城市轨道交通网络拥堵易发点的识别及评价

在城市轨道交通物理拓扑层、设施能力层与客流分布层网络模型基础上,构建了多属性网络.阐述了网络拥堵易发点的网络拓扑、网络运输能力及网络客流等特征指标,并采用基于AHP-熵权法的组合权重法对拥堵易发点进行拥堵风险的辨识和评估,探究了网络拓扑结构、运输能力和客流需求之间的关联性.在北京轨道交通的实例中,识别的拥堵易发点多为衔接郊区线与市区线的换乘站.这验证了识别和评价方法的有效性和实用性.     

基于能量重心定位的水下防护薄板结构撞击识别方法

为弥补传统能量重心定位方法的不足,综合考虑薄板结构上孔的非对称分布,创造性地提出一种基于加权能量重心定位的撞击识别方法.通过有限元模拟验证该方法的有效性和准确性,结果表明,该方法能快速而准确地对非对称、非连续薄板结构的撞击位置和撞击应力进行识别判定.研究成果可为结构撞击识别方法的改进优化提供理论支持,为工程中复杂结构的撞击监测和识别提供技术支撑.     

多技术融合的综合交通枢纽智能停车系统

针对综合交通枢纽的停车场车位引导难、停车拥堵、寻车难等问题,提出了一种基于三维全景建模、车辆识别、室内导航等多技术融合的智能停车系统。该系统通过车辆识别技术获取车辆品牌、车牌号码等信息,通过三维全景建模和室内导航技术实现停车场实景导航,做到快速停车、便捷寻车,提升用户体验。     

大型邮轮救生艇替代设计定性分析

以大型邮轮救生系统为研究对象,进行大型邮轮救生艇替代设计定性分析。确定替代设计的安全目标和影响替代设计的相关法规,分析受替代设计影响的相关布置和系统以及主要的操作场景。在此基础上开展危险识别,即对各种危险及其事故场景进行分析,并按其相对于所考虑问题的风险水平进行排序,对于风险等级高的事故场景,提出相应的风险控制措施。确定需要通过定量分析作进一步研究的事故场景、采用的性能衡准和评估方法,进而为大型邮轮救生艇替代设计及相关定性分析提供指导。     

一种适用于变轴力柱混合试验的改进BWBN模型及其参数识别

原始的BWBN模型无法很好地描述钢筋混凝土(RC)柱在水平和竖向双向地震作用下的刚度、强度退化以及正负向滞回不对称现象,为了描述这些现象,对原始BWBN模型进行修正.结合16根定轴力柱子的滞回数据,利用改进Park-Ang损伤模型计算柱子强度退化、刚度退化与累计损伤的关系,并相应地对原始模型相关项进行了修正.此外,对变轴力柱用轴力分级插值以及正负向单独计算损伤的方式来考虑变轴力的影响.最后,利用定轴力、变轴力试验数据以及OpenSees的模拟数据对模型有效性进行验证,并计算模型识别数据与试验数据的Pearson相关系数,结果均为强相关,说明模型适用性良好.改进的变轴力BWBN模型能较好地考虑轴力变化对柱子侧向滞回性能的影响,这对于拓宽混合试验应用范围以及实现变轴力柱混合试验有一定意义.同时,本文的研究方法,对未来变轴力恢复模型的研究也有一定参考价值.     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+ LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60 min，采样频率3 min作为输入条件，Dropout值取0.5，实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。      

高密度瓶颈交通流主动-回应汇入行为定义与建模

汇入行为是导致高速公路、快速路汇入区瓶颈失效的根本原因,也是引发车辆冲突、交通事故的重要诱因。基于上海虹许路汇入区高精度轨迹数据,在经典的3类汇入行为(自由、协作、压迫)分类基础上发现并定义了一类新的汇入行为:主动-回应汇入,即在目标车道插车间隙不足的条件下,汇入车辆通过横向偏移主动表达汇入意图,引发后车合作让行,从而实现汇入。由于传统的换道类型划分方法已不适用于描述瓶颈区汇入过程的复杂交互现象,因此根据汇入车辆的横向位置将汇入过程划分为4个时段,以目标车道后车让行的时段不同对4类汇入行为进行了重新划分。基于此对虹许路汇入区轨迹数据中的汇入行为进行分类,并比较主动-回应汇入行为与经典的3类汇入在汇入位置与汇入间隙变化分布的差异。进一步,采用风险空间理论判断目标车道间隙的可汇入程度,并结合混合高斯-隐马尔可夫模型实现对后车的让行意图识别,建立了主动-回应汇入模型。最后构建了瓶颈交通流仿真原型系统以验证模型有效性。结果表明:在宏观交通流层面,主动-回应汇入行为在汇入位置、速度和间隙的分布上与实证数据一致,均值没有显著差异;在个体行为层面,也能再现定义描述的"主动试探-两车博弈-回应让行"的过程。该研究成果对解析瓶颈交通流早发性失效机理、揭示汇入风险变化过程以及设计符合人类驾驶人交互特征的自动驾驶汇入策略均具有重要的指导意义。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

汽车电子标识技术优势及应用前景分析

汽车电子标识作为汽车的"身份证",是无源射频识别技术在交通物联网领域的应用。《机动车电子标识安全技术要求》等六项国家推荐性标准的正式实施以及国内外广泛的应用试点,使得该技术在我国全面推广、应用变得愈发现实。本文阐述了汽车电子标识的系统构架、工作原理、应用现状,通过技术路线、技术对比两个层面的分析阐述了汽车电子标识的技术优势,并基于此对于汽车电子标识的应用前景进行展望。在感知层,汽车电子标识将与视频检测技术有机结合,构建"射频+视频"等具备更高稳定性、可靠性的信息采集体系。而在应用层,汽车电子标识将提升涉车应用的实现水平,为假、套牌等顽固问题提供了解决方案,为诸多潜在应用的实现提供可能性。