横向非对称钢拱桥设计及BIM应用

随着交通行业的发展,跨径大、复杂程度高的桥梁越来越经常被采用,BIM技术在此类工程中的应用越来越广泛.针对一座非对称钢拱桥的设计要点进行梳理,从设计角度概述此类桥梁的设计流程和设计难点,并采用BIM三维技术参与协同设计,论述BIM技术在设计过程中发挥的作用及价值.     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

桩基非对称局部冲刷条件下土体应力变化解析解

传统桩基局部冲刷坑模型主要采用对称形态的坑体来分析,然而实际问题中局部冲刷坑体常为非对称,这使得桩基处于更不利的状态。评价桩基承载力的关键之一是合理计算冲刷坑造成的土体应力状态变化。而对于桩周形成非对称冲刷坑时土体应力变化,目前仍然没有较为完善和严格的理论分析方法。针对该问题,根据已有试验得到的非对称局部冲刷坑形态,提出非对称冲刷坑内土体应力计算的平面应变简化模型;并基于弗拉曼解在半无限空间中的应用,将冲刷坑以上土体看做荷载并引起土体内应力重分布,得到非对称冲刷坑下土体应力分布计算的平面应变解析解。通过有限元中的"生死单元法"模拟非对称局部冲刷坑的形成过程,并将有限元得到的冲刷坑内土体应力结果与解析解计算结果进行对比,验证解析解的正确性。随后基于该方法考虑桩尺寸的影响,得到非对称局部冲刷坑形成后桩周土体的垂直及水平有效应力计算方法,并与有限元计算结果进行了对比。结果表明：在考虑桩尺寸时,解析解计算结果略保守。在此基础之上,对非对称冲刷坑参数的敏感性进行分析,指出桩上、下游侧冲刷深度差值对桩周土体的应力影响较大,得到了非对称冲刷坑下桩周土体的垂直有效应力及水平有效应力差的变化规律,研究结果可为工程设计提供参考。     

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。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

现代有轨电车合理站间距研究

现代有轨电车在组团式城市有着良好的区域适用性。通过分析现代有轨电车车站分布对吸引客流、乘客出行时间、工程造价和项目运营的影响,为站点布设提供理论基础。以运营效率最优兼顾乘客节约出行时间效益为目标,从车站工程费用、运营费用(车辆购置费)、运营收入(车费收入)和乘客节约出行时间效益4个部分建立有轨电车站间距优化模型;并用Matlab编程求解,结合成都市IT大道现代有轨电车工程的相关资料,对模型进行实证分析。结果表明:现代有轨电车能实现70 km/h速度的最小站间距为0.631 km,一般现代有轨电车的合理站间距为0.5~0.9 km;该优化模型计算结果与工程实际吻合度较高,可以为现代有轨电车车站分布提供借鉴和参考。     

超重货物作用下的铁路轨道路基响应机理研究

为研究超重货物作用下轨道路基动态响应机理,基于有限元软件ANSYS建立轨道-路基三维有限元模型,分析轨道路基在超重货物作用下的应力分布和位移变形规律,并与现有设计规范进行比较。研究结果表明:超重货物作用下,钢轨和轨枕均满足运输要求,道床应力达637.72 k Pa,超出碎石道床容许值,路基基床局部受力达202.33 k Pa。超重货物运输过后,会对既有轨道结构造成一定的损伤,因此要进行必要的养护维修以满足其他车辆的安全运营。研究结果可为以后超重货物的安全运营和重载铁路的养护维修提供一定的参考。     

广州三条城际铁路线的客流特征分析

城际铁路是珠三角城市群内部互联互通的重要通道,实现了广州与周边城市的快速联系。通过对比研究了广深、广珠和广佛肇等3条城际铁路线的客运总量、空间分布、时间分布及客流成长等特征,为国内其他城市群发展城际铁路提供借鉴。     

包海通道西安至安康高速铁路运输需求分析

研究国家高速铁路网包海通道西安至安康高速铁路的运输需求,可为本线主要技术标准、运输组织和建设方案的确定提供决策依据。首先通过旅客运输径路比较分析,确定本线主要承担我国蒙西、陕北、山西、北京、东北地区、关中地区与陕南、西南、广西、海南等地的旅客交流,兼顾陕南重镇安康等与关中城市群、陕北地区的城际客流,其次基于"四阶段法"基本原理,对区域铁路客运量进行分配预测,并按照趋势运量、转移运量、诱增运量进一步分析本线客流密度,最后研究本线客流构成、所在通道的综合交通方式结构,并综合确定本线客车开行方案。