短时交通流预测中的特征选择算法研究

短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于 ReliefF和 Delta Test的特征选择算法来对特征向量进行选择.首先使用 ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以 Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.     

均匀风量集中排烟隧道火灾烟气流动分析与足尺试验

隧道火灾集中排烟系统集纵向和横向排烟模式的优势,应用愈加广泛。然而在排烟过程中,大量烟气易从离风机较近的排烟阀排出,极大降低了排烟效率并浪费了能源,为解决此类问题提出均匀风量集中排烟模式的概念,通过调节排烟阀开启角度,使各排烟阀排烟量均匀一致,最大限度的将高温烟气由火源附近的排烟阀排出。基于质量、动量和能量守恒方程,以排烟道内烟流为控制体,建立均匀排烟模式下关于排烟阀流速、排烟量、排烟阀开启角度和排烟风机风压关系的理论预测模型并求出解析解;同时,以港珠澳大桥海底沉管隧道为原型,建立世界最大断面尺寸沉管试验隧道,开展足尺验证试验。研究结果表明：均匀风量排烟系统能够通过控制排烟阀开启角度平衡各排烟阀排烟量实现高效排烟的目的;提出火灾时应开启火源最近处排烟阀且在满足烟气流速限值的情况下,控制排烟阀开启数量,既能缩短烟气蔓延范围又能实现有效节能;均匀排烟模式下,各排烟阀排烟量均匀一致,排烟阀开启角度呈逐渐增大趋势,离火源越近排烟阀开启角度越小。最后,以10 MW火灾为例,通过足尺试验验证均匀风量集中排烟烟气运动理论模型的正确性。     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

隧道施工期超前预报地质雷达异常干扰识别及处理

受隧道施工复杂环境的影响,地质雷达在超前地质预报中经常遇到各种干扰信号,会对不良地质体探测和预报的准确性造成影响。采用现场实测的方法对隧道地质雷达探测过程中掌子面附近台车等金属物体、探测表面凹凸不平、电缆与输电线路、测线表面金属或非金属干扰物、探测区积水积泥以及底板测线附近金属物体等常见干扰因素进行分析,研究其在雷达处理图像上的表现特征与识别方法,并从相对介电常数取值、直达波拾取、天线移动、测线里程标记、增益调节和数据处理等方面讨论减少或消除干扰因素的措施。研究成果有利于提高地质雷达在隧道超前预报中的准确性,并对类似工程具有一定的参考和借鉴意义。     

基于主成分分析与BP 神经元网络的驾驶能耗组合预测模型研究

近年来交通领域能源消耗问题备受关注,本文从微观交通能耗预测出发,以实现北京市快速路基础路段的油耗预测为目的,基于出租车车载OBD/GPS终端,提取驾驶员微观驾驶行为数据,建立基于主成分分析与BP神经元网络的油耗组合预测模型,实现北京市快速路基础路段油耗的准确预测.结果表明：速度均值及标准差、最大车速、工况百分比、加速度及减速度均值、行驶距离和动能对油耗影响程度相对较高;同时模型能够实现城市快速路基础路段能耗的有效预测,预测精度达到92.46%.该方法的研究为城市交通能源消耗的监管与把控提供了支持.     

基于颗粒流离散元方法的行人动力学 模型及仿真研究

离散元方法是分析和求解复杂离散颗粒系统问题的一种高效力学数值模拟方 法,对于提高目前行人动力学模型中的求解效率,细致刻画行人运动中的力学关系具有 优势.本文利用颗粒接触理论中的软球模型描述行人的接触及挤压行为,以现有社会力模 型中的主观运动力作为外部输入,构建了基于颗粒流理论的行人运动模型,并在离散元 EDEM仿真平台上实现.通过对不同密度条件下行人运动行为及平均速度的仿真及统计, 对比实测数据,验证了模型的有效性;通过对比不同仿真平台的计算速度,验证了算法的 高效性.研究结果表明：模拟得到的行人流在不同密度下的行为符合现场观测,模拟所得 行人平均速度数据与实测数据基本吻合,所建模型具有较高计算效率.因此,基于颗粒流 理论的离散元方法能够实现对行人运动的模拟,且具有进一步的研究价值.     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

秦岭输水隧洞施工对黑河金盆水库的影响

秦岭输水隧洞出口端邻近黑河金盆水库,为缩短洞线长度,减小工程投资,在勘察设计阶段对下穿黑河金盆水库区的地质条件进行认真研究。在对地面大量调查基础上,采用钻探、物探、取样试验等综合勘察手段,运用定性分析与定量计算相结合的评价研究方法,详细分析秦岭输水隧洞通过区的工程地质、水文地质特征及隧洞施工对水库渗漏的影响程度。根据影响分析结果,研究提出相应的防止库水渗漏的隧洞施工建议。经施工实践证明,秦岭输水隧洞洞线方案选择经济合理、对库区及地下水环境的影响小,达到了预期的效果。     

基于小波分析和神经网络的网络流量预测

网络流量的准确预测对于提高网络服务质量与网络安全有很重要的作用.本文主要对流量序列进行小波分解和重构,并结合神经网络对网络流量进行预测,新的算法可以有效提高预测精度.通过分析神经网络及非线性预测模型的优劣,建立一个网络流量预测模型.同时利用实际采集的网络流量数据对模型进行仿真,证实该模型可以有效控制由各种因素导致的误差,从而提高网络流量的预测精度.     

软岩地层泥水盾构掘进刀盘堵塞现象研究

软岩地层(黏性矿物含量高)泥水盾构掘进刀盘堵塞现象(刀盘结泥饼)时有发生,不仅影响施工进度和质量,而且开舱处理风险较大,可能会导致人身伤亡或工程事故.为了探明刀盘堵塞现象及其影响因素,实现对刀盘堵塞的有效预防和治理,研发了一套软岩地层泥水盾构掘进模型试验装置.在自行设计、制作的模型试验平台上,选用以膨润土、高岭土、石英...