线路客流预测分析与运营组织设计

从运营需要出发,提出客流预测的年限和内容;通过对客流量级的阐述,分析客流预测三级数据,确定运营的规模;根据OD(起讫点)客流分析来研究行车交路,做出满载率和拥挤度的评价;最终确定车辆编组与行车密度的合理组合,形成系统全面的技术方案,使客流预测更好地为运营组织服务.     

城市轨道交通中压网络供电分区的划分

以主变电所集中供电的中压网络为基础,从建设、运营经济性、过补偿和继电保护设置配合方面,分析供电分区划分应考虑的问题;网络构成及供电分区的划分位置应考虑与运行交路的结合,最大限度地满足车辆的运行,不因网络局部故障造成全线车辆停运.供电分区的划分在满足规范要求电压损失的前提下,尽可能减少供电分区的数量,以使工程具有较好的经济性.提出在满足继电保护要求等的前提下,线路电压损失要求是中压网络供电分区划分从建设和运营经济性考虑的合理结合点.     

城市群双线客流分布预测方法研究

鉴于城市群客流预测在城市群轨道交通规划中的重要性,为提高其预测精度,对城市群客流预测中的分布预测方法进行研究.分析现实能够收集到的资料及城市群交通分布的特点,提出城市群双线分布预测方法.在城市群资料有限的情况下,研究如何得到城市群分布的预测结果;阐述分布预测的计算方法,建立相关的计算模型,对几种常用的分布预测模型进行优缺点及适用性分析.     

地铁牵引供电框架保护及功能性改造

针对广州地铁1号线不能远程区分框架保护类型和不能远程复归的状况,结合西门子S5系列PLC技术、SINAUT技术、牵引供电技术,对框架保护进行功能性改造,大大减少了框架保护故障的处理时间.改造技术方案主要通过研究数据的传递方式、协议转换、控制逻辑关系,修改组态软件、监控程序、接口程序、PLC程序的方式来实现.     

基于显示屏EMC防护在汽车座舱控制系统研究

随着电子科技技术的进步及更新,传统意义上机械式操作的汽车音响,空调,仪表已经被越来越多的电子化产品所覆盖。在不断的电子技术变更过程中,对于各种电控产品的EMC要求也不断提高。基于此本文对于汽车音响,仪表等有TFT显示部分EMC的防护措施进行分析,并且围绕汽车音响显示屏部分EMC为中心诠释综合系统设计理念。提高汽车座舱控制系统的抗干扰能力及防护能力。     

硬咬合桩在含承压水复杂软土地层中的应用

通过上海某水厂基坑的咬合桩围护施工,分析了在含承压水的复杂软土地层中采用全套管全回转钻机进行硬切割成孔的咬合式排桩施工易出现的问题,以及采用的相应施工措施和施工要点,保证了工程的施工质量,为以后类似工程施工提供借鉴和参考.     

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。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

长江中游生态护岸工程的岸坡植被分布特征研究

近年来长江中游河道治理和航道整治工程中采用大量的生态护岸技术,且取得较大生态效益,但是经过现场调查发现在生态护岸岸坡存在一条明显的青黄线。针对此问题,以长江中游航道整治工程新厂护岸工程和桃花洲护岸工程为例,以青黄线为界将岸坡分为青绿带和青黄带,分析岸坡上青绿带和青黄带狗牙根分布特征及其形成的原因,并通过统计水位累计频率曲线,确定断面设计控制高程。结果表明,青黄线高程与三峡蓄水调度密切相关;累计频率为45%和80%对应的高程为生态护岸断面设计控制高程。