城轨直流牵引供电系统短路试验

阐述直流牵引供电系统短路试验的目的和意义。结合实际工程直流牵引供电系统短路试验,介绍短路点的选取、对地短路短接方式等重要的试验程序和试验方法。对实际短路情况的数据结果进行分析,为直流牵引供电系统短路试验的进一步研究提供参考。     

现代有轨电车无砟轨道的路基设计探讨

现代有轨电车无砟轨道路基与传统的有砟轨道路基、客运专线无砟轨道路基相比,有一定的差别。结合工程设计经验,从路基面、基床厚度及填料要求、沉降要求、排水方面对现代有轨电车路基设计进行分析与论述,对无砟轨道路基结构进行计算分析,量化基床厚度、基床表层厚度、基床底层厚等技术指标,可为其他新建有轨电车工程设计提供参考。     

基于可靠度的斜坡软弱地基路堤稳定性极限平衡法分析

通常以确定性分析获得的稳定安全系数作为评价斜坡软弱地基路堤稳定性的指标,忽略实际工程中诸多不确定性因素,无法真实全面反映斜坡软弱地基路堤的稳定性。基于垂直条分极限平衡法Slide软件平台,运用全局最小可靠度分析方法,综合分析路堤和斜坡软弱层土体参数、地下水位、路堤顶部张拉裂缝水分充填量、微型桩纵向桩距和抗剪强度及水平向地震荷载等因素的变异性对斜坡软弱地基路堤稳定性的影响,讨论这些随机变量的敏感性,阐释了室内斜坡软弱地基路堤与水平软弱地基路堤土工离心模型试验现象差异性的机理。使用可靠度能更客观地反映斜坡软弱地基路堤的安全性;可根据各因素对斜坡软弱地基路堤稳定性影响敏感性的正负、强弱采取相应合理工程对策。     

刚构-连续梁桥船撞桥墩最不利位置及安全性评价

以湘府路湘江大桥(65+5×120+65)m刚构-连续梁桥为工程背景,采用2种方法研究了桥墩在纵横向船舶撞击力作用下的墩身弯矩随船舶撞击高度的变化规律,以确定船撞桥墩的最不利位置。方法一采用简化计算模型进行桥墩弯矩公式推导,方法二采用Midas Civil建立空间有限元仿真全桥模型进行墩身弯矩计算。计算结果表明:有限元仿真全桥模型计算得出的墩身弯矩与简化计算模型推导出的结论是一致的,在船撞力作用下整个桥墩中墩底弯矩最大,且墩底弯矩随着船撞力作用点的升高而增大;简化计算模型中采用了若干简化处理,在进行桥梁船撞安全性评价时宜采用有限元仿真全桥模型计算。本文结果对桥墩设计与船撞安全评价具有一定的指导意义,并在此基础上对此刚构—连续梁桥船撞桥墩安全性进行了评价。     

地铁双层车辆段信号设备布置和工程配合研究

针对地铁双层车辆段的土建工程特点,通过对出段列车运行能力的分析,提出适应双层车辆段特点和运营需求的信号设备平面布置以及信号工程实施的配合措施,可为今后双层车辆段的信号工程设计提供参考和借鉴。     

我国首次采用的高架车场及综合维修基地一武汉市轨道交通1号线一期工程石乔 口路车场

武汉市轨道交通1号线一期工程的硚口路车场及综合维修基地是我国目前城市轨道交通车场设计中首次采用的高架车场。设计人员在建筑、结构、工艺等的设计中克服了没有相适应的设计规范和用地面积狭小等特殊环境产生的困难,提出了较合理的布局、在列车荷载作用下房屋结构的荷载计算办法、减振降噪措施,以及对车场轨道布置采取的对策。     

基于层次分析法的拉萨市交通安全评价模型研究

随着拉萨市经济水平的发展,城市道路交通安全变成了人们较为重视的社会问题。为改善道路交通安全现状,本文将从人为、车辆、道路和环境四个评价指标,采用层次分析法构建交通安全评价模型,对拉萨市交通安全进行评价分析,为城市道路交通安全提供参考依据。     

浅谈现状城市道路改造交通疏解

道路改扩建工程施工存在工期周期长短、投资规模、人员流动等特点的影响,在施工过程中存在一系列的交通安全及市民出行便利问题,因而施工现场的交通疏解就变得尤为重要.结合深圳市桥和路及富桥大道综合整治工程为例,对城市道路改建时的交通疏解方案进行研究,希望解决城市道路改造现场对交通安全和市民出行便利程度等影响方面产生良好的作用.     

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。