采用实测数据实时修正的机场跑道水膜厚度面域分布预估方法

为精准预估不同跑道状况与降雨条件下跑道水膜厚度的面域分布,基于二维浅水方程建立了水膜厚度面域分布数值模型,开发了基于格心型有限体积法和HLL(Harten, Lax and van Leer)格式近似Riemann解的数值求解算法;在此基础上,引入水膜厚度的实测数据,通过构造伴随方程,采用梯度下降法获取了实际降雨条件下的最优曼宁系数,从而动态修正了二维浅水方程的计算结果,精准预估了跑道水膜厚度面域分布;采用北京首都国际机场安全预警平台的水膜厚度实测数据和车载式LiDAR系统获取的路面高程数据,计算分析了曼宁系数更新间隔和高程空间采样间隔对模型求解效率和精度的影响,并采用实测数据验证了算法的准确性。研究结果表明：为满足水膜厚度实时监测需求,在综合考虑计算耗时与求解精度的条件下,曼宁系数的最优更新间隔为30～300 s,对于表面平整的道面,高程的最优空间采样间隔为0.1～0.5 m,对于存在车辙等病害的道面,高程的最优空间采样间隔为0.10～0.25 m;在真实降雨条件下,水膜厚度计算值与实测值的平均误差为0.13 mm,最大误差为0.76 mm,满足机场对水膜厚度的监测需求。由此可见,建...     

降雨对绿化边坡客土稳定性的影响

通过建立降雨条件下边坡客土的破坏模型，研究了边坡绿化过程中降雨对边坡客土稳定性的影响，分析表明，边坡客土的稳定性与降雨特征、边坡坡度、坡面特征、土体特性及土体厚度有较大关系．对于坡度较大的边坡，客土厚度不宜过大，以保持土体的稳定．     

沥青路面的雨天行车安全性分析

针对沥青路面的路表轮胎行车滑水,提出了行车的临界水膜厚度概念,利用动量定理进行了临界水膜厚度计算公式推导,计算了不同行车速度下的路表临界水膜厚度,经与国外的极限车速计算经验公式对比,验证了其可靠性,并以降雨的路表水膜厚度为依据,分析了以临界水膜厚度作为道路结构设计控制指标的行车安全性,提出了增加安全性的工程技术改善措施．     

地下水流衰退过程的数值解析

对降雨停止后渗透坡面的地下水流的衰退过程进行了数值解析计算，做出了间歇降雨所产生的地下水位的形状图．讨论了降雨方式、有效孔隙率、渗透系数以及斜坡地层的形状对地下水位衰退过程的影响．对于渗透坡面，仿真分析说明了降雨停止后，地下水的形状慢慢地滑落，地下水位减退．间歇降雨使坡面底端的水位上升导致小规模的滑坡从而引发大规模的滑坡．     

雨天沥青路面能见度影响因素分析

在降雨情况下，汽车行驶过程轮胎所溅起的水花极易形成水雾，前方能见度会显著下降，人体主观的识别距离也随之迅速减小，甚至出现对行车间距的错误判断，易造成交通事故，研究雨天沥青路面能见度影响因素意义重大.以米氏理论为基础，利用能见度的气象学定义，并采用MATLAB软件进行蒙特卡罗数值模拟，提出了用车速、水膜厚度和路面设计参数表征的能见度计算模型，进而对能见度影响因素进行了分析.结果表明：在雨天，沥青路面水膜厚度低于5.873 mm时，水雾引起的能见度会随车速和水膜厚度增加而不断减小；路面设计参数中，排水路径长度、路面构造深度与能见度呈正相关性；路面坡度与能见度呈负相关性；在水膜厚度为5.873 mm时能见度达到极小值；进一步提出了用降雨强度、路面构造深度、路面坡度、排水路径长度和车速表征的沥青路面能见度改进计算模型.     

道路表面水膜厚度理论计算模型分析

汽车在雨天行驶时,摩擦系数的降低与路表水膜厚度有关,水膜厚度越厚,抗滑性能降低得越多,甚至发生滑水现象.文章建立了基于坡面径流理论的路表水膜厚度的理论模型,推导出基本微分方程,并与英国的经验公式进行对比,能够反映出各因素对水膜厚度的影响.     

路面坡度对水膜厚度的影响分析

利用满宁公式,推导出水膜厚度的计算公式。通过水膜厚度公式,分别求出水膜厚度关于横坡和纵坡的偏导函数。根据所得偏导函数进行分析,得出结论:关于横坡坡度的偏导函数小于0恒成立,即水膜厚度随着横坡坡度的增大而减小;关于纵坡坡度的偏导函数大于0恒成立,即水膜厚度随着纵坡坡度的增大而增大;横坡与纵坡坡度的偏导函数绝对值之间的比值大于2槡2,即横坡坡度对水膜厚度的影响要大于纵坡坡度。     

考虑抗滑桩及挡土墙支护结构影响的降雨诱导边坡失稳模型试验研究

在无支护和有支护(加设抗滑桩及挡土墙)的条件下开展了降雨对边坡稳定性影响的模型试验研究。以实际工程边坡为原型,在常规重力1 g条件下设计了试验模型。试验结果表明:在有支挡结构条件下,降雨对坡体竖向和水平位移的影响均很小,表明支挡结构对边坡坡面位移的限制作用明显。通过比较降雨对坡面和内部位移的影响,发现坡面位移变化远大于内部位移变化,加设支挡结构以后坡体变形主要是雨水对坡面的冲刷造成的。     

路基压实黄土坡面降雨冲蚀试验研究

系统地进行了压实黄土路基边坡的7大因素变化条件下降雨冲刷试验研究，得出西安和甘肃压实黄土边坡降雨冲蚀强度经验公式、坡面最大冲刷强度的临界坡度等系列结论，对压实黄土路基坡面防护设计具有积极的指导作用．     

机械摊铺沥青混凝土路面平整度的控制

1前期技术准备 1．1准备良好的下承层 只有上道工序经过严格验收后，方可进行面层施工。基层平整度、横坡度等技术指标对面层有着至关重要的影响。基层如果标高不准，平整度不好，将使得油面摊铺厚度不等，碾压后表面就会出现不平整。横坡应是单向坡，防止产生复合横坡引起横向摊铺厚度的变化，影响摊铺厚度，平整度下降。     

大型干坞边坡变形及其神经网络预测模型

分析了影响干坞边坡变形的因素，包括土体强度、无护坡时间、放坡坡率、分层开挖数、分层开挖深度、开挖步长、降水深度和坡顶荷载，在此基础上并结合典型实测数据，建立了干坞边坡变形的神经网络预测模型，预测结果与实测结果一致。此外，还提出了放坡开挖边坡变形的警戒值、边坡变形判断模式及相应的控制措施。     

降雨入渗下裂土边坡水分运移时空特征与失稳机理

为探究降雨入渗下裂土边坡水分运移时空特征与失稳机理, 自主研制了足尺模型试验系统和光纤布拉格光栅(FBG)深部柔性位移系统, 对边坡渐进破坏进行了全过程、多物理量联合监测, 揭示了降雨入渗作用下裂土边坡的渐进变形和破坏演化模式; 基于裂土边坡的渐进破坏模式, 提出了土体饱和比概念, 将裂隙深度范围滑体分为饱和层和非饱和层; 以土体饱和度变化描述了含随机分布裂隙的边坡水分运移规律, 并结合刚体极限平衡法探讨了由裂隙控制的边坡失稳机制。研究结果表明: 对于未形成裂隙的边坡, 连续降小雨时浅层变形受表层基质吸力控制; 裂隙形成后, 雨水沿裂隙快速入渗形成暂态饱和区, 导致基质吸力降幅达82.50%~87.14%, 而由其贡献的抗剪强度迅速损失, 从而形成初期溜滑、片蚀等浅层变形, 降雨停止后坡体仍处于蠕变过程, 坡脚与坡顶位移增幅分别为23.40%和19.39%;蒸发后裂隙规模发展增大了雨水对渗流场的影响范围和边坡破坏规模; 土体经历胀缩、蠕变而变得松散, 裂缝区深部土体体积含水率较初始状态的增幅为205.7%;同一降雨条件下, 初始裂隙深度愈深, 稳定系数愈低, 破坏愈快; 对具有同一裂隙深度的边坡, 其稳定系数随土体饱和比的增加逐渐降低, 土体饱和比增长愈快, 表征边坡内部出现大面积连通型饱和区, 这是裂土边坡出现整体失稳的主要原因。      

基于BP网络的驾驶员黄昏空间距离判识规律

为研究黄昏时段行车时,驾驶员对空间距离判识随环境照度的变化规律,进行实际道路试验.选用32名男性驾驶员,在不同自然环境照度下,判识不同空间深度距离时红、绿色障碍物的绝对距离和相对距离.统计分析被试判识结果,分析距离判识差异,获得空间距离判识特征值.运用BP神经网络,模拟距离判识结果,分析距离判识变化规律.结果表明：红、绿色障碍物黄昏时距离判识差异显著,BP网络可以很好拟合距离判识变化规律.绝对距离和相对距离判识结果,均随环境照度降低而增加;判识距离随深度距离增加也增加,相对距离增加较小.     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率，以预测型诱导策略为基础，以排队长度作为交通诱导的约束条件，利用小波神经网络短时交通量预测预知路段堵死事件发生路段，通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定，进而建立广域诱导模型；对事件区域路网进行分区，进一步确定该模型诱导起点位置，引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法，通过流量迭代分配方法实现路网负载均衡. 通过实例验证，该诱导方法能有效地缓解道路交通拥堵，提高路网通行效率.     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明:GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。      

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

基于生成对抗网络的交通流参数实时估计模型

为有效调控道路网时空资源，需实时估计交通流参数。若要准确估计交通流参数，应详细考虑道路网交通流时空特征。本文基于生成对抗网络，提出一种能捕捉交通流时空特征的实时估计模型，即TSTGAN模型。该模型包括生成器和判别器两部分，生成器利用门控卷积神经网络 捕捉交通流的动态空间特征，使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征；采用门控卷积神经网络与长短期记忆神经网络构建判别器；通过对抗方式训练生成对抗网络的生成器与判别器，实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据，验证TSTGAN模型的可靠性。结果表 明，TSTGAN模型引入的时空模块能有效提取交通流的时空特征，所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%，证明所提TSTGAN模型可以提高交通 流参数的估计精度。     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

多车道高速公路超高过渡段积水分布数值模拟与规律分析

为了揭示多车道高速公路超高过渡段积水分布规律,基于流体动力学理论,选取典型多车道高速公路超高过渡段设计参数,利用道路BIM设计软件建立了40组三维道路模型;分析了路面积水量和排水设施径流量的关系,建立了考虑排水设施与路面构造深度影响的降雨模拟方案;采用离散相模型和多相流模型耦合,模拟了降雨条件下的路面积水状态;分析了不同组合参数下的超高过渡段积水厚度数据,得到了合成坡度、道路宽度、降雨强度与超高渐变率对积水厚度的影响模式,计算了各车道最大积水厚度,分析了六车道、八车道高速公路积水横向分布规律。研究结果表明:积水厚度与合成坡度、超高渐变率负相关,与降雨强度、道路宽度正相关,其中降雨强度对积水厚度的影响最大,超高渐变率对积水厚度的影响最小;合成坡度为2.02%~8.54%,降雨强度为1~5 mm·min-1时,多车道高速公路超高过渡段最小积水厚度为0.58 mm,最大达到28.35 mm;当降雨强度为5 mm·min-1时,高速公路超高过渡段内外侧车道最大积水厚度差异明显,六车道由内侧车道到外侧车道的最大积水厚度比例为1.0∶3.1∶3.3,八车道为1.00∶0.96∶1.03∶1.36;多车道高速公路超高过渡段积水厚度峰值先出现在道路中间附近,然后向外侧移动,最大积水厚度一般出现在外侧车道。