网络化运营的城市轨道交通枢纽站衔接调度研究

针对目前城市轨道交通初步网络化运营换乘时间费用较长的问题,从换乘等待时间费用最小角度出发,对城市轨道交通各线路在客流低、中及高峰时期发车时间进行优化,建立城市轨道交通枢纽站衔接调度优化模型,并设计遗传算法对该模型进行求解,通过多次仿真运算,结果分析表明该模型及算法的有效性和实用性.     

无线传感器网络节点调度技术研究

探讨了无线传感器网络的节点硬件体系结构和网络体系结构;论证了无线传感器网络节点调度的必要性和价值;从网络覆盖度及连通性等角度分析了若干较有代表性的节点调度算法.     

道路交通行政管理中的劝告式执法——从一起“轻微违法不罚”案件展开

＂劝告式执法＂作为一种与＂以人为本＂执政理念相关联的行政管理创新,具有规范层面上的合法性与合目的性。它以＂要件—劝告—效果＂关联架构成立为前提,对轻微违法行为＂经劝告后纠正、未造成危害后果＂而＂不罚＂。其应通过正当程序作出,并限制过度自由裁量,从而作为一种补充性的执法制度通过合作治理真正实现道路交通安全法的立法目的。     

有限元分析网格门户及Portlet组件研究

对有限元资源安全共享和有效集成问题,提出了基于Portlet和Globus工具包GT4的有限元分析网格门户系统框架.通过整合门户层和基于网格安全基础设施（GSI）的网格服务层安全技术,实现了门户系统层次化的安全认证机制;利用网格资源配置和管理服务（GRAM）及层次化调度技术建立了作业管理方法;采用监视和发现服务（MDS）的信息聚合及网格监视软件Ganglia的资源信息采集功能,提出了信息管理结构;分析了基于GridSphere容器的Portlet组件开发原理.有限元分析网格门户原型系统开发和应用表明：基于Portlet的系统组件具有标准化、可复用以及开发效率高的优点,门户系统具有良好的扩展性和可移植性.     

最大Lyapunov指数改进算法的网络流量预测

为了提高网路流量的预测精度,针对网络的非线性及复杂性,应用最大Lyapunov指数改进算法,利用历史数据信息,在重构相空间的基础上对网络流量进行短期预测,应用混沌理论对某高校主干流量时间序列进行分析。结合C-C算法将实际测试的流量时间序列投影到重构的相空间中,计算其最大Lyapunov指数并对最大可预测时间进行了分析。实验结果表明,最大Lyapunov指数改进算法具有良好的预测效果,较高的预测精度和更好的自适应性,该算法应用于网络流量预测是可行、有效的。     

公路视错觉减速标线参数优化

为提高道路危险路段运营安全水平,促使驾驶人主动降低车辆运行速度至安全范围,对比并优化了减速标线的形式及设计参数。依据人在动态环境下视错觉减速标线作用机理,对鱼刺形视错觉减速标线各设计参数进行分析和初选,并提出变间距减速标线相隔距离的计算方法。将不同设计参数进行组合,依据正交试验方案,利用仿真试验平台和实际道路试验,对比各种形式标线的实际减速效果。研究表明:不同设计参数的鱼刺形减速标线,其实际减速效果有很大差异,合理的参数设计方能产生良好的减速效果;与等间距标线相比,变间距减速标线的减速效果更优。     

钢铁生产中管坯加热的单机连续型批调度策略研究

连续型批处理机调度问题是从钢铁生产线提炼出来的一种新型的批调度模型,该调度模型中,批的加工时间取决于该批的大小、批中工件的最大加工时间及机器的容量。研究目标函数为最小加权总完工时间的单机连续型批调度问题,分析最优解的性质,讨论最优的批内、批间序及分批策略,给出工件权值与加工时间逆序情况下的动态规划算法。     

恶化工件具有p-s-d安装时间的非同类机排序

主要讨论了恶化工件具有p-s-d安装时间的非同类机排序问题.工件的实际加工时间与开工时间有关,安装时间是依赖于所在机器上已加工完的工件的加工时间的简单函数,即p-s-d形式.本文所考虑的问题是如何确定工件在非同类机上的加工顺序使得所有工件的总完工时间最小.在每台机器上加工的工件数确定的情况下,将该排序问题转化为一个指派...     

基于可信性测度的模糊用户平衡交通分配模型

考虑出行行为选择的模糊性以及可信性测度,同时兼顾可能性与必要性的优势,采用三角模糊数作为路段阻抗,建立了基于可信性的模糊多路径分配模型以及模糊用户平衡分配模型．以期望最短路为参照,提出了模糊有效路径的概念,给出了模糊多路径分配算法．在此基础上构建了模糊用户平衡分配的MSA算法．运用一简单算例进行了仿真试验,试验结果证明...     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.