定义到统一模型的船舶三维工艺信息集成

针对基于自主造船CAD系统实施三维工艺信息集成仍属空白的现状,以国产船舶产品设计系统SPD为基础,分析解决了船舶三维工艺信息集成过程中的信息集成策略、模型轻量化、三维标注生成等问题,将分散的船舶工艺信息集成定义到统一的数字化三维模型上,生成集成数据文件,并在自研三维作业指导平台上使用工程实例对集成效果进行了验证。结果表明,上述问题的解决措施有效,集成技术路线可行。     

基于MRF方法和滑移网格的螺旋桨水动力性能研究

本文基于计算流体力学(CFD)方法,对多重参考系模型(MRF)及滑移网格模型(SM)在计算螺旋桨水动力性能时的差异进行了探讨。将以上两种模型应用到4381螺旋桨的水动力性能计算中,首先将计算得到的推力系数及转矩系数与试验数据进行了对比,考察了两种计算模型对螺旋桨的敞水性能的预测情况,并进一步对两种模型计算得到的螺旋桨盘面的速度场、桨叶的压力分布、桨后涡量云图等进行了对比分析。计算结果表明,滑移网格模型相较于多重参考系模型,对螺旋桨的推力系数的模拟结果误差更小,扭矩系数方面,两种模型的模拟结果相差不大；对于进速系数较大时,两种模型模拟得到的压力分布及速度分布较为相似,但对于高负荷情况,滑移网格模型可以更好地捕捉桨叶的压力分布及桨盘面处的速度分布情况；进速系数较小时,多重参考系模型可以模拟出涡结构的发散现象,而滑移网格模型可以更好的在高进速系数情况下捕捉到梢涡结构。     

多模式交通环境下上海居民职住选择行为

随着城市尺度不断扩张,由职住分离带来的长距离、长时间通勤交通问题日益严重。为研究多模式交通环境上海居民职住位置选择行为及其影响因素,基于网络问卷调查数据、上海市路网数据及房价数据,构建方式选择与目的地选择联合模型,按照选择次序,分析各出行方式的服务水平和房价等变量对居住地和工作地的选择影响。结果表明,居民倾向于选择通勤距离近、交通可达性良好、房价低和人文生活环境较好的小区工作生活,同时年长者和低收入群体对通勤距离和房价更敏感。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

山地城市建成环境对居民小汽车拥有影响研究——以贵阳市为例

为分析山地城市建成环境对居民小汽车拥有的影响，探究不同坡度下居民地形感知对小汽车拥有影响的差异，采用贵阳市中心城区不同坡度下的小区居民调研数据，引入3个观测变量来评价居民的地形感知，将结构方程模型（SEM）计算出的潜变量适配值融入Logit模型中，构建包含潜变量和显变量的SEM-Logit模型来研究主客观建成环境与小汽车拥有的关系。结果表明:坡度对小汽车拥有产生积极影响，但不同坡度下的地形感知对小汽车拥有的影响有所不同。在地形条件相对较好的环境中，当小区坡度小于8%，居民对地形感知并不强烈，并认为从小区步行到公共交通站点的距离和时间花费在其承受范围内。因此，地形感知并未对小汽车拥有造成显著影响；在小区坡度为8%~15%时，地形感知对小汽车拥有产生显著负效应。生活在该小区类型的居民，尤其是收入相对偏低的居民，更喜欢选择电动自行车出行，削弱了小汽车拥有量；当小区坡度大于15%时，小区坡度与小汽车拥有量具有正相关性。该小区类型的道路坡度大，居民出行过程中通常会经历频繁的上下坡，造成出行时间花费长，继而形成强烈的地形感知。这严重降低了居民出行选择步行或骑行的可能性，转而提升了小汽车拥有的概率。同时，在SEM-Logit模型中也证明了除地形因素外，家庭年收入、到地铁站最近距离、土地利用混合度、目的地可达性、出行态度对小汽车拥有具有较大影响。      

BIM技术在洋山四期水工码头中的应用

针对高桩码头施工过程中存在工程体量大、施工难度高和较大工程误差等问题，进行BIM技术应用于水工码头施工的研究。将BIM技术应用于工程施工可视化、碰撞检查、工程量计算和施工组织设计等方面，在高桩码头工程施工质量、进度、成本控制等方面取得显著的效果，为BIM技术在高桩码头水工领域的实践应用提供参考。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。