职业本科专业现代学徒制动态人才培养模式探索与创建——以新能源汽车工程专业为例

为了探索职业本科层次现代学徒制人才培养模式和人才培养流程,促进校企深度合作,提高职业本科专业毕业生就业质量,从职业本科和现代学徒制发展现状分析,通过企业走访、问卷调查、政策分析研究等,以新能源汽车工程专业为例,提出职业本科专业现代学徒制动态人才培养模式,包括动态人才培养实施方案、课程体系和标准等,对职业本科专业试点现代学徒制人才培养过程中的校企合作、人才培养过程和方法等有一定的借鉴作用。     

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。     

桥梁冲击系数理论研究和应用进展

为推动桥梁冲击系数理论和应用研究的进一步深入开展,从计算方法、理论与数值模拟、现场试验与测试3个方面系统梳理国内外公路、城市和铁路桥梁工程领域冲击系数（或动力系数）的研究进展,并探讨其不足和发展趋势。计算方法方面,从桥梁冲击系数的定义出发,详细阐述典型国家最新规范冲击系数表达式;理论与数值模拟方面,分析了车辆参数、桥梁参数、桥面不平整度（或轨道不平顺）等对桥梁冲击系数的影响;现场试验与测试方面,分别综述了冲击系数的测试方法、数据处理手段及相关试验研究成果。研究表明：各国公路与铁路桥梁规范的冲击系数（动力系数）多由试验统计回归得到,但计算公式各不相同,公路桥梁冲击系数表达式较为简洁,铁路桥梁冲击系数计算公式较为复杂;有限元技术以及车-桥耦合振动理论的发展使得结构动力响应的数值模拟和求解更加精确化和高效化;中小跨径桥梁的整体冲击系数及大跨径桥梁中吊杆、拉索等局部构件的冲击系数是研究重点;影响冲击系数的各因素之间存在交叉影响,需要对不同结构、不同效应及不同截面的冲击系数进行现场试验测试和概率统计分析;设计规范中的冲击系数值不宜作为实际桥梁动力使用性能的直接评价指标;需要建立冲击系数试验分析技术的标准;非接触、抗干扰、高精度是今后冲击系数测试技术的发展方向。     

大型集装箱船在斜浪工况下的扭矩特征研究及结构强度分析

随着大型集装箱船的发展,针对斜浪条件下扭矩载荷特性及其结构强度的分析研究日益重要.本文采用选定的某大型集装箱船开展动态载荷(DLA)分析,建立了水动力湿表面计算模型和质量模型,研究基于扭矩传递函数和主要载荷控制参数的斜浪设计波参数确定方法,分析超越概率水平对扭矩载荷计算结果的影响.考虑典型斜浪参数和超越概率水平,分析对比DLA扭矩与船舶规范(ABS和HCSR)扭矩的差异及原因,提出集装箱船扭矩载荷计算与应用的建议.在此基础上,选定3个斜浪计算工况(45°,60°和75°)开展结构强度分析,通过分析应力计算云图,研究扭矩载荷下船体结构响应的关键位置及其应力趋势.该研究可为大型集装箱船结构设计过程中船体梁扭转强度计算、舱口角隅设计、抗扭箱强度评估等方面提供有益的参考.     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

高墩系梁设置对桥墩横向地震响应的影响

在地震高烈度地区桥梁下部结构设计时,经常会遇到桥墩较高时需要设置系梁的情况,来防止墩柱发生横向动力失稳,减小地震作用下的桥梁破坏.从大量的震害中发现未设系梁的桥墩比设置系梁的桥墩横向破坏显著.以毛林特大桥引桥下部结构为研究对象,分析E2地震作用下墩柱的横向变形和关键截面的内力,研究表明桥墩较高时系梁设置对桥墩横向抗震性能影响显著.     

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。     

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。