预制拼装阀门井在泵站改造工程中的应用

针对泵站改造工程中地下构筑物多、管线复杂、工期紧等情况,通过有限元分析后在关键节点防汛阀门井上成功应用预制拼装钢筋混凝土结构,在提高施工质量的基础上大大缩短了工期,同时建立了BIM模型并利用模型进行了经济分析等深度应用,为预制拼装的推广和BIM模型的深度应用积累了宝贵经验。     

《隧道建设》征稿简则

1)本刊主要报道内容:隧道与地下工程及其相关领域研究成果和先进技术;相关专业工程设计、施工、管理、科研等方面的新成果、新方法、新经验和工程实录;相关领域的国内外科技信息、行业动态等。刊登内容以实用技术为主,兼顾试验、     

基于人工智能前沿技术的交通事件视频检测系统

本文综述了基于视频分析的高速公路事件检测系统的发展历程、传统技术方法存在的问题后,分析了人工智能领域深度学习等新算法与技术在此领域的应用情况,并对未来发展趋势做出展望。     

水流流向对圆柱群阻力特性影响研究

为解决工程实际中桩群码头的水流绕流阻力计算问题,以指导涉及桩群的物理模型试验和数值模拟计算等工作,在归纳总结已有的研究成果的基础上,通过先进的数显式测力设备和悬浮测力法对有限深度均匀水流中,不同水流流向对圆柱群绕流阻力影响的测试研究,得出迎流角对圆柱桩群阻力的影响规律,并得出圆柱桩群阻力的迎流角影响系数和其经验公式,并进一步归纳总结出迎流角度为θ的矩形排列圆柱桩群的总阻力计算经验公式;并通过试验测试得到了良好的验证,证实了这些研究规律和公式的正确性和可靠性.该研究成果进一步完善和发展了有限深度均匀水流中,水流流向对圆柱群绕流阻力影响特性规律,并指出该研究的工程意义与价值.     

2009年车用柴油机市场分析及2010年预测——中国车用柴油机行业发展动态深度分析年报

由于柴油机得天独厚的节油性能、优良的可靠性和比汽油机几乎长一倍的使用寿命，故在重、中型卡车上几乎全部采用柴油机，在轻型卡车和客车上也多半采用柴油机。因此在商用车行业有句名言，“赢柴油机者赢天下”。2009年．在政府经济刺激政策和《汽车产业调整和振兴规划》出台等多重利好因素的带动下，中国汽车市场出现了46．15％的销量暴涨，并首次超越美国成为世界第一大汽车产销国。     

驶向极致驾趣 邓禄普SP SPORT MAXX TT

很多人初识邓禄普轮胎,都是在接触高性能进口车的时候。那些车上一水儿的邓禄普高端运动系列轮胎——SP SPORT MAXX,令他们深刻领会了这个轮胎品牌的运动传统。在《汽车与运动》举办的2010年度驾趣轮胎评选上,标配于许多高性能进口车上的邓禄普SP SPORT MAXX轮胎,凭借单导向对称花纹获得了最具驾趣湿地轮胎的称号。两年多之后,我们迎     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

光线强弱对数字图像计算构造深度的影响研究

选取普通水泥混凝土路面、普通拉毛水泥混凝土路面、大孔隙改性水泥混凝土路面三种路面结构类型，分别在晴天和阴天两种光线条件下拍摄数字图像照片，运用MATLAB数字图像技术将路面表面图像像素值量化，通过最小二乘法原理和Tablecurve 3D软件建立曲面拟合模型，提出基于数字图像处理技术的路面表面构造深度计算方法，并分析光线强弱对数字图像构造深度的影响。结果表明:路面表面数字图像构造深度计算方法具有便捷、快速、客观等优点；光线强弱对运用数字图像技术分析路面表面构造深度的影响可以忽略；三种路面结构类型相比，大孔隙改性水泥混凝土路面数字图像表面构造深度最大，具有良好的抗滑性能和排水功能。