Inspection on the Traffic Performance of Harbin's Polycentric Spatial Structure:An Analysis Bas

来源 :城市规划(英文版) | 被引量 : 0次 | 上传用户:blaze1982
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
In recent years,with the increasingly serious traffic problems in large cities of China,transformation to polycentric urban spatial struc-ture has been considered as an important initiative to improve the urban traffic performance.This study examines the traffic performance of the polycentric spatial structure of Harbin,and analyzes the factors influencing the traffic performance of the structure using the location reselection hypothesis theory.The results show that the polycentric spatial structure does not significantly improve Harbin\'s traffic performance,and only the centers in peripheral areas indicate advantages in commuting speed and distance,to which the main reason is that the social and spatial factors re-duce the importance of commuting costs,making long-distance commuting economically rational and hindering possible location reselection.It is an effective direction for the improvement of the traffic performance of polycentric spatial structure by facing up to the rationality of long-distance commuting and transportation demand,improving the location equilibrium of residential and employment resources,and constructing high-grade centers in peripheral areas in appropriate locations and with comprehensive functions.
其他文献
针对知识图谱中定义域值域约束补全问题,将其转化成链接预测问题并使用基于知识图谱嵌入模型预测缺失数据.针对定义域值域约束补全问题的结构,在两种基于翻译的知识图谱嵌入模型TransE和RotatE基础上给出了两种高效的约束补金方法DCaT-T和DCaT-R.特别地,为提升补全方法的预测性能,DCaT-T与DCaT-R方法均采用了两阶段的训练方法.实验结果表明,DCaT-T和DCaT-R优于类型预测方法SDType,DCaT-T方法优于同在TransE基础上实现的嵌入表示模型ConnectE类型预测方法,并且两
为了实现青贮饲料生产全过程信息化可追溯,研制了基于数字化农机装备的移动式物联网信息采集终端和基于ZigBee的青贮窖信息监测终端,利用多传感器采集了种植过程播种量、施肥量、施药量、植物生长量;贮制过程温湿度、氧气浓度、二氧化碳浓度、pH值,并将双终端植于青贮饲料可追溯平台底层,结合HACCP体系实现青贮饲料从种植地到青贮窖内发酵信息的全过程信息化采集与监测预警.该平台基于B/S架构开发,采用JAVA语言在.NET框架上开发,数据库采用SQL Server 2016,服务器采用的是阿里云2核4G和腾讯云2核
机床性能退化引起加工质量下降和其他问题,加工参数影响退化率.因为有多个加工参数,机床退化建模涉及多个变量,广泛使用的建模方法是回归分析.回归分析的主要缺点是精度依赖于所选平均退化函数,且不给出到退化限的时间分布.为克服上述问题,提出一个基于等效加工时间的建模方法,它将每个加工参数看作为一个“应力”,通过乘积模型组合多个加工参数成为一个“复合应力”;使用加速退化模型组合复合应力与实际加工时间成为一个等效加工时间,从而使多变量退化建模问题简化为单变量退化建模问题.最后,通过一个刀具磨损的实例例证了该方法的优越
针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法.首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的MED作为SSD的前置滤波器;然后利用相关系数分析法选择有意义的奇异谱分量(SSC);最后对信号进行频谱分析,确定具体的故障模式.采用仿真信号与齿轮箱试验台的复合故障信号对所提方法进行了应用,验证了方法的有效性和优越性.
深度学习在故障诊断中有良好的诊断能力与泛化能力,但大部分工作是直接从卷积层面上提取信号特征图,使邻近信号点未被考虑,并且采样频率不同也会对特征提取有影响.为此,本文基于MTF以及ResNet18算法提出了M2TF-ResNet算法.本文在凯斯西储大学(CWRU)轴承数据集中进行了大量实验.通过验证得出:该算法可适应不同采样频率下信号的特征提取,避免训练过拟合,并且与其他故障诊断方式相比,该算法在诊断率上的优势更突出.
针对滚动轴承多故障诊断中特征提取困难和分类准确性低的问题,从有效特征提取和故障分类准确性两方面出发,将变分模态分解(VMD)和极限学习机(ELM)方法结合,提出了一种自适应滚动轴承多故障诊断方法.针对VMD参数需人为事先设定导致信号分解效果差的情况,提出了灰狼算法(GWO)优化VMD实现自适应地获取最佳分解参数k和α.进一步,为了克服单个ELM模型分类精度不高和分类结果不稳定的问题,提出集成极限学习机(IELM)实现多故障的分类和识别,提高故障分类的准确性和稳定性.首先,采用GWO优化VMD,自适应地获取
针对小麦联合收获机作业过程清选损失和籽粒含杂率“双高”的问题,开展小麦联合收获机清选作业参数优化试验,探究整机清选装置作业参数对清选损失率和籽粒含杂率的影响规律,确定清选作业参数的最优组合.基于气流场籽粒运动分析,建立了风筛清选系统的试验模型;对清选筛振幅、清选筛频率、风机风速和气流方向角4个参数进行了单因素试验和响应面回归试验,结果表明:风机风速是影响籽粒含杂率的显著影响因素,振幅、频率是影响清选损失率的显著影响因素.采用响应面试验方法,应用Design-Expert建立了清选损失率和籽粒含杂率的回归数
为评估加工中心组件的故障传播影响力,快速、准确地识别系统关键组件,有效控制故障传播,采用故障传播机理分析与有向图结合的方式表征组件间故障传播路径.运用DWNodeRank算法评估组件间故障影响度,并结合故障率指标计算组件的故障传播率.考虑有效可达路径,基于改进ASP算法计算故障传播影响力值,实现对组件故障传播影响力的评估.实例分析和结果表明:DWNodeRank算法考虑了故障传播的方向和传播强度,有效降低了迭代复杂性并准确评估了节点影响度;故障传播率作为故障传播影响力评估的依据,其动态时变特征使得评估结果
针对传统故障模式、影响及危害性分析(FMECA)中因指标等权及主观确定故障影响概率带来的危害度计算偏差,提出一种综合故障概率、故障影响及故障后果的改进故障分析方法.应用最小二乘法、邻接矩阵、Pagerank、统计分析等评估故障概率、故障影响度、故障维修时间,据此引入灰色理论构建各指标的白化权函数并计算评估值,形成指标评价矩阵,基于熵权法计算指标权重,应用加权平均法计算并评估故障风险.以某国产加工中心为例进行方法应用,并与传统方法比较验证了本文方法的有效性.
传统的概率方法分析结构疲劳寿命时,需要大量的样本以确定随变量的概率密度分布,而且概率密度函数较小的误差将会引起结构疲劳寿命较大的误差.针对这种情况,提出了一种随机载荷作用下结构疲劳寿命的区间分析模型.将影响结构疲劳寿命的不确定因素视为区间变量,给出了随机载荷作用下结构疲劳寿命的降维表达式,结合区间数学方法,得到了结构疲劳寿命的上限和下限.数值算例表明,与Taylor方法相比,基于降维算法的结构疲劳寿命区间分析方法具有较高的精度.对于强度极限和疲劳参数而言,一阶降维算法和二阶Taylor方法精度相当;而对于