全面推广地铁隧道预埋槽道技术——专访广州地铁设计院副总工程师邓剑荣

当前,在地铁隧道的施工中,预埋槽道技术已经逐渐得到了业内的关注,但目前国内并没有地铁线路真正实现全线路预埋施工。据了解,深圳地铁9号线已经确定全线使用预埋槽道技术,预计到2015年3月底,深圳地铁9号线隧道管片施工将全部完工,届时,深圳地铁9号线将成为全国第一条全线路采用预埋槽道技术的线路。而这对中国地铁建设水平来说,将是一个里程碑。     

重载铁路再添科技之翼 实现朔黄铁路强企梦

最近,“十二五”国家科技支撑计划“轴重30吨以上煤炭运输重载铁路关键技术与核心装备研制”项目子课题——重载铁路30吨轴重实车综合试验,在朔黄铁路公司管内北大牛站·回凤站区间,历经数月的前期准备和22天的现场试验,取得圆满成功,这在我国既有铁路运营线上尚属首次。     

江汉飞巨龙——武汉至宜昌铁路概览

合理定位 位于沪汉蓉快速铁路客运通道中部的汉宜铁路,在通道中起着承东启西的作用,因此在功能定位和建设标准上既要与沪汉蓉铁路通道总体规划相适应,又要与通道整体功能相协调,并与相邻合武线、宜万线形成良好的匹配.     

中国国际模具、制造应用设备展览会将于6月在上海举行

DMC 2013中国国际模具、制造应用设备及相关工业展览会将于6月18日在上海举行。来自德国、瑞士、美国、日本、韩国等15个国家和地区的众多国内外精密制造设备厂家将展示新产品。德国EOS、Breuckmann、盈丰、先临三维、雷尼绍等企业也带来新的快速成形设备、材料和技术。国际3D打印两大企业3Dsystem公司和     

重载列车同步控制下纵向力仿真研究

列车纵向力成为评价重载列车同步控制性能的一个重要指标,为对其进行研究,建立了列车纵向动力学数学模型,通过Matlab/Simulink设计仿真模型,计算不同编组和不同工况下万吨列车的纵向力,并与试验数据进行比对来验证该仿真模型的可行性,同时也验证了同步控制的组合列车比传统编组方式列车在纵向动力学性能上更具优越性,为进一步分析和优化列车同步控制提供仿真平台和理论依据.     

中国铁路机车车辆装备技术发展及展望

介绍“和谐号”大功率机车、CRH系列动车组、70t级通用货车和80t运煤专用敞车及其关键零部件的技术特征.结合国外铁路行业发展现状,对我国机车车辆装备技术的发展方向进行了展望.指出机车车辆装备应在重载、快捷、环保和智能化等方面实现进一步创新,以满足我国铁路发展对运输设备技术水平的新要求.     

《地铁设计规范》问与答(17)

在大城市优先发展公共交通,以大容量、快速轨道交通为骨干解决市中心区交通拥堵是治本之策。建设轨道交通投资巨大,为建设节约型轨道交通,应研究制式选择是地铁、轻轨还是市郊线、敷设方式是地下线还是高架线和建设时序问题。只有超前规划好这些问题,安排建设时机．才能使有限的资金用在刀刃上．才能使轨道交通的建设对解决交通拥堵和引导城市发展起到实质性的作用。[第一段]     

奔驰eActros纯电动卡车首秀,续航里程可达400 km

2021年6月30日,戴姆勒卡车旗下量产梅赛德斯-奔驰e Actros纯电动卡车全球首秀,该车型主要用于中短途重载运输。作为首款星辉闪耀的量产纯电动卡车,e Actros标志着梅赛德斯-奔驰卡车积极拥抱新时代,致力于实现碳中和公路运输的雄心。e Actros纯电动卡车标准版预计将于2021年秋季在德国沃尔特工厂下线。量产车型的研发融入了"e Actros创新车队"的调研成果和客户反馈,而该创新车队自2018年起就开始不断积累经验、收集反馈。     

关于济南市城市快速路建设的思考

针对如何处理好济南市新建快速路和既有快速路的系统整合,充分发挥路网效能问题,对济南市快速路网建设进行了梳理,对现状快速路网结构及运行问题进行了分析.在此基础上,提出了快速路网系统改善策略,从快速路网结构优化、现状快速匝道功能完善的角度,阐述了具体优化方案,并对方案效果进行了评估.评估认为,优化方案可基本实现快速路体系规划设想,快速路出入口优化设置后,均能满足规范要求.     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。