導語：如何才能寫好一篇形同陌路，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

我們常需要面對一些關聯的形態，比如親密，比如相戀，比如同伴。這些關聯的形態一直在改變著，也許微小，也許巨大，但都是說不上來的。什么時候的事呢？一瞬間的轉變。

像年月日和時分秒的這種關聯，親密，似乎不可替代，就好像習慣了的陪伴，理所當然。因為我們總覺得有什么是不會改變的吧，有什么該會是永恒的吧。但卻變了。曾經有多么親密，就變得有多么的疏遠。可曾經還在啊。這就是密切的形同陌路。

在一段感情之后，有些人會嘗試著遺忘，于是像“我不記得他了”“我不想他了”這樣的話也就聽得多了。可這樣的話卻恰恰說明了沒有忘記和依舊想念。重點是那個“了”字。說明曾經有多少次反復的深入生活，說明還縈繞在心里，也就說明那些話語中的掩飾。這就是刻意的形同陌路。

“就是我不認識的那個人。”這句話最近相當流行。意指某一個曾經有過不同尋常的關系，如今這關系卻消失殆盡，想要忘記，卻又控制不住想念的人。因為辦不到忘掉，卻又無法挽回了，所以才會寧愿從未認識過，什么都沒有發生過，甚至從未見過。這就是無奈極了的形同陌路。

想要把關系都退回到原點以前，想要到所有的事情都沒有發生過，想要像陌生人一樣可以簡單的錯身而過。

這是所謂形同陌路。

篇2

當我們的生命隨著落地的聲響而結束時，那是一種怎么樣的痛楚和留戀呢，我們都不是要學著勇敢和堅強么，我們還要繼續什么呢。無病的悲傷已經不是這個時代的進行曲了，我們只有在這個季節聽著悲傷的音樂感傷寂寞的幽靈。

我們用寂寞的心寫著不是很孤單的文字，有點隱隱的看不見的疼痛，當我們的眼淚隨著憔悴的表情一起凋落時，我們的感情已經沒有了曾經的影子。可是，我們還是得繼續生活，因為明天還是要繼續，不管是在病痛中，還是在睡夢中抑或是清醒中，只是，我們已經忘記的昨天時間的蒼老。也許，我們的希望不在明天，但是，我們還是要努力。為了明天那生活，我們的心不知疲倦的跳動著，真的很想讓那顆破碎的心短暫的歇一歇，可是生命賦予了它神圣的使命，不能讓它休息，哪怕就一分都不行。

當我們看著悲傷的劇情沒心沒肺的掉眼淚的時候，我們也感到了那種比死還要痛苦的撕心裂肺的痛，雖然只是一種自然的離別。或許，我們的心就是生來就用來被傷害和痛苦的，好象沒有了傷害和痛苦就不正常，好象沒有了傷害和痛苦就也不會有幸福。

當幸福在我們身邊擦肩而過時，我們也聞到了悲傷的氣息，只是，有時它來得太突然太讓人不知所措，但它確實是一種殘忍誠實的真實。所以，我們不要期望太過于幸福的東西，因為，越是幸福越容易受傷，因為，越是幸福越容易感傷。

在我們的傾斜的世界里，整個城市喧擾而繁華，我們在昏黃的燈光下行走，城市的窒息給我們帶來了一點絕望和心靈的震撼，人們都是在這樣的環境下生活的，他們都只顧自己的生活，沒有時間去顧及這個被工程師雕琢地危險籠罩的城市，也沒有時間去裝扮這個蛛網成群的城市文明。

一個個的很有創意的廣告牌更是城市午夜里的一道道靚麗的風景，而在這樣風景下，他們則用匆忙的腳步替代了這個城市的壓抑，用步行替代了這個城市的擁擠。我們在這個立體的空間生存，鼻孔里充斥著煙塵的味道，有時有種無法呼吸的窒息。我們很想找一片天空安靜的呼吸，不讓自己因為呼吸而太累太狼狽悲傷。

黑暗還在繼續向四邊延伸，街道兩旁燈火依舊輝煌，只是多了一個人的影子。黯淡的光在無邊無際的夜空里慢慢的一點一點飄向未知的世界，沒有誰會去寫歷史去紀念。

因為太遙遠。所以它們還在在成就著一種未知的永恒，而我們卻已經開始了蒼老。我們不知道該紀念些什么，我們只是還要繼續明天簡單的簡單。

篇3

關鍵詞：交通規劃 交通分布 雙約束重力模型 浙江公路一、引言

經濟不斷發展，要求有一個與之相適應的公路交通系統。當前，浙江省現有的公路交通設施已不能滿足公路客運和貨運交通量的快速增長，開展浙江省公路交通需求預測研究，更好的指導公路建設。浙江省于2004年和2010年分別開展了一次公路出行OD調查，論文在兩次公路出行OD調查統計數據的基礎上研究適用于浙江省的公路出行交通分布模型。

二、交通分布預測方法的選擇

交通分布預測方法一般分為兩類，一類是增長系數法，一類是綜合法[1]。從上述兩大類方法中各選擇一個研究浙江省公路交通分布模型。

福萊特法較平均增長系數法收斂速度快，在滿足相同精度條件下迭代次數也少，因此在實際研究和工作中廣泛應用。福萊特法和佛尼斯法計算較復雜，因此一般通過計算機編程或專門的交通規劃軟件計算。用增長系數法在進行浙江省交通分布研究中選用福萊特法。

綜合法中最常用的是重力模型法，雙約束重力模型能滿通守恒條件，在研究和工作中廣泛應用，選取雙約束重力模型對浙江省交通分布進行研究。

三、福萊特法進行浙江省交通分布研究

采用福萊特法進行交通分布是將2004年作為基年，2004年浙江省公路網OD調查獲得的交通出行OD表作為基年OD表，以2010年浙江省公路網OD調查獲得的各交通小區發生和吸引量作為預測值進行的交通分布，最后將分布結果與2010年OD調查獲得的OD分布量做對比，以檢驗福萊特法是否適用于浙江省公路交通OD分布。

（一）基年OD表

增長系數法的應用前提是要求被預測區域有完整的現狀OD表，浙江省2004年組織了全省公路OD調查獲得了真實可靠的2004年全省公路交通出行OD表，以此作為基年OD表，增加了預測的精確度。

（二）2010年各交通小區發生和吸引量

將2010年浙江省公路OD調查獲得的全省交通出行OD表進行統計可以得出16個交通小區的交通發生與吸引量[2]。

（三）福萊特法進行交通分布

由于福萊特法計算過程較復雜，因此一般通過計算機編程實現或通過專門的交通規劃軟件計算，應用transcad軟件進行浙江省交通分布研究[3]。

1 建立交通小區地圖，輸入各交通小區2010年交通發生和吸引量。

2 導入基年2004年交通出行OD矩陣，設置迭代次數為10次，收斂標準為1%，在軟件中選擇福萊特法進行交通分布。

（四）交通分布結果檢驗

為了檢驗與實際的誤差，將福萊特法進行浙江省交通分布的結果與2010年浙江省公路OD調查獲得的OD分布進行對比分析[4]。將福萊特法得出的交通分布矩陣的單元格數值除以2010年調查得到的OD分布矩陣的單元格數值，生成新矩陣，用matlab對新矩陣進行統計分析，得出新矩陣的均值為1.1702，方差為0.4913。用福萊特法進行浙江省交通分布得到的結果與實際調查值有較大差距，與實際交通分布不吻合。

四、雙約束重力模型進行浙江省交通分布研究

通過2010年浙江省公路OD調查得出的OD分布和初始阻抗矩陣對阻抗函數進行參數標定，應用雙約束重力模型在transcad中進行交通分布。

（一）重力模型參數的標定

1.阻抗函數的選取

阻抗函數包括冪函數、指數函數和組合函數三種形式。由于組合函數可克服指數函數和冪函數由于交通分區之間的距離過小而造成分配量過大的弊端而且組合函數是冪函數和指數函數的組合，考慮因素全面，因此組合函數在交通分布的研究和工作中應用廣泛。在計算小區間的阻抗時選用組合函數，即在transcad軟件進行阻抗函數選擇中選擇“Gamma”選項。組合函數需要對函數中的參數a、b、c進行標定。

2.阻抗函數參數的標定

在雙約束重力模型公式中，參數僅存在于阻抗函數

中，對雙約束重力模型的標定，即對阻抗函數進行參數標定。

①在transcad中打開交通小區層，執行“Networks/Paths―Multiple Paths”命令計算各交通之間的阻力dij ，生成阻力矩陣。

②將2010年調查獲得的浙江省交通出行OD矩陣導入軟件中，選擇“planning―Trip Distribution―Gravity Calibration”命令，在阻抗函數選區中選擇“Gamma”函數，標定出阻抗函數參數a、b、c。其中a=1.3877，b=-0.5388，c=0.0422。

（二）雙約束重力模型進行交通分布

1.將參數標定輸入TransCAD軟件，計算各小區間的摩擦因子，即阻抗，得出阻抗矩陣。

2.導入2010年浙江省各小區交通發生和吸引量，在TransCAD軟件中選取雙約束重力模型進行交通分布，得出浙江省2010年交通分布結果。

（三）交通分布結果檢驗

將用標定參數的雙約束重力模型分布得出矩陣的單元格數值除實際OD分布矩陣的單元格數值，生成新矩陣，用matlab對新矩陣進行統計分析， 得出新矩陣的均值為1.0170，方差為0.2085。利用標定參數的雙約束重力模型進行浙江省OD分布與實際調查的OD分布相吻合。

五、結語

由第三部分的研究可知，福萊特法不適用浙江省交通分布。由第四部分的研究可得，浙江省交通分布模型為標定參數的雙約束重力模型，即：

參考文獻：

[1]邵春福.交通規劃原理[M].北京：中國鐵道出版社，2004.

[2]浙江省交通規劃設計研究院，長安大學. 2010年浙江省公路OD調查數據分析報告[R].杭州：浙江省交通規劃設計研究院，2011.

篇4

【關鍵詞】交叉路口；紅綠燈；車流量；優化模型

中圖分類號：C913.32 文獻標識碼：A 文章編號：

0前言

城市交通信號控制的研究意義交通是城市經濟活動的命脈，對城市經濟發展、人民生活水平提高起著十分重要的作用。汽車工業在給人們帶來各種便利的同時，也帶來了一系列令人困惑的問題，如環境污染、交通擁擠、交通事故的頻繁發生等，給人們的生命財產帶來很大的損失。

1信號配時的數學模型

交叉路口是道路系統中對交通影響最大的一個部分，主要不利因素有：交通事故、交通延誤、燃料消耗等，這些問題又直接與交叉路口的信號配時密切相關，目前，在我國城市道路交叉路口，主要采用定時式信號管理系統。

設T為信號周期（單位為秒（S），下文中時間單位皆為秒）；d為交叉路口車輛到達率（輛/S）；c為交叉路口車輛離開率（輛/s）；為紅燈持續時間；包括紅燈前的黃燈過渡時間； 綠為綠燈持續時間，包括綠燈前的黃燈過渡時間； 排為在紅燈亮后車輛依次排隊的時間；時刻紅燈亮，來車陸續被阻停在停線前。隨紅燈時間的延長而積累的排隊車數 排時刻，綠燈亮，車輛依次疏散通過交叉路口，經過時間疏疏散車輛到時刻，全部車輛疏散完。疏通車輛數為， 當 時，交叉路口車輛在綠燈時間內可全部疏散完而不會造成阻塞，否則該交叉路口需改造，方可滿足現行交通需要。本文是在條件下研究交叉路口信號配時問題。紅燈亮后，累積的車輛數為：；

每一信號周期內交叉路口一個進口處的車時平均總延誤為：

設在十字路交叉口中，相交道路一條為主干道，另一條為次干道，主干道的車輛到達率、離開率及紅燈持續時間分別為，，；次干道的車輛到達率、離開率及紅燈持續時間分別為，，。在一個信號周期內，兩條道路上的車輛在交叉路口處總延誤時間為：

2實例

以金華市迎賓大道和二環北路交叉路口的信號配時優化設計為實例，依照時現場得到的數據部分優化和計算的除以下數據（其中二環北路為），來車率：（1） ；（2）離車率：；（3）紅燈的臨界時間；（4）最大的疏散時間； （5）優化前的信號配時為。

計算得出，；；可見，主車道的紅燈信號配時比優化前少了，次車道的紅燈信號配時比優化前多了，這樣主、次車道的紅燈信號配時比減少了，車流量進一步增大，運行效率顯著提高，從而按照此模型進行交叉口紅綠燈配時可有效地解決城市交叉口的車輛擁擠現象，提高交叉路口的通行能力，更好的減少汽車在交叉路口的延誤時間，提高效益。

3 結語

本文在紅綠燈配時優化方面有一定的創新，能解決城市道路十字交叉路口的紅綠燈配時問題，可使得車輛總延誤時間減少、通過交叉路口的車流量增大、停車次數減少，對于提高車輛運行的效率、節省能源和城市交通管理具有一定的理論和實用價值。與此同時，該模型具有一定的推廣價值，但在以下方面還需要進一步完善，不同路口以及不同時段下交通紅綠燈的配時方案有所差異，而且本數學模型忽略了黃燈的時間，所以很大程度上有誤差。故需要進一步考慮綠燈時間來解決紅綠燈優化配時方案。

【參考文獻】

篇5

有的時候還是無法相信很多曾經形影不離的好友已經形成陌路！

有的時候還是無法相信小的時候經常在他膝上玩的舅舅和自己早已形同陌路！

有的時候真的真的感慨時光留不住人！

陌生，但是身邊卻總是會有一堆朋友！

此時此刻，卻怎么也無法想到自己身邊的這堆朋友，

總有一天也會像那些形同陌路的過往好友離去！

終究，形成陌路！

回憶究竟是什么，光嗎？是想抓都抓不住，想擋都擋不了的光嗎？

陌生，如此陌生！

會不會有一天，連自己都陌生了！

會不會有一天，連我愛的人都陌生了！

篇6

我不知道曾經一起歡笑過，開心過，愉快地玩過鬧過，傷心過……互相安慰過，互相慰藉過，互相埋怨過，互相善意地嫉妒過的我們是否未來會有怎么一天……是哪一天，相信大家都十分的疑惑吧！

不知我們是否會有這樣的時候，十年之后，曾經好如蜜糖般的姐妹再次在茫茫人海的大街上重逢，互相抬起頭看到了對方， 眼神交叉的那一剎那，你是否會大聲地喊出對方的名字？你是否會沖上去給對方一個甜蜜而又溫馨的擁抱？你是否會甜甜地說，好姐妹，我們又見面了！你是否會甜蜜地擁著她的肩膀，手拉手帶她去你最熟悉不過的咖啡館靠著窗，和她一起喝著咖啡，歡笑著講著你們以前歡笑又喜悅的事情？你是否會帶著她回家見見你的家人，再次和她成為朋友？我不知道我們是否會在大街上心照不宣地低頭走路，互相沒看見對方，然后匆匆走過，就等于沒有看到她，都默默地走開， 把這次偶遇拋在腦后。會嗎？我們會這樣嗎？苦笑三聲后，我也希望不會這樣形同陌路吧……

形同陌路多么傷人的一個詞，一個完美甜蜜的姐妹情化為虛無，心會痛嗎？

篇7

關鍵詞：儀表著陸系統 仿真建模 ICAO RTCA

中圖分類號：V37 文獻標識碼：A 文章編號：1672-3791（2014）07（b）-0014-02

儀表著陸系統能夠對進近著陸中的飛機進行引導，提供飛機相對于標準下滑道和航向道的偏差信息。飛行員可以利用顯示系統獲取該偏差信息修正飛機的航跡角和航向，或者利用自動飛行控制系統自動修正偏差，使飛機穩定在標準下滑道和航向道上。不同級別儀表著陸系統能保證飛機安全地下降到不同的離地高度（決斷高度）。在此高度以下，飛行員需要借助飛機外部的景物參考目視操縱飛機繼續著陸，而不再依賴儀表著陸提供的偏差，也不能繼續利用自動飛行控制系統修正著陸偏差。儀表著陸系統的分類如下。

一類儀表著陸系統（CATⅠ），在能見度為800 m時，引導飛機進近到離地60 m的高度。

二類儀表著陸系統（CATⅡ），在能見度為400 m時，引導飛機進近到離地30 m的高度。

三類儀表著陸系統（CATⅢ），在能見度為0米時，引導飛機進近著陸直到接地。

傳統三類A級儀表著陸系統建模只考慮地理學和幾何學關系。一些飛機系統的設計，特別是自動著陸功能的設計對儀表著陸系統建模的仿真度有著較高的要求。因此，高仿真度的儀表著陸系統模型可以降低系統研制風險和成本，提高系統研制效率。本文參考一系列的飛機機載和地面真實設備的性能規范，建立了一套滿足行業標準性能、滿足其他系統設計需要的三類A級儀表著陸系統模型。

1 系統建模

1.1 標準幾何模型

本文首先從幾何學的角度，建立儀表著陸系統模型。模型的初始化參數為跑道入口的地理坐標LLA（Longitude，Latitude，Altitude）和方位角、下滑臺相對于跑道入口的安裝位置、航向臺相對于跑道入口的安裝位置；模型的輸出為飛機相對于理想下滑道和航向道的偏差角。模型的輸入輸出接口如圖1所示，模型的原理圖如圖2所示。

已知跑道入口的地理坐標LLA為：

跑道進近方位角為，飛機地理坐標為：

分別為緯度、精度和高度。以跑道入口為原點，跑道進近方向為軸建立跑道坐標系，由地理學和幾何學知識可求解飛機在跑道坐標系下的三維坐標：

步驟1：求取飛機和跑道入口在ECEF坐標系下坐標和（ECEF坐標系是隨地球自轉的非慣性坐標系。x軸沿赤道平面指向0度經線；z軸沿自轉軸指向北極；y軸按右手定則與xz平面垂直）。

其中：為當地平均海平面高度：

為地表半徑：

為地球扁率：

為赤道半徑：

同理：

步驟2：求解飛機在跑道坐標系中的坐標。

步驟3：已知下滑臺和航向臺在跑道坐標系中的安裝位置和，分別求在飛機在下滑臺坐標系和航向臺坐標系的坐標和：

步驟 4：已知下滑角，求下滑偏差角和航向偏差角

則下滑道偏差：

，（4.1.49）

航向道偏差：

.（4.1.50）

1.2 地面臺性能模型

地面臺性能模型在幾何模型的基礎上將偏差的單位從角度偏轉為DDM（調制深度差），并加入換下滑臺和航向臺的性能誤差，其接口如圖3所示。本文僅以下滑臺為例推導模型的建立過程，航向臺的模型完全類似該過程。

根據ICAO相關標準，三類A級下滑臺的DDM應滿足如下圖所示以下的標準結構。在DDM=0到DDM=±0.0875范圍內，DDM應隨偏差角線性變化；在DDM=±0.0875到DDM=±0.175范圍隨偏差角近似線性變化，如圖4所示。

因此可得到精確的DDM模型：

根據ICAO標準，三類A級下滑道結構的性能應以95%的置信度滿足以下誤差范圍要求：

覆蓋區邊緣到A點：0.035 DDM；

A點到B點： 從 0.035 DDM線性下降到0.023 DDM；

B點到T點： 0.023 DDM；

其中，ILS “A”點指沿進近相反方向，在跑道平面上距離跑道入口7500m處的點；ILS “B”點指沿進近相反方向，在跑道平面上距離跑道入口1050m處的點；ILS “T”點（基準數據點）指沿進近相反方向，在跑道平面上距離下滑道高度15m處的點。如圖5所示。

因此，ILS A、B、T三點在GS坐標系的橫坐標為

已知飛機在GS坐標系的橫坐標為，通過下面的插值表可得到在該點的誤差要求如圖6。

由95%的置信度要求，可以利用正態分布建立誤差模型：

1.3 機載接收機性能模型

機載接收機性能模型在地面臺性能模型的基礎上加入機載接收機的性能誤差和動態響應模型，其接口如圖7所示。本文僅以下滑臺為例推導模型的建立過程，航向臺的模型完全類似。

（1）精度模型。

根據RTCA DO-192對三類A級下滑道接收機的最低性能標準要求，其精度保持在5%以內，因此可以利用平均分布建立誤差模型：

（2）動態響應模型。

根據RTCA DO-192要求，機載接收機的階躍動態響應應滿足0.6 s時達到67%穩態值，且超調不超過2%。因此，可用二階低通濾波器模擬這一動態響應。利用簡單的線性搜索法，可得到滿足上述指標的二階低通濾波器阻尼比和自然頻率：

2 結論

針對傳統三類A級儀表著陸系統建模只考慮地理學和幾何學關系、模型仿真度不高的缺點，本文首先建立三類A級儀表著陸系統建模標準幾何模型，依據ICAO和RTCA的相關標準規范，在幾何模型基礎上增加了地面設備和機載設備的性能模型，該模型提高儀表著陸系統模型的仿真度，能夠幫助其他需要該模型的系統設計降低風險和成本，提高研制效率。

參考文獻

[1] 大氣和空間飛行器坐標系統.ANSI/AIAA r-004-1992.1992.

篇8

關鍵詞：鐵路客運量，灰色預測法，GM(1，1)模型

 

0.引言

鐵路在我國具有不可替代的特殊地位和重要作用，建國50多年來，我國鐵路事業有了巨大發展，綜合運輸能力顯著增強。在路網建設和完成運量，以及加快鐵路建設、客運提速、鐵路信息化和建立行車安全保障體系方面都取得了世人矚目的偉大成就。但是隨著我國經濟持續、快速增長和居民收入、生活水平的提高，人們消費結構的變化和消費觀念的轉變，旅客對鐵路運輸提出了越來越高的要求，鐵路也面臨越來越嚴峻的考驗。準確地預測鐵路運輸需求越來越重要。未來2010-2014年我國鐵路的客貨運需求總量將達到什么水平，要從總體上有一個較為準確的判定和把握，以便對鐵路建設和管理進行適時的調控。

鐵路運輸系統是一個多因素，多層次的復雜系統，其狀態，結構，邊界關系難以精確描述，屬于典型的灰色系統。灰色系統的GM模型能有效地處理離散數列，具有預測精度高，預測所需原始信息少，預測結果可檢驗性等優點。基于以上原因，我選擇了灰色預測理論來實施預測。

1.文獻綜述

面對運輸的諸多問題，國內外專家提出了許多解決措施，有一定成效。但某種運輸方式或者某一方面的改進和完善都無法從根本上解決客運交通問題。隨著客運需求的增加和運輸結構的變化，對運輸體系提出了更高的要求。在綜合運輸通道中，鐵路運輸尤其高速鐵路的介入不僅能大幅增加客運能力，促進客運供求平衡，還能有效改善鐵路運輸的內部運輸結構。

此外，我國鐵路運輸正處于快速發展時期，對于運輸通道內是否該大規模發展鐵路運輸，一直是國內外共同關心的熱點問題。為此，本文通過灰色系統理論對鐵路客運量進行預測，提出一些改進完善措施，從而實現鐵路內部運輸結構的優化，對推動經濟帶發展的有效性有非常重要的現實意義。本文就此立題。

2.灰色預測的系統模型

2.2 GM(1,1)模型相應方程為：

其中a和b 是由參數序列來確定的參數，用最小二乘法求解得a、b的值。

2.3求解微分方程，即可得預測模型：

聯立Xo(k+1)=x1(k+1)-x1(k)

2.4模型檢驗

該模型是否可信，必須按一定途徑進行檢驗。因為每一個檢驗值對模型來說都是后驗值，所以我們采用后驗差檢驗的方法。

相對誤差序列為:

表一

篇9

關鍵詞：路邊停車；流體模擬理論；電動自行車；延誤

DOI：10.16640/ki.37-1222/t.2016.08.242

0 引言

在我國大多數中小型城市中，路邊停車是常見現象。路邊停車場的泊位通常占用非機動車車道寬度，對非機動車交通流產生很大的影響。作為非機動車的主要構成者，這種影響在電動自行車身上顯得尤其明顯。目前國內外的大部分研究集中在非機動車對機動車交通流延誤、行人穿越道路對機動車交通流延誤等方面[1-2]，對路邊停車對非機動車交通流影響的研究很少。本文在國內外研究成果的基礎上，重點研究路邊停車對電動自行車交通流造成的延誤，找出影響因素，并建立相關延誤模型。

1 條件假設

本文在研究過程中，作如下假設：（1）車輛停靠路邊泊位時，選擇平行式停放；（2）停車場泊位設置在非機動車車道上，并且機動車車道與非機動車車道之間有隔離帶分隔。

2 延誤模型建立

車輛在駛出駛入泊位時，駕駛員為了保障行車安全，會在空隙足夠大時才會駛入駛出泊位。因此當路段車流量較小時，車輛的駛入駛出因為有足夠大的空隙，因而對電動自行車交通流的影響較小。但是當路段的電動自行車的車流量較大時，電動自行車之間的間隙不能夠確保車輛的駛入駛出泊位的安全性，當駕駛員因等待時間較長而失去耐心時，將強行駛入車流，而導致電動車車流產生交通堵塞[3]。

4 總結

本文在車流波動理論的基礎上，建立了路邊停車對電動自行車車流的延誤影響模型。模型對車流的延誤時間、排隊長度、堵塞概率給出了具體的計算方法，并通過具體事例驗證了模型的可行性。該模型對確定車流延誤影響具有重要的意義。

參考文獻：

[1]張水潮，楊仁法.路邊停車帶對非機動車流影響的分析模型[J]. 交通運輸工程與信息學報，2014，12（01）：22-27.

篇10

關鍵詞：全文檢索；Lucene；倒排索引；分詞

DOIDOI：10.11907/rjdk.151168

中圖分類號：TP319

文獻標識碼：A 文章編號

文章編號：16727800（2015）006012703

作者簡介作者簡介：張吳波（1977-），男，湖南邵陽人，湖北汽車工業學院電氣與信息工程學院講師，研究方向為軟件開發。

0 引言

大數據時代，可利用的數據和信息量呈爆炸式增長，人們在獲取更多信息的同時，也不可避免地增加了篩選信息的難度[1]。面對海量數據，如何使用戶更好、更準確地抓取所需信息，已成為信息化技術中一個非常重要的課題。全文檢索技術是為用戶提供快速、準確獲取有效信息的重要方法。

1 全文檢索技術

全文檢索是以各種計算機數據，諸如文字、聲音、圖像等為處理對象，提供按照數據資料的內容，而不是外在特征來實現的信息檢索手段[2]。相對于一般的DBMS，可以將Word文檔、郵件、網頁等非結構化、半結構化數據作為檢索對象。

全文檢索最初是以字符串匹配程序實現的，即在待查找的文件中，打開每個文件后，對文件內容從頭到尾檢索，如果其中包含需要查詢的字符串，則將它作為結果文件。這種順序檢索效率較低，因此，全文檢索都是通過“索引”技術實現的。其過程是由計算機索引程序掃描文件中的每一個詞，然后對每個詞建立一個索引，并指明該詞在文章中出現的次數和位置。當用戶查詢時，由檢索程序對已建立的索引進行查找，得到所需要的文件[3]。

2 全文搜索引擎Lucene

Lucene是一個非常優秀、成熟、開源、免費、采用Java語言編寫的全文檢索引擎工具。它提供了豐富的API，可以與存儲在索引中的信息方便地交互，并能方便地嵌入到各種應用系統中，實現針對應用的全文索引/檢索功能。

Lucene運用了大量的面向對象設計思想。首先定義了一個與平臺無關的索引文件格式，其次通過抽象系統的核心組成部分設計為抽象類，具體的平臺實現部分設計為抽象類的實現，此外與具體平臺相關的部分比如文件存儲也封裝為類，經過層層的面向對象式處理，最終達成一個低耦合、高效率、容易二次開發的檢索引擎系統[4]。

目前，Lucene得到了廣泛應用，許多Java項目都使用了Lucene作為其后臺的全文搜索引擎，比較著名的有：Jive（Web論壇系統）、Eyebrows（郵件列表HTML歸檔/瀏覽/查詢系統）、Cocoon（基于XML的Web框架）等。

3 Lucene系統模型

3.1 Lucene系統結構

Lucene搜索引擎由基礎結構封裝、索引核心、對外接口、查詢分析器4大部分組成，如圖1所示。

索引核心是Lucene的重點，主要包括索引管理和數據存儲管理。其中org.apache.lucene.index包實現對索引的建立、刪除等操作[5]，通過為每個分出的詞建立索引，查詢時只需遍歷索引，從而極大地提高檢索效率；org.apache.lucene.store包實現對索引文件的存儲管理。基礎結構封裝是Lucene的基礎，包括文檔管理和公用類。其中org.apache.lucene.document實現對文檔信息和域信息的管理；org.apache.lucene.util作為公共類，實現一些優化的數據結構和算法。對外接口包括檢索和語言分析器，org.apache.lucene.analysis是語言分析器，主要用于切分詞，把輸入的文本分成一個個可供索引模塊處理的“詞語”。org.apache.lucene.search是檢索管理器，提供用戶檢索接口，可以實現根據用戶輸入的查詢條件進行查詢。org.apache.lucene.QueryParser是查詢分析器，其作用是解析用戶輸入的查詢語句，對查詢語句進行分析，然后返回一個查詢對象（query），它還可以自定義查詢規則，以實現像Google一樣能支持查詢條件的與、或、非等復合查詢方式。

3.2 Lucene檢索流程

基于Lucene的全文搜索，包含索引管理和搜索索引兩個基本過程，其數據處理流程如圖2所示。

3.2.1 索引管理

在創建索引時，先將被索引（待搜索的數據）的內容，作為文檔（Document）信息，傳給IndexWriter對象，在IndexWriter對象中，指定語言分析器Analyzer。語言分析器自動對文檔進行分詞處理，將文檔分成一個個單獨的單詞，其中還要進行去除標點符號和停用詞（像英語中的a、the、or等使用頻率很多的冠詞、介詞、副詞或連詞）等處理，形成“詞元（Token）”。詞元傳遞給語言處理器進行相關處理，形成“詞（Term）”，對于英語形式的詞元進行語言處理時，一般做以下工作：將詞元變為小寫、將詞元縮減為詞根形式（例如“cars”轉換成“car”）、將詞元轉變為詞根形式（例如“drove”轉換“drive”）等。最后索引組件依據語言處理產生的詞形成詞典，采用倒排索引法，形成一定數據結構的索引文件。

3.2.2 搜索索引

Lucene是針對索引進行查詢的。先將用戶輸入的查詢信息傳遞給QueryParser對象，該對象采用建立索引時類似的分詞方法和語言處理方法，得到需要查詢的單詞和查詢關鍵詞；再根據查詢語句的語法規則，進行語法分析，創建一棵語法樹，形成Query對象；最后由IndexSearcher對象打開、讀取索引目錄中的索引文件，在反向索引表中，分別找出需要查詢的單詞文檔鏈表，并根據語法樹對文檔鏈表進行交、差、并等操作，得到結果文檔。

3.3 Lucene索引機制

索引是Lucene進行全文搜索的基礎，關系到檢索的效率。在Lucene中，分析器只能對文本數據進行解析，并產生索引，對于其它類型的數據，需要將其轉換成文本數據后，提交給分析器進行處理。Lucene在管理索引時，是通過索引文件管理的，在索引文件中既保存正向信息，也保存反向信息。

3.3.1 正向信息

在Lucene中，索引結構是一種層次結構。索引（index）由段（segment）組成，段由記錄（document）組成，記錄由域（field）組成，域由詞（term）組成。每個層次都保存了本層次的信息以及下一層次的元信息，也即屬性信息[6]，其結構如圖3所示。

3.3.2 反向信息

反向信息是索引文件的核心，記錄的是倒排索引表。倒排索引源于實際應用中根據屬性的值來查找記錄的方式。索引表中的每一項都包括一個屬性值和該屬性值記錄的地址。在Lucene中，索引表中的項是文檔單詞，其屬性是包含單詞的文檔號、在文檔中的出現頻次及位置，如圖4所示。反向信息主要包括倒排索引表中的詞典（Term Dictionary）和倒排表（Posting List）。

4 Lucene應用

Lucen提供了全文檢索框架，具備完整的查詢引擎和索引引擎，為數據訪問和管理提供了簡單的函數調用接口。在應用Lucene搭建全文檢索系統時，由于應用領域不同，需要進行二次開發，以擴展系統功能。

4.1 構建數據采集器

能被Lucene索引的數據是文本數據。實際應用中，待檢索數據有許多種格式和來源，例如：PDF文件、Word文件、XML文件，以及互聯網的網頁文件。在具體實施時，需要按照應用需求，對這些不同格式的文件分別進行處理，從中提取出純文本格式信息，并建立對應的Lucene文檔，再提交給索引管理器進行索引。

在處理PDF文件、Word文件等二進制文件時，可以借助第三方的接口和應用程序，對文件進行數據提取。例如在處理PDF文件時，可以使用PDFBox接口進行文件分析并提取數據；在處理Word文件時，可以使用JACOB、POI等從中提取數據等；在處理互聯網上的網頁時，可以通過網絡爬蟲等方式對網頁數據抓取，并使用網頁分析技術，先去掉其中的HTML標記，再提取網頁內容。

4.2 擴展分詞器

Lucene在org.apache.lucene.analysis中定義了接口，提供了可供應用系統使用的語言處理能力。Lucene默認已經實現了英文等語言的簡單詞法分析邏輯（按照空格分詞，并去除常用的語法詞，如英語中的is、am、are等）。但是，在具體應用時，由于每個語種的習慣和處理詞的方法差異較大，例如在漢語中詞語的分割與英語就有很大的不同。因此，使用Lucene提供的ChineseAnalyzer和CJKAnalyzer對中文分詞效果并不明顯，不能滿足系統對中文的分詞要求，此時可以采用analysis接口實現的方式，自定義分詞算法，以實現對中文的個性化分詞。

5 結語

Lucene本質上是一個信息檢索的類庫（Library），它具有高效、簡潔、易用的特點，在信息檢索中有著非常廣泛的應用。Lucene采用了倒排索引技術，實現了高效的索引管理和檢索。Lucene只以文本格式的數據作為索引對象，在實際應用中，可以開發針對各種不同類型數據的采集器，以擴展系統數據處理的廣度；可以在Lucene提供的分詞器基礎上，針對語言系統特點，開發新的分詞器，以擴展系統數據處理的深度。

參考文獻：

[1]劉東君.基于Lucene非結構化文檔全文檢索系統研究與實現[J].軟件導刊，2013，12（10）：100102.

[2]李永春.Lucene的全文檢索的研究與應用[J].計算機技術與發展，2010，20（2）：1215.

[3]李明宙.Lucene全文檢索引擎的結構機制與應用方式[J].廣西科學院學報，2012，26（4）：433435.

[4]周平.Lucene全文檢索引擎技術及應用[J].重慶工學院學報：自然科學版，2007，21（4）：8688.