-
公开(公告)号:CN113536493B
公开(公告)日:2025-04-01
申请号:CN202110698173.5
申请日:2021-06-23
Applicant: 南京理工大学
IPC: G06Q10/047 , G06Q50/40 , G06F18/23213 , G06F18/27 , G06F30/18 , G06F30/27 , G06F111/08 , G06F111/04
Abstract: 本发明涉及一种基于聚类反推的有效路径生成方法及断面客流估算方法,有效路径生产方法包括获取相关数据并进行预处理;统计确定乘客乘车时间、乘客候车时间以及进出站走行时间;对比城市轨道列车时刻表获得列车出行时间,计算乘客出行时间数据集D中个数据点的k_dist值并绘制乘客出行时间数据集D的k_dist曲线,选取合适的邻域密度参数;从乘客出行时间数据集D中选取尚未遍历过的对象p,通过密度相连产生相关簇结果直至D中的对象全部遍历完成,确定密度系数并从路径集合L中筛选出kroute条有效路径;确定潜在换乘节点,将各段路径拼接后放入有效路径集合L中。本发明可以实现城市轨道交通出行有效路径的精准生成为高效、安全城市轨道交通智能数据提供依据。
-
公开(公告)号:CN113536493A
公开(公告)日:2021-10-22
申请号:CN202110698173.5
申请日:2021-06-23
Applicant: 南京理工大学
IPC: G06F30/18 , G06F30/27 , G06Q10/04 , G06Q50/26 , G06K9/62 , G06F17/18 , G06F111/08 , G06F111/04
Abstract: 本发明涉及一种基于聚类反推的有效路径生成方法及断面客流估算方法,有效路径生产方法包括获取相关数据并进行预处理;统计确定乘客乘车时间、乘客候车时间以及进出站走行时间;对比城市轨道列车时刻表获得列车出行时间,计算乘客出行时间数据集D中个数据点的k_dist值并绘制乘客出行时间数据集D的k_dist曲线,选取合适的邻域密度参数;从乘客出行时间数据集D中选取尚未遍历过的对象p,通过密度相连产生相关簇结果直至D中的对象全部遍历完成,确定密度系数并从路径集合L中筛选出kroute条有效路径;确定潜在换乘节点,将各段路径拼接后放入有效路径集合L中。本发明可以实现城市轨道交通出行有效路径的精准生成为高效、安全城市轨道交通智能数据提供依据。
-
公开(公告)号:CN113592419B
公开(公告)日:2024-05-14
申请号:CN202110606177.6
申请日:2021-05-31
Applicant: 南京理工大学
IPC: G06Q10/1093 , G06Q10/0631 , G06Q50/40 , G06N3/126
Abstract: 本发明涉及一种考虑客流和节能的轨道交通快慢车时刻表优化方法,属于轨道交通技术领域。包括S1对模型算法所需的快车、慢车的运营数据、线路数据、客流数据进行清洗、预处理;S2基于S1中的长短距离OD客流量计算快车、慢车开行比例,根据S1中的线路最大断面客流量P计算快慢车开行对数和开行周期时间H;S3、基于S1、S2的数据建立快车、慢车时刻表的数学模型;S4引入多种列车运行约束以及列车速度‑距离关系,并将多目标模型化为单目标模型;S5算法参数初始化,将S3中的决策变量转化为染色体进行编码,利用遗传算法求取全局最优解,得到此种场景下的快车、慢车最优时刻表。本发明解决了动态客流与列车运力不匹配的问题。
-
公开(公告)号:CN116143572A
公开(公告)日:2023-05-23
申请号:CN202310204884.1
申请日:2023-03-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种硼铝高能混合炸药及其制备方法。该炸药包括HMX 63~67%、硼铝复合粉25~35%、氟橡胶Viton A 3~7%,其中,硼铝复合粉中硼粉为25~35wt%,铝粉为65~75wt%。其步骤为:将不同粒径的硼铝粉球磨后制备成硼铝复合粉;采用超声辅助法,以正己烷为溶剂,先将硼铝复合粉、HMX进行均匀混合,同时通过超声辅助法,将氟橡胶溶于乙酸乙酯中,再将粘结剂溶液滴加到悬浮液中,通过溶剂‑反溶剂法使得氟橡胶析出,制得硼铝混合炸药。采用本发明制备方法可提高过程本质安全,并使得到的产品混合均匀;得到的混合炸药具有高爆热、高燃烧热的特点,炸药发生的燃烧反应更充分,使得能量释放更加完全。
-
公开(公告)号:CN113592419A
公开(公告)日:2021-11-02
申请号:CN202110606177.6
申请日:2021-05-31
Applicant: 南京理工大学
Abstract: 本发明涉及一种考虑客流和节能的轨道交通快慢车时刻表优化方法,属于轨道交通技术领域。包括S1对模型算法所需的快车、慢车的运营数据、线路数据、客流数据进行清洗、预处理;S2基于S1中的长短距离OD客流量计算快车、慢车开行比例,根据S1中的线路最大断面客流量P计算快慢车开行对数和开行周期时间H;S3、基于S1、S2的数据建立快车、慢车时刻表的数学模型;S4引入多种列车运行约束以及列车速度‑距离关系,并将多目标模型化为单目标模型;S5算法参数初始化,将S3中的决策变量转化为染色体进行编码,利用遗传算法求取全局最优解,得到此种场景下的快车、慢车最优时刻表。本发明解决了动态客流与列车运力不匹配的问题。
-
-
-
-