基于Anylogic的城市轨道交通客流仿真优化

轨道交通作为城市居民日常出行的主要交通方式之一,其车站的运营效率和服务水平对整个轨道交通线路网的顺畅运营起重要作用。针对我国地铁现存的问题,以轨道交通站点中的换乘站为研究对象,从乘客进站流畅性、优化方案的时效性、站内设施利用率3个方面对车站进行研究。利用Anylogic仿真软件建立济南地铁八涧堡换乘站的仿真模型,通过导入真实人流数据进行仿真模拟,针对各个瓶颈问题从站内设施布局和客流组织两方面提出科学合理的优化方案,并利用仿真实验对换乘方案进行检验。结果表明,通过研究站内人员、乘客、配套设施的集散状况,本文优化方案提高了车站面积和站内设施的利用率,消除了站内客流瓶颈,可有效缓解站内拥堵现象的产生并提高流线的流畅性,能为其他城市轨道交通换乘站优化提供决策性的支持。     

基于事件触发观测器的不对中故障检测

目的 研究利用离散时间观测器模型来检测转子系统的早期不对中故障,提出一种基于新型事件触发区间观测器的转子早期不对中故障检测方法。方法 由区间观测器生成残差区间,过程中引入更符合实际的l₁/H_∞性能指标并转化为线性矩阵不等式约束条件下的凸优化问题;利用转子不对中实验平台进行实验,验证所提故障检测方法的有效性。结果 新型事件触发区间观测器具有最优的未知干扰鲁棒性和早期不对中故障敏感度;分析实验振动数据表明,引入事件触发策略后数据量减少一半。结论 笔者提出的事件触发区间观测器故障检测方法有更广泛的应用范围,引入事件触发机制,在保证检测效果的前提下,缓解了通信网络的压力。     

基于改进型贝叶斯组合模型的短时交通流量预测

针对短时交通流量预测的难题,在传统贝叶斯组合模型进行改善的基础上,提出一种改进型贝叶斯组合模型.该模型只根据各基本预测模型当前时刻之前几个交通流量的预测表现,通过提出的分配算法实时更新组合模型中各个基本预测模型的权重,从而改善了传统贝叶斯组合模型权重计算迭代步长过长的缺陷,提高了贝叶斯组合模型对各个基本预测模型预测精度的灵敏性.通过对实地的交通流量的预测发现,基于改进型贝叶斯组合模型的预测精度不仅优于单一的预测方法,而且也优于传统的贝叶斯组合模型,从而证明了改进型贝叶斯组合模型有效提高预测的可靠性和具有一定的实用性.     

基于工况识别的插电式混合动力公交车控制策略

为了充分挖掘插电式混合动力公交车(PHEB)的节油潜力、增强车辆对不同行驶工况的适应性,在规则类控制策略的基础上增加工况识别模块,由过去一段时间内的平均车速、平均绝对加速度、怠速时间比三个特征参数作为输入,对当前工况进行模糊识别;建立自动优化平台,用模拟退火算法对关键参数进行优化,根据当前工况类型选取最优控制参数。仿真及实验结果表明,有工况识别的自适应控制策略较无工况识别控制策略增强了路况适应性,燃油经济性提高7%以上。     

基于SSA-LSTM组合模型的城市轨道交通短时客流预测

随着我国经济的快速增长及城市化水平的不断提高，轨道交通在居民出行中发挥着越来越重要的作用。作为影响城市轨道交通运营效益和服务水平的关键因素，客流精准预测受到运营管理者和研究者的日益重视。为提高城市轨道交通客流预测精度，提出了基于麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的SSA-LSTM组合模型。本文以杭州地铁一号线客流量数据为例，在选取轨道交通客流相关影响因素的基础上，利用建立的SSA-LSTM模型对相关站点进行短时客流预测，并与LSTM模型、遗传算法(GA)优化的LSTM模型(GA-LSTM)以及粒子群算法(PSO)优化的LSTM模型(PSO-LSTM)预测结果进行对比分析。结果表明，相比于前述参照模型，SSA-LSTM模型的预测精度分别提升了19.1%、9.7%和2.4%,并在均方根误差指标方面有更优异的表现。SSA-LSTM组合模型在城市轨道交通客流预测中具有一定的应用价值，具有协助运营管理者提高城市轨道交通运营管理效益和提高服务水平的潜力。