BFRPC与预应力钢绞线黏结-滑移本构模型

预应力钢绞线与玄武岩纤维活性粉末混凝土BFRPC(Basalt Fiber Reactive Powder Concrete)之间的黏结性能，对预应力BFRPC桥梁结构的抗弯承载力、裂缝控制、刚度等性能具有显著影响。为了明晰预应力钢绞线与BFRPC之间的黏结-滑移失效过程，通过中心拉拔试验研究了钢绞线直径和黏结长度对预应力钢绞线与BFRPC之间黏结性能的影响。深入探讨了黏结应力-滑移曲线特征、黏结强度及影响因素；建立了BFRPC与预应力钢绞线的分段式双线型线性黏结应力-滑移本构关系模型；综合考虑钢绞线螺旋缠绕特征与旋转滑移失效模式，修正了预应力钢绞线与BFRPC的极限黏结强度计算模型。研究结果表明：对于相同直径的预应力钢绞线，黏结长度每增加100 mm,初始黏结应力下降15%～18%,极限黏结应力下降20%～23%;泊松效应会削弱混凝土和钢绞线之间的握裹力，使得黏结强度与钢绞线直径成反比；钢绞线与BFRPC的黏结-滑移本构关系模型可有效区分拉拔损伤的线性段和滑移段；建立的极限黏结强度修正模型精度良好，误差控制在理论计算控制线两侧±8%以内。     

基于猎人猎物优化与双向长短时记忆组合模型的汽车出车率预测

汽车出车率预测对于交通管理者预先制定精准化管控方案、实施协调化统筹调度，以及调控汽车保有量规模具有重要意义。为此，本文提出一种基于猎人猎物优化算法与双向长短时记忆神经网络组合模型(HPO-BiLSTM)的汽车出车率预测方法。首先，分析汽车出车率的关键影响因素，提取出17个特征影响因子，结合标准化处理后的重构时间序列，基于随机森林算法进行变量的重要度评估，筛选出最优特征集合作为预测模型输入；其次，为解决神经网络算法容易陷入局部极值的难题，建立一种融合猎人猎物优化算法(HPO)与双向长短时记忆神经网络(BiLSTM)的组合预测模型，利用HPO的探索-开发机制，实现BiLSTM框架的动态化搭建与精细化调参；最后，结合北京市中心城区的汽车出车率数据集进行模型性能的测试与检验。结果表明：与自回归差分移动平均模型、灰色模型、卷积神经网络模型、长短时记忆神经网络模型以及双向长短时记忆神经网络模型等经典算法相比，HPO-BiLSTM模型在汽车出车率预测中的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了23.85%～54.38%、20.67%～57.40%、27...     

考虑多前车作用势的混行交通流车辆跟驰模型

基于自动驾驶车辆(AV)和常规人驾车辆(RV)混合行驶的情况，在全速度差(FVD)模型的基础上考虑了多前车和一辆后车的车头间距、速度、速度差、加速度差等因素，建立了适用于AV和RV 2种车辆的混行车辆跟驰模型；引入分子动力学理论定量化表达了周围车辆对主体车辆的影响程度；利用RV和AV混行场景跟车数据，以模型拟合精度最高为目标，对所有参数遍历寻优，进行标定；对比分析了混行车辆跟驰模型和FVD模型控制下交通流的稳定性，解析了车速对交通流稳定性的影响；设计了数值仿真试验，模拟了城市道路和高速公路2种常见场景，分析了混行车辆跟驰模型的拟合精度。研究结果表明:考虑周围多车信息有利于提高交通流的稳定性；车辆速度越低交通流稳定性越差；考虑多车信息的分子动力学混行车辆跟驰模型可以提前获得整个车队的运行趋势，更好地模拟AV的动力学特征；与FVD模型相比，在城市道路条件下混行车辆跟驰模型中的RV平均最大误差与平均误差分别减小了0.18 m·s-1和13.12%，拟合精度提高了4.47%；与PATH实验室的ACC模型相比，在高速公路条件下混行车辆跟驰模型中的AV平均最大误差和平均误差分别减小了7.78%和26.79%，拟合精度提高了1.21%。可见，该模型可用于混行环境下AV的跟驰控制与队列控制，以及AV和RV的跟驰仿真。      

专用道条件下电动公交线路静态无线充电设施布局优化

为了减少电动公交线路静态无线充电设施的布设成本，从而提高时间控制点的有效利用率，提出了考虑时间控制点影响的静态无线充电设施布局优化方法。首先建立电动公交车运行状态表达模型，提出乘客出行时间成本增加量计算方法；随后在总松弛时间、电池剩余电量、准点率的约束下，将每个站点是否布设静态无线充电设施、是否设置为时间控制点以及对应的松弛时间作为优化变量，将充电设施总布设成本与乘客出行时间成本增加量最小以及站点有效利用率最大作为优化目标，建立专用道条件下静态无线充电设施布局优化模型，并采用嵌入随机模拟技术的麻雀搜索优化算法进行求解；最后以一条实际线路为例进行案例分析，并对电池容量、充电功率进行敏感性分析。研究结果表明：在满足不同班次电量需求的前提下，充电设施的总布设成本、乘客出行时间成本增加量随着电池容量或者静态无线充电功率的增加而减少，且充电设施的总布设成本呈阶梯形状变化。