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%。     

双闭环控制对Buck类变换器动态响应的影响

Buck类变换器最基本的控制方式包括单电压闭环控制以及电压电流双闭环控制。相较于单电压闭环控制,基于输出电压外环、电感电流内环的双闭环控制方式具有稳态性能好、动态响应速度快、抗干扰能力强等优势。本文从阻抗的角度揭示闭环控制对Buck类变换器动态响应特性的影响机理,并进行了比较分析。最后,通过仿真验证了本文提出的阻抗分析法的正确性。     

列车网络控制系统时延特性研究

针对列车网络控制系统在列车运行中产生的时延问题,通过搭建列车网络控制系统时延测试模拟平台,研究列车通信过程中控制系统的时延特性。根据时延特性分析出TCN网络各子系统的时延影响因素。重点研究任务周期与源端口特征周期对网络控制系统时延的影响。利用TCN网络分析仪测出系统时延,结合所得数据归纳出系统时延的变化规律。通过分析任务周期与特征周期的匹配关系对系统时延的影响,获得减少时延抖动的方法,达到减小网络控制系统时延的目的。     

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。     

虎跳峡地区绿泥石化片理状玄武岩工程特性分析

虎跳峡地区的玄武岩经历了复杂的地质作用,岩石的矿物、结构发生了改变,表现出特有的微观地质特征和工程特性。在野外调查、室内及现场原位试验基础上,结合丽江至香格里拉铁路的工程实践,对岩石的矿物组成及化学成分、物理力学性质进行分析。结果表明:绿泥石化片理状玄武岩是热液蚀变及区域变质作用的产物,岩石呈鳞片变晶结构,原生矿物为绿泥石、绿帘石、绢云母等矿物取代,具有软化系数低,饱水系数高,抗风化能力弱等特点。在构造、风化及卸荷作用下,易出现软岩大变形、边坡失稳等地质问题。研究成果为工程方案的选择和措施的设置提供科学依据,对滇西北玄武岩区铁路及公路工程的勘察设计具有指导意义。     

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。     

地铁列车激励下岩石场地振动传递特性测试分析

为分析地铁列车运行引起岩石场地振动传递特性,选取青岛某地铁线路区间,对正常运营的地铁引起隧道及地面垂向振动进行同步测试分析。结果表明:1)隧道与地面振动主要集中在50~200 Hz,隧道200 Hz处的振动最为显著,地面60~80 Hz的振动最为显著。地面距离隧道中心线90 m范围内,振动呈波动衰减,在距离隧道中心线30 m与75 m处,存在2个振动放大区,相对于其前一测点,均在8~25 Hz与60~80 Hz频段有所放大;2)隧道壁至地面振动传递损失曲线均近似呈V型分布,高频段振动传递损失较低频段大,传递损失基本在20~25 Hz附近最小,大部分测点在此频段传递损失出现负值,说明此频段附近振动加速度从隧道壁传递至地面有放大现象;3)地铁列车运行引起青岛岩石场地振动传递特性与其他场地类别相比有相似性也有差异性,测试结果可为青岛地铁后期线路规划对地面环境振动影响提供参考。     

西安地铁2号线行政中心站空间设计探究

随着国内地铁建设的快速发展,地铁站的空间设计显得越来越重要。以西安地铁2号线行政中心站的空间设计为例,通过对行政中心站所处的城市环境、功能分区以及空间构成特点的分析和研究,提出地铁空间的合理设计,需要在充分满足功能的基础上,有效利用公共空间的界面、导向、灯光等元素来展示地域文化特色。这样不仅能提升地铁站的空间品质、突出空间的可读性,更能带给乘客丰富的乘车体验和地域感受。对国内地铁的建设有着积极的借鉴意义。