大型跨海桥梁防撞设施设计与施工技术

结合大型跨海桥梁防撞研究的特点,根据桥区的环境特点和防撞要求,提出适合大型跨海桥梁主通航孔的防撞方案.通过对桥梁防撞方案进行选型研究,考虑采用释能附体钢套箱保护桥梁的主通航孔桥墩,这种防撞设施占用航道空间少,易于制造和维护,具有良好的经济性.采用双层组合模块化防撞钢套箱设计,应用大量自动化焊接、涂装设备,保证大型防撞钢套箱的制造质量和精度,解决大型防撞钢套箱海上吊装问题.通过有限元数值模拟计算,验证该防撞设施的防撞效果和防撞方案设计的可行性,为实际应用提供参考.     

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.     

基于预定义几何集的斜列式泊车路径规划方法

目前预定义几何集方法主要用于平行车位和垂直车位2种类型的泊车路径规划,对于未涵盖的停车位种类而言则存在无法规划泊车路径的问题,使得自主泊车系统对于能够泊入的车位种类存在局限性。为了设计斜列式泊车方式用以提高自主泊车系统中车位种类的覆盖率,提出一种基于预定义几何集的斜列式泊车路径规划方法。首先,提出了斜列式C字形泊车路径规划方法,利用几何学设计一种圆弧相切斜线的路径,并通过多项式建模表征任意角度停车位下的斜列式C字形泊车路径;其次,通过分析泊车路径与停车位中可能发生碰撞的关键点之间的距离,构建了泊车路径碰撞约束模型,以此分析不同规格停车位下约束条件的参数,从而获得规划路径安全区域;然后,结合拓扑地图信息与斜列式C字形泊车路径规划的碰撞约束模型,获得合适的泊车路径起始点范围,继而生成与全局路径无缝衔接的安全泊车路径;最后,通过MATLAB/Simulink仿真验证此方法的有效性,并通过实车试验证明实用性。结果表明：所提方法针对任意规格的斜列式停车位,均能有效地规划出无碰撞条件下的斜列式泊车路径;同时,车辆能够良好地跟踪所规划的路径,实现精准泊入停车位,证明所提方法能够提高自主泊车系统中停车位种类的覆盖率,并大幅度提高自主泊车系统的实用性。     

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。     

固化剂稳定磷石膏路基填料的工程特性研究

为提高磷石膏路基填料的强度和水稳定性,降低有害物质溶出,采用甲基硅酸钠、硅酸钠和乳化剂制备磷石膏固化剂（CA）,并将质量比为0.5%、1.0%、1.5%和2.0%的CA加入到磷石膏中制备CA稳定磷石膏混合料（CASP）,研究了CA掺量对CASP的力学性质（加州承载比CBR、回弹模量、无侧限抗压强度和剪切强度）、水稳定性（泡水软化系数和接触角）与有害物质溶出量的影响规律,并结合扫描电镜试验揭示了CASP的强度形成与水稳定性增强机理。结果表明：CA中的硅酸钠与磷石膏可生成硅酸钙凝胶与硫酸钠晶体,前者的胶凝作用和后者的填充作用提高了磷石膏的强度和密实度,CASP的CBR、回弹模量、无侧限抗压强度和剪切强度随着CA掺量的增加而大幅提升;由CA中的甲基硅酸钠所生成的聚硅氧烷憎水膜,改变了磷石膏颗粒表面的亲疏水性质,降低了磷石膏孔隙,改善了磷石膏的水稳定性,CASP的泡水软化系数随着CA掺量的增加而变大,掺2.0%CA的CASP与水分的接触角为91.4°;浸水11 d后掺1.0%CA的CASP可满足高速公路的路床填料CBR不小于8%和路基回弹模量不低于40 MPa的技术要求;通过硅酸钙凝胶的物理吸附和化学结合,以及憎水膜的填充固封,CA显著降低了磷石膏砷、铬、铅、氟离子和磷酸根的溶出量,掺0.5%CA的CASP浸出液中砷、铬和铅含量分别满足地下水Ⅰ级、Ⅱ级和Ⅳ级标准。     

深水桥梁垫层隔震基础冲刷演化机理与设计建议

群桩和沉井作为跨江海桥梁的基础支撑体系已得到广泛应用,但近年来实际工程的水深不断增加,现有技术已难以适用于50 m以上的超深水环境条件。为研究垫层隔震基础这一新型深水桥梁基础的冲刷演化机理,针对周期为1.2 s,波高分别为4、6、8 cm的3种波浪条件,以及海流流速为25 cm·s^-1,波浪波高为6 cm,周期为1.2 s的波流共同作用条件,开展砂土中垫层隔震基础冲刷演化机理的波流水槽模型试验研究,结合仅单向流作用下的基础体系冲刷演化机制,重点考察并梳理了隔震垫层的5种典型破坏形式及其特点。结果表明：仅存在单向流作用时,垫层的破坏形式主要为边缘破坏、剪切破坏和完全破坏,且严重程度随流速增大而增大;存在波浪作用时,海床泥沙及垫层材料起动后将发生振荡,导致隔震垫层还会发生掩埋破坏和掏底破坏;波流共同作用时,产生的影响比二者单独作用时更严重,对基础体系的正常工作产生严重影响。此外,通过分析交界面位置附近材料在冲刷过程中的滑动与滚动过程,认为颗粒材料的滑动和滚动是造成隔震垫层材料流失的主要原因。最后,对比分析了国内外抛石设计规范中的粒径计算方法,并在此基础上对垫层材料的设计提出建议。     

桩基非对称局部冲刷条件下土体应力变化解析解

传统桩基局部冲刷坑模型主要采用对称形态的坑体来分析,然而实际问题中局部冲刷坑体常为非对称,这使得桩基处于更不利的状态。评价桩基承载力的关键之一是合理计算冲刷坑造成的土体应力状态变化。而对于桩周形成非对称冲刷坑时土体应力变化,目前仍然没有较为完善和严格的理论分析方法。针对该问题,根据已有试验得到的非对称局部冲刷坑形态,提出非对称冲刷坑内土体应力计算的平面应变简化模型;并基于弗拉曼解在半无限空间中的应用,将冲刷坑以上土体看做荷载并引起土体内应力重分布,得到非对称冲刷坑下土体应力分布计算的平面应变解析解。通过有限元中的"生死单元法"模拟非对称局部冲刷坑的形成过程,并将有限元得到的冲刷坑内土体应力结果与解析解计算结果进行对比,验证解析解的正确性。随后基于该方法考虑桩尺寸的影响,得到非对称局部冲刷坑形成后桩周土体的垂直及水平有效应力计算方法,并与有限元计算结果进行了对比。结果表明：在考虑桩尺寸时,解析解计算结果略保守。在此基础之上,对非对称冲刷坑参数的敏感性进行分析,指出桩上、下游侧冲刷深度差值对桩周土体的应力影响较大,得到了非对称冲刷坑下桩周土体的垂直有效应力及水平有效应力差的变化规律,研究结果可为工程设计提供参考。     

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%。