公交线路优选模型及算法

建立了在仅考虑公汽线路选择情况下以换乘次数最少和途经站数最少为首要目标,出行耗时、出行费用为次要目标的优化模型,设计出以Dijkstra为核心的模型求解算法,并在考虑公汽地铁混乘和步行换乘的复杂情况对模型进行了改进。     

带启动-关闭期的多重休假M/G/1排队

研究多重休假带启动一关闭期的M／G／1排队。给出稳态队长和等待时间分布的母函数及其随机分解结果，并给出附加队长和附加延迟时间的PH的封闭性，推导出忙期、全假期和在线期母函数和均值。     

上海虹桥机场陆侧客流的研究与分析

作为上海市重要的交通枢纽中心,虹桥枢纽在出色完成其交通承载功能的同时,也为社会带来了诸多思考。与此同时,作为枢纽的重要组成部分,虹桥机场面对部分设施的使用效率未达预期、多种交通方式之间换乘存在多种问题以及枢纽中心和市区交通集散点之间的衔接等种种问题,如何能够提高机场运营效率,充分利用发达健全的硬件设施为出行者带来更为高效、快捷与舒适的交通服务,成为当今社会引人深思的话题。为此本文根据实地调查的数据统计结果,分析虹桥机场陆侧客流出行特征,运用层次分析法对虹桥机场各中交通方式的适用性进行分析,并提出相应优化方案。     

轨道交通枢纽换乘效率DEA非均一评价模型

换乘效率是对轨道枢纽换乘功能的综合度量，对其评价能够发现轨道枢纽在运动过程中存在的问题并能找出解决问题的有效途径，通过对多指标综合评价问题均一评价方法的局限性分析，提出了用数据包络分析方法进行轨道枢纽换乘效率评价的新思路，建立了输入输出指标体系和DEA非均一评价模型，给出了换乘效率，输入冗余率和输出亏空率以及运行有效性的评价分析方法，并进行了广州地铁枢纽换乘效率评价的实例研究，结要表明利用DEA方法评价轨道枢纽的换乘效率比传统方法具有更为明显的优势。     

基于区块链的轮询系统MAC协议研究

针对网络信息传输量扩大、数据传输效率降低的问题,提出将区块链与轮询系统结合的MAC协议.首先,研究了基于区块链的轮询系统模型,并对其数据分发方式进行分析;然后,推导了门限、完全和限定K=1服务系统的平均排队队长、平均等待时间和平均循环周期的理论表达式;最后,通过Matlab将期望值与实验值进行对比分析.结果表明,随着到达率的增加,加入轮询MAC协议后的区块链系统信息传输效率明显提高.综合对比实验结果,在保证公平性的基础上,门限服务系统在加快信息处理速度,改善系统性能方面比另外两种服务策略更为稳定.     

Analysis of a discrete-time GI/Geo/1/N queue with multiple working vacations

This paper analyzes a finite-buffer renewal input single server discrete-time queueing system with multiple working vacations. The server works at a different rate rather than completely stopping working during the multiple working vacations. The service times during a service period, service time during a vacation period and vacation times are geometrically distributed. The queue is analyzed using the supplementary variable and the imbedded Markov-chain techniques. We obtain steady-state system length distributions at pre-arrival, arbitrary and outside observer’s observation epochs. The analysis of actual waiting-time distribution and some performance measures are carried out. We present some numerical results and discuss special cases of the model.     

一种公交网络分配模型

提出了一种公交网络分配模型,该模型重点处理有转车的部分网络并在有转车发生的节点处考察乘客的路线选择行为.在此基础上,提出了公交网络分配原则及算法.     

基于车站仿真和LSTM的轨道交通换乘站动态性能评估方法

在轨道交通客流量快速增长的背景下，为有效评估换乘车站运营过程中动态性能，提出基于机器学习的换乘站动态性能评估方法。基于提出的有效换乘人数、换乘时间和拥挤度的动态性能评价指标，深入分析了车站动态性能的影响因素，利用考虑行车与行人的换乘车站仿真模型提供机器学习所需的时间序列数据，采用长短期记忆(long short-term memory,LSTM)的机器学习方法，建立评价指标的预测获取方法，动态获取车站在不同条件下的运营状况。以犀浦站为例，运用仿真模型构建的2.24万个样本来训练预测模型。预测结果证明了预测模型的精度，并量化了购票比例对车站动态性能的影响。所提方法能够为轨道交通换乘车站换乘组织和客运作业提供有效建议。