工作日与非工作日等不同枢纽抵站客流预测场景下均体现出良好的适用性,与其他模型相比,R2相关系数最大,达到0.9514,表示所建模型的拟合效果最好;平均绝对误差与均方根误差最小,分别为762.96与556.25,误差相较于其他模型至少减少5.6%和3.2%。

接驳轨道交通的公交线路接驳效用影响模型

文中利用公共交通多源数据提取了乘客出行全过程出行链,引入数据包络分析方法提出了基于多维度指标的接驳轨道交通的公交线路接驳效用的定量化评价方法,并从建成环境、交通条件、客流条件等方面建立了外部影响因素集,提出了基于托宾(Tobit)回归模型的公交线路接驳效用影响模型,选取北京市天通苑区域的公交线路为例进行实证分析.结果表明:公交线路拥堵里程占比、途径信号交叉口数量和沿线客流强度等因素对接驳轨道交通公交线路接驳效用产生较为显著的影响.

考虑不同群体特征的通勤者出行选择行为影响研究

为细化探究不同通勤群体的出行选择行为影响机理,利用RP和SP调查方法获取通勤者出行信息并分析不同群体出行时空分布特征,从主客观维度选取个体属性、出行属性和公交使用意愿等出行方式选择影响变量,面向全体通勤人群和低频公共交通通勤人群利用结构方程模型实现出行选择行为影响关系的解析。研究结果表明:不同通勤人群的个体属性与出行属性因素均对其出行选择行为具有显著影响作用,且全体通勤人群的个体属性与出行属性因素间具有相关联关系0.12;低频公共交通通勤人群较全体通勤人群的出行属性因素对出行选择行为具有更大的负向影响作用-0.79;职业和月收入、性别,以及出行距离和性别分别为全体、低频公共交通通勤人群出行选择行为影响最大、最小的观测变量。

基于通勤出行链的公共交通使用行为辨识研究

基于出行行为视角深入分析公共交通出行者的行为模式及特征对靶向改善公共交通服务水平具有重要意义.研究通过RP调查获取出行者个体特征信息,并在分析海量智能卡交易数据的基础上,结合关联匹配方法提取公共交通通勤出行链;基于探索性因子分析筛选出行天数、日均出行频次和出行完整度以及个体社会经济属性等9个指标刻画乘客公共交通使用行为;在对连续性变量离散化的基础上,利用DBSCAN算法构建乘客公共交通使用行为辨识模型.结果表明:构建的聚类算法可有效识别公共交通使用行为类别;调查群体被划分为公共交通高、中、低3类使用度群组,占比分别为54.2%、33.7%和12.1%,并将第3类人群视为公共交通使用行为改善潜力最大群体,未来应结合交通限制政策与服务水平2个维度改善此类公共交通乘客的使用行为.

基于关联规则的居民公共交通依赖性致因分析

鉴别不同出行者对公共交通的依赖程度,并分析其形成的致因差异,有助于从规划设计、政策制定等维度针对性地改善公共交通服务质量。设计并实施了居民出行的行为调查(revealed preference,RP)线上问卷,在数据质量检验的基础上引入关联匹配技术,通过融合出行调查数据与公共交通出行交易数据实现了个体公共交通出行链提取。提出了公共交通依赖性度量指标与关键致因指标,构建了AGNES-Apriori模型开展公共交通依赖性分级与不同层级群体强关联规则挖掘,并据此提出了公共交通依赖性层级提升的“两阶段”框架及出行激励策略集。结果表明:①居民公共交通依赖性可被划分为低、较低、较高和高依赖性4个层级,不同层级对应的强关联规则间具有显著差异性;②关联规则包含的指标数量与3个参数值呈负相关关系,高依赖性强关联规则出现的概率为低依赖性的2.1倍;③家和目的地到站点总距离、收入、小汽车可用性等客观条件是影响居民公共交通依赖性的关键致因,而公共交通出行低自由度是导致居民公共交通依赖性降低的重要原因;④较低的客观条件指标值通常促使居民形成较高的公共交通依赖性;⑤小汽车低可用性变量主要出现在公共交通低、高依赖性群体对应的强关联规则中,而高依赖性群体随其小汽车可用性增强可能出现公共交通依赖性降低的趋势。

基于个体出行数据的公共交通出行链提取方法

公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础.

基于浮动车数据的行程速度估计算法及优化

依托重点实验室构建的浮动车采集处理实验系统,从行程速度的交通工程学定义出发,利用实时上传的浮动车数据,构建了以浮动车的驻留时间和路段长度为基础的行程速度估计算法．通过对比现场跟车实验测得的行程速度与算法计算结果,验证了该算法的行程速度结果精度达到90％以上,从而为交通信息服务系统提供了简单、准确的区间速度计算方法．最后,对算法进行了优化,有效地提高了算法效率,为满足大规模应用奠定了基础．

基于非参数回归的快速路行程速度短期预测算法

基于北京市快速路上的检测器所采集的历史数据,经过数据筛选,剔除判别,小波滤噪平稳处理,聚类分析等过程,建立了交通状态演变系列的历史样本数据库。基于所构建的历史数据库,通过数值试验,确定了状态向量、距离匹配原则,K近邻值等参量,构建了一种基于K近邻的非参数回归短时交通预测模型,实现了对路段行程速度的短时预测。最后,利用随机选取的历史数据系列对预测模型的精度进行了检验。结果表明,预测算法的精度可以达到90%以上,可以很好地满足ITS应用系统对于交通预测数据的精度要求。

面向公交服务评价的公交出行指数与分析模型

从城市公共交通服务评价和出行者信息服务需求入手,通过多类别用户的指标筛选和优化流程,构建了涵盖公交出行便利性、快捷性、可靠性和舒适性4个维度的三级服务评价指标体系。并提出了基于公交站点N分钟覆盖率、平均运送速度、站点区间行程时间波动程度和断面满载率的公交出行指数分析模型。利用公交运行监测多源数据和基础参数,建立了城市公交便利指数、快捷指数、可靠指数和舒适指数的分析模型。以北京市公交GPS数据、IC卡数据为基础,验证了模型在服务评价、日常监测和运营管理等方面的适用性,分析结果表明:模型能为公交服务质量评价提供有效工具。

基于ETC电子收费数据的信息提取技术研究

电子不停车收费系统是智能交通应用系统中取得较大发展的子系统.系统能实时记录车辆的进、出口收费站的时间、地点等数据.本文以电子不停车收费的交易数据为基础,通过对原始交易数据的分析,确定了数据的处理流程,在此基础上,提出了路段行程速度计算模型,交通流量分布规律分析方法和高速公路站点OD分布、车型比例分布等指标获取方法.研究以北京市高速公路电子收费数据为例,进行了案例分析.结果表明,本研究中提出的数据处理和提取技术能较为准确地获取高速公路运营管理中所需的信息,这些信息为高速公路出行者信息服务、高速公路交通运营和规划等提供有效的信息支撑.

浮动车数据在城市宏观交通特性研究中的应用

回顾和总结了国内外浮动车数据在交通信息服务和路网评价方面的研究及应用现状,提出浮动车数据的三阶段应用.重点阐述了面向城市宏观交通运行规律分析的第三阶段应用,提出基于历史交通流状态数据的数据分析流程,并以北京市浮动车系统采集的数据分析结果为例,分析了北京市路网运行速度的时空分布特性以及不同等级道路的里程利用情况.

基于浮动车数据的出租车运营管理研究

以浮动车的交通数据采集系统为基础,以出租车作为浮动车,采集数据包含了出租车运营的事件信息和状态信息,通过大量样本数据的分析和预处理,完善了面向出租车运营管理应用的广域浮动车数据处理方法体系,提出了基于浮动车数据的出租车运营管理指标计算模型.以北京为例,针对每日运营里程、每日运营时间、里程利用率、时间利用率、车辆时空分布等指标进行了分析,获取了北京市出租车运营状况的重要参数.这些数据为出租汽车调度站的设置、运力配置及调度方案的制定以及行业管理提供重要的决策支持.

基于梯度推进决策树的日维度交通指数预测模型

城市交通运行监测和预测是掌握交通运行变化特点,制定缓解交通拥堵策略的重要工作,其结果能为公众提供有效的路况信息,亦为政策措施的制定和效果评估提供重要支撑.有别于传统的短时交通预测,本文提出的预测模型不是针对相邻时段的运行状态预测,而是更长跨度上,针对日级别高峰时段交通运行状态的预测.构建了包含时间周期、特殊天气、节假日、限行、大型活动等因素的多维度影响因素集;以长期历史交通指数构建数据训练集,提出了基于梯度推进决策树的日维度路网状况预测模型.应用最优模型进行验证,结果表明,模型预测精度可达90%以上,与其他4种回归模型的对比分析也显示,本文所提出的模型在各项评分中均表现最优,说明其更适合于大样本、多因素的回归分析.本文所提出的日维度预测模型对提升城市路网运行质量、缓解交通拥堵具有重要的应用价值.