基于权重调整的公交网络效率研究

公交网络效率的高低关系着城市客运工作能否通畅有序运行.任意站点间的客运效率与整个公交网络的客运效率是局部与整体的关系,如何以最合理的局部效率改善达到提升整个公交网络效率的目的,是当前一项重要的研究课题.公交站点网络是无标度网络,网络边上的权重可表征站点之间的通行时间,调整边权重成为改善公交网络效率的途径之一.本文从宏观网络的角度,基于权重维度,研究权重在无标度网络中的不同分布对网络效率的影响.通过对权重在无标疫网络中作用的验证,为公交网络的优化提供新的指导方法.     

关于汽车仪表板的应知问题

汽车驾驶新手一般只认识汽车的外形,对于汽车内部都是没什么了解的。学习汽车驾驶的人只想学会开车,其他的一般都很少考虑了。但是在真正的驾驶过程中,汽车仪表的认知、汽车灯系的使用、雨刮器的使用等许多辅助设施的应用就会变成应知应会问题。现在我们来了解一下汽车仪表板的问题。     

基于前景值和乘客最优理论的居民公交出行选择模型

为研究城市内居民的出行目的与公共交通工具选择的关系,运用前景理论和乘客最优理论建立了客运走廊内居民公共交通出行选择模型。调查了苏州市木渎站至钟南街站客运走廊沿线居民的出行目的,获取了居民出行目的与公共交通工具服务属性关系数据,以此数据为依据计算出各种公共交通工具的前景值,并进行模型检验,结果发现模型运行至第786代后解的质量稳定在97%,与实测值相比,模型的模拟结果与居民选择公共交通工具的行为是一致的。可见该模型为预测公共交通工具的分担量提供一种的新思路。     

多车型组合调度的建模与弹性边界人工蜂群求解方法

在保证运力的情况下,综合考虑滞留乘客和运营服务等现实因素,将公交公司运营成本和乘客候车成本降为最小,提出一种多车型组合调度模型。尝试一种具有弹性边界的人工蜂群算法(artificial bee colony algorithm with bounce boundary,BBABC)对此公交模型进行求解。该算法采用具有弹性的边界策略,解决了种群个体越界问题,搜索效率提高,收敛速度加快。侦查蜂搜索方式为遗传突变,在加大变异的同时保留一定的社会信息;同时引进吸引子,提高算法的局部搜索能力。通过对某线路进行实验仿真,与单一车型调度方式进行对比分析,发车时间间隔延长18%,公交公司和乘客的总成本减少9%,车站滞留乘客减少90%,满载率提高15%。     

快速公交服务水平模糊分级方法

提出了“分类评价指标、构建隶属度矩阵、绘制隶属函数图”的快速公交服务水平模糊分级方法.选取到站时间、等车时间、公交车速度作为评价指标,采用自主开发的公交出行调查系统开展快速公交乘客出行调查,基于调查所获数据采用模糊分级方法建立了快速公交服务水平的模糊分级.与目前国内外使用的硬分级对比后发现:模糊分级消除了清晰的边界,通过隶属度来体现评价指标属于不同服务水平等级的程度,评价指标变化引起的服务水平变化通过隶属度改变得以体现,从而有效地克服了硬分级存在的问题.     

基于门控循环单元神经网络的公交到站时间预测

为提高用户公交出行积极性、方便管理部门合理调度公交班次,利用大数据分析公交浮动车辆历史GPS数据,考虑不同线路、公交站点地理位置、不同驾驶员、气象情况、时间分布等多因素的影响,建立了一种基于门控循环单元(gated recurrent unit, GRU)神经网络的公交到站时间预测模型。该模型结合5 000多万条原始数据,借助分布式Hadoop集群中的Spark弹性分布式数据集进行数据清理,并运用站点匹配算法进行源数据匹配、Lasso算法优化特征选项及去除干扰。实验仿真结果表明:改进的GRU模型R-square拟合度达到94.547%,并且算法效率较传统长短期记忆(long short-term memory,LSTM)神经网络提高了近14%,为进一步提高公交到站时间的预测精度与效率提供了参考。     

基于OpenStreetMap的城市公交专用道设置优化

为合理设置公交专用道,本研究通过OpenStreetMap（OSM）提取可设置公交专用道的路网,采用Stroke道路表示法将OSM路网与百度路网进行融合,结合百度地图实时交通数据实现交通态势可视化,从而准确直观地识别出公交专用道的设置路段。通过构建公交路阻函数模型,计算设置公交专用道前后的时间效益差,确定公交专用道的设置方案。最后以南昌市部分路网为例,通过SUMO软件仿真结果表明：在青山南路设置公交专用道可以使公交车辆延误降低19.6 %;社会车辆延误降低10.8 %。实例验证所提出的设置优化方法有利于减少交通延误,为合理设置公交专用道提供支持。     

基于车速预测的燃料电池客车能量管理策略

近年来,燃料电池汽车发展迅速,能量管理策略对提高燃料电池客车能量经济性具有重要意义。通过构建整车实时能量管理策略,对燃料电池客车的能量经济性进行了研究。首先基于某示范运行的燃料电池客车运行数据,使用径向基神经网络算法预测不同时域未来行驶车速;然后结合模型预测控制理论与凸优化算法构建了以预测时域内能量消耗最小为目标的分层预测能量管理策略;最后在实车工况下进行仿真验证,并分析比较了两种初始荷电状态下的百公里等效氢耗。仿真结果表明：与实车控制策略相比,所构建的分层预测能量管理策略能够降低9.6%～16.9%的百公里等效氢耗,有效地提高了整车的能量经济性。     

基于自适应背景抽取的车辆外形参数识别

针对车辆的侧面图像,设计了一种基于数字图像处理技术的车辆图像特征参数识别方法.为克服噪声的影响,采用自适应高斯混合模型进行背景抽取,在此基础上对车长和车高的测量方法进行了研究,通过实验分析了车速和物距对测量精度的影响.试验结果表明:在低速范围内车速对测量精度的影响很小,物距对测量结果的影响较大.在此基础上建立了车辆外形参数与物距的关系,可有效测量车辆的外形参数,为进一步对车辆进行识别分类提供了参考依据.     

一种考虑加速度需求的车速自适应控制方法

针对智能车辆纵向控制要同时满足期望车速和期望加速度的需求,同时考虑到道路阻力变化对纵向控制的影响,提出一种考虑加速度需求的车速自适应控制方法。利用车辆纵向动力学模型,通过自适应遗忘因子递归最小二乘法对道路阻力进行估计。在此基础上基于条件积分方法设计耦合的车速和加速度控制律,通过积分自动调节和切换策略,保证了车速控制和加速度控制的平滑切换,并且通过建立李雅普诺夫函数,证明了车速跟踪误差的全局渐进稳定。最后,通过仿真试验和实车试验验证了控制方法的有效性。