期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
时变路网下机场接驳车辆-用户共享路径优化 被引量:1
1
作者 欧阳瑞祥 周和平 +1 位作者 刘静波 郭权 《交通科学与工程》 2020年第3期88-93,共6页
采用时空集聚网络表征动态交通路网,运用离散时间阻抗值构建时变路网。基于机场接驳预排班,考虑原有预定用户需求、航班时间、车辆绕行时间及资源限制等约束,建立了时变路网的共享式机场接驳车辆-用户选择模型。根据约束规划和分枝定界... 采用时空集聚网络表征动态交通路网,运用离散时间阻抗值构建时变路网。基于机场接驳预排班,考虑原有预定用户需求、航班时间、车辆绕行时间及资源限制等约束,建立了时变路网的共享式机场接驳车辆-用户选择模型。根据约束规划和分枝定界算法,设计了其求解算法,对实时新增用户需求进行快速判断,实现机场接驳运输系统中有限资源的共享,提高了接驳效率。计算结果表明:该模型和算法能处理机场接驳需求响应系统中实时新增用户需求的动态车辆路径优化,具有合理性与有效性。 展开更多
关键词 时变路网 共享式 机场接驳 实时用户需求 车辆-用户选择模型
下载PDF
高压氢环境奥氏体不锈钢焊件氢脆研究进展 被引量:10
2
作者 周池楼 何默涵 +6 位作者 郭晋 李运泉 吴昊 肖舒 陈国华 欧阳瑞祥 何实 《化工进展》 EI CAS CSCD 北大核心 2022年第2期519-536,共18页
奥氏体不锈钢焊件是高压氢系统中重要的承载结构,其长期服役在高压高纯氢气环境中会出现塑性损减、疲劳裂纹扩展速率加快等氢脆现象,导致高压氢系统存在安全隐患。因此,为保障高压氢系统的安全运行,研究高压氢环境奥氏体不锈钢焊件的氢... 奥氏体不锈钢焊件是高压氢系统中重要的承载结构,其长期服役在高压高纯氢气环境中会出现塑性损减、疲劳裂纹扩展速率加快等氢脆现象,导致高压氢系统存在安全隐患。因此,为保障高压氢系统的安全运行,研究高压氢环境奥氏体不锈钢焊件的氢脆具有重要意义。本文首先介绍奥氏体不锈钢焊件中氢的两种来源,随后讨论评价材料氢脆敏感性的静态实验方法和动态实验方法,其次概述当前主流的氢脆机理,然后着重分析内部因素及外部因素对奥氏体不锈钢焊件氢脆敏感性的影响,最后归纳并总结五种典型的奥氏体不锈钢焊接工艺对焊件微观组织的影响,并进一步探讨相应焊件的氢脆敏感性。基于上述分析,针对奥氏体不锈钢焊件氢脆性能研究现状及发展趋势提出了若干建议。 展开更多
关键词 奥氏体不锈钢 焊接 氢脆 扩散 安全
下载PDF
动态信息下的机场定制巴士路径优化 被引量:2
3
作者 郭权 周和平 +1 位作者 欧阳瑞祥 刘勇杰 《交通科学与工程》 2021年第2期85-90,共6页
为解决因航班延误而造成旅客候机时间较长问题,考虑现实路网中阻抗不确定性和机场接驳定制化及差异化出行需求,以运营收益最大、车辆出行成本最小和车辆提前到达的时间窗惩罚成本最小为目标函数,建立了动态信息下机场定制巴士路径优化模... 为解决因航班延误而造成旅客候机时间较长问题,考虑现实路网中阻抗不确定性和机场接驳定制化及差异化出行需求,以运营收益最大、车辆出行成本最小和车辆提前到达的时间窗惩罚成本最小为目标函数,建立了动态信息下机场定制巴士路径优化模型,并采用差分进化算法对其进行求解。为避免算法早熟,提出了改进的自适应操作方法,增强算法的全局寻优能力。通过算例计算表明:考虑航班延误和路网实时订单的动态路径优化模型,可以减少旅客26.61%~46.68%的候机时间,该模型具有较强的可靠性和应用价值。 展开更多
关键词 区间路网阻抗 机场接驳路径优化 动态信息 定制性 差分进化算法
下载PDF
基于ARIMA-LSTM的货运量组合预测方法研究 被引量:4
4
作者 杨艳 黄晴 +2 位作者 龙思 潘自翔 欧阳瑞祥 《交通科学与工程》 2022年第2期102-108,共7页
针对仅考虑单一线性或非线性的货运量预测方法的不足,基于ARIMA和LSTM循环神经网络预测模型,提出ARIMA-LSTM 4种组合预测模型,实现综合考虑线性与非线性特征的货运量预测。研究结果表明:任意一种ARIMA-LSTM的组合模型的货运量预测精度... 针对仅考虑单一线性或非线性的货运量预测方法的不足,基于ARIMA和LSTM循环神经网络预测模型,提出ARIMA-LSTM 4种组合预测模型,实现综合考虑线性与非线性特征的货运量预测。研究结果表明:任意一种ARIMA-LSTM的组合模型的货运量预测精度均优于单一模型的,由误差倒数确定权重系数的并联组合模型预测精度最优,该模型相比于ARIMA,均方根误差降低40.66%,平均绝对误差降低29.76%,平均绝对百分比误差降低51.45%;相比于LSTM,均方根误差降低13.67%,平均绝对误差降低10.75%,平均绝对百分比误差降低36.32%,该研究可为货运量预测提供有效依据。 展开更多
关键词 货运量预测 ARIMA LSTM循环神经网络 组合预测模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部