客运枢纽"人群迷路区"的快速识别与优化 ——以北京南站为例

为缓解大型客运枢纽因诱导服务不到位而产生的人流拥堵问题，采用室内WiFi 定位技术和Mysql获取行人交通流分布热力图，通过百度地图坐标拾取系统识别人流聚集区的具体位置。通过定义迷路人群的交通特征参数，提出“人群迷路区”概念；应用视频识别追踪技术，分析行人速度与加速度的方差，于人流密集区运用视频识别技术寻找“人群迷路区”。最后以北京南站为例进行实地调研，利用调研数据识别北京南站的“人群迷路区”。基于人群速度与加速度方差，“人群迷路区”被分为四类：单纯人流聚集区、因标识不足而产生的人群迷路区、因标识过于复杂而产生的人群迷路区、因商业设施或障碍物遮挡而产生的人群迷路区。同时提出加大商业活动监管力度、简化部分引导标识、增加其他交通方式换乘区域标识等优化方法，可使人群行进效率提高约25%。     

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。     

基于有限混合零截尾事故预测模型的事故多发段判别方法

为了准确判别事故多发段,有针对性地提出安全应对措施以提升道路交通的安全水平,针对零值缺失交通事故数据并考虑其异质性特点,在单零截尾负二项(ZTNB)模型的基础上建立有限混合零截尾事故预测模型(FMZTNB)。应用R软件对单零截尾负二项模型中的参数进行估计,采用马尔科夫链蒙特卡洛算法(MCMC)对FMZTNB预测模型参数进行求解,并采用Gelman-Rubin收敛统计量对抽样结果进行检查。选择事故风险水平分别为低、中和高的9个路段,分别用2种模型对交通事故次数进行预测。综合观测到的事故次数和相应的事故预测模型结果,采用经验贝叶斯方法对事故相对多发段进行判别。最后采用事故次数一致性检验、判别点段一致性检验和排序一致性检验3种检验方式对判别结果对比分析。结果表明:基于事故率的事故相对多发段判别方法存在较大的不一致性,基于零截尾负二项预测模型的路段事故相对多发判别结果明显优于基于传统负二项预测模型的结果。整体上,基于有限混合零截尾事故预测模型的事故相对多发路段的判别结果高于基于单零截尾负二项分布模型的判别结果。     

探地雷达技术在高速公路病害检测中的应用

提出采用探地雷达的无损检测技术对运营高速公路中常见病害进行检测。从分析探地雷达检测原理、检测方式入手,通过应用实例说明探地雷达检测技术具有无损、快速、简易、准确率高的优点。因此,作为高速公路预防性养护的常用技术,该法对正确指导日常养护管理具有广阔的应用前景。     

主动磁轴承的神经网络辨识研究

简述了主动磁轴承的工作原理及数学模型,在传统系统辨识的基础上提出了基于BP神经网络的非线性辨识方案.通过闭环控制使转子稳定悬浮,并在控制器的输出信号中加入随机噪声,以使系统被充分激励.按照10 kHz的采样频率对磁轴承的I/O数据进行采样,以用于磁轴承特性的辨识.对某单自由度磁轴承的仿真表明,神经网络模型能够以很高的精度逼近磁轴承的输入输出数据,且对不同的输入信号有较好的泛化能力,验证了所提方案的有效性.     

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．     

甘肃省公路地质灾害区划指标体系研究

采用定性与定量相结合的方法,基于GIS技术建立甘肃省公路地质灾害区划指标体系.首先以公路地质灾害的孕灾环境和自然灾害类型两个定性指标进行一级分,然后通过公路地质灾害群聚程度指数和发育强度指数两个定量指标,计算公路地质灾害综合灾度指数,依次进行二级分区.最后将甘肃省公路地质灾害分为4个一级区、20个亚区,并详细给出了各亚区的范围、灾害类型及危害程度.     

Regularization Method to the Parameter Identification of Interfacial Heat Transfer Coefficient and Properties during Casting Solidification

The accurate material physical properties, initial and boundary conditions are indispensable to the numerical simulation in the casting process, and they are related to the simulation accuracy directly. The inverse heat conduction method can be used to identify the mentioned above parameters based on the temperature measurement data. This paper presented a new inverse method according to Tikhonov regularization theory. A regularization functional was established and the regularization parameter was deduced, the Newton-Raphson iteration method was used to solve the equations. One detailed case was solved to identify the thermal conductivity and specific heat of sand mold and interfacial heat transfer coefficient (IHTC) at the meantime. This indicates that the regularization method is very efficient in decreasing the sensitivity to the temperature measurement data, overcoming the ill-posedness of the inverse heat conduction problem (IHCP) and improving the stability and accuracy of the results. As a general inverse method, it can be used to identify not only the material physical properties but also the initial and boundary conditions' parameters.     

预应力锚索在高边坡病害治理中的应用

贵州三凯高速公路一处60多米的高边坡因地质原因发生坍塌,对病害采用了预应力锚索系统进行综合治理,取得了良好的工程效果。结合工程实践,文中介绍了预应力锚索的施工工艺及机具材料,以及施工中所遇到的困难及处理措施,可供类似工程参考。     

On-line detecting of transformer winding deformation based on parameter identification of leakage inductance

Transformers are required to demonstrate the ability to withstand short circuit currents. Over currents caused by short circuit can give rise to windings deformation. In this paper, a novel method is proposed to monitor the state of transformer windings, which is achieved through on-line detecting the leakage inductance of the windings. Specifically, the mathematical model is established for on-line identifying the leakage inductance of the windings by applying least square algorithm （LSA） to the equivalent circuit equations. The effect of measurement and model inaccuracy on the identification error is analyzed, and the corrected model is also given to decrease these adverse effect on the results. Finally, dynamic test is carried out to verify our method. The test results clearly show that our method is very accurate even under the fluctuation of load or power factor. Therefore, our method can be effectively used to on-line detect the windings deformation.