覆盖型岩溶对工程建设的影响

我国的岩溶无论是分布地域还是气候带,以及形成时代上都有相当大的跨度,使得不同地区岩溶发育各具特征,工程建设中对其处理措施也有所差异.主要针对覆盖型岩溶,分析覆盖型岩溶的发育特征,岩溶的2种塌陷地质模式、3类主要塌陷机理,覆盖型岩溶对地基稳定性的影响分析,以及岩溶区地基的处理措施,为覆盖型岩溶区的工程建设提供参考.     

浅谈几种桥梁加固新技术及其发展应用

该文在分析目前国内外公路桥梁运行现状的基础上,综述了近年来几种国内外旧桥加固的新技术——复合材料(FRP)加固技术、SRAP法加固技术、植筋加固桥面技术、填芯法加固技术和直接喷涂法加固技术,并评述各自优缺点。最后在评述以上新技术以及其他已成熟应用技术的基础上,给出桥梁加固工程的几点实际应用原则,并展望了未来加固技术。     

基于快速聚类分析的航空分担率模型在新建机场客运量预测中的应用

基于聚类分析的航空分担率模型,对其应用的可行性进行了进一步的探讨,并结合阿拉善盟地区新建机场的客运量进行了预测,得到比较理想的预测结果.该研究为新建机场的客运量预测提供了一种可行的方法,可供实际需要借鉴.     

工作流在站段办公自动化中的应用及研究

根据OA系统的功能,提出一种基于工作流管理的OA系统核心业务流程模型,并以实际系统为例,对模型中的核心业务流程给出了详细的设计方案与实现。     

地铁火灾研究

对世界各国的地铁火灾进行分析,阐述了地铁火灾产生的原因和危险性,介绍了地铁设计中的通风空调系统,探讨了火灾研究的手段,并通过实例进行模拟与分析。     

智能交通工具设计对城市可持续发展的影响与优化

随着我国城市化进程的不断加速,城市交通问题已经成为城市可持续发展的重要因素之一。本文将以智能交通工具设计为切入点,系统分析其对城市可持续发展的影响,智能交通工具的设计可以有效缓解城市交通拥堵、提高交通效率、降低碳排放,以及促进城市空间的合理利用,但在当前的具体运用中也存在一些亟待解决的问题,本文通过针对问题的深入分析,提出了对智能交通工具设计的一系列技术创新的建议以及优化策略。希望本文的研究成果能为智能交通工具的发展和应用提供一些可行性思路,并为该领域相关从业者提供一些建议与帮助。     

考虑个体驾驶速度偏差的车辆调度模型

考虑驾驶速度偏差, 建立了多驾驶人、多种车型、多种物资、多仓库点和多需求点的物资车辆调度模型, 分别以整体运输时间最短、整体运输成本最低以及综合整体运输时间与成本最小为目标, 研究了个体驾驶速度偏差对上述目标的影响; 将驾驶人参数加入到遗传算法的基因编码中, 建立了驾驶人唯一性约束、初始地点约束以及物资供需数量约束, 保证每个基因个体中驾驶人分配方案可行, 且物资运输不超供需总量; 采用遗传算法求解了随机分配驾驶人条件下有驾驶速度偏差与无驾驶速度偏差时各目标的车辆调度方案。计算结果表明: 优化调度方案满足模型中的所有约束条件; 3种目标下的最优方案中, 驾驶人的分配方案不同, 说明目标函数受驾驶人驾驶速度偏差影响; 有驾驶速度偏差情况下的各目标调度结果均优于相应无驾驶速度偏差的调度结果, 3种目标函数差比分别为3.50%、2.96%和1.13%, 说明驾驶速度偏差对求解质量有一定影响; 驾驶人随机分配时的各目标调度结果均劣于相应最优结果, 3种目标函数差比分别为3.91%、2.47%和1.98%, 说明驾驶速度偏差会影响调度效率, 优化驾驶人分配方案能降低整体运输时间与成本。由此可见, 根据特定的调度目标对驾驶人进行合理分配, 可以得到更符合调度目标、更贴近实际、更经济省时的车辆调度方案。      

基于点特征的车载LiDAR与GNSS/IMU联合标定方法研究

激光雷达(LiDAR)、全球导航卫星系统(GNSS)与惯性测量单元(IMU)之间的外部参数标定精度是影响多传感器融合及高精度地图的主要因素。基于此，提出一种适用于无人车的LiDAR与GNSS/IMU标定方法，该方法可实时提取标定板点云中心坐标，并利用点特征进行外部参数标定。首先，分析了LiDAR、GNSS、IMU及通用横墨卡托格网系(UTM)坐标系的变换关系；其次，基于IMU安装平面与地面平行的假设，通过车辆前方地面的法向量计算LiDAR俯仰角和滚转角的初值，并利用标定板中心偏移量计算偏航角初值；然后，假设车辆在平面上保持直线运动，采用恒定姿态运动将旋转角度的求解问题转化为最优化问题，并根据标定板UTM坐标不变的约束求解出平移参数；最后，通过分析算法误差、传感器测量误差以及中心点匹配误差验证了方案的可行性，并通过无人矿车采集LiDAR、GNSS和IMU的同步数据，对所提出的外部参数标定方法进行测试。试验结果表明：提出的方法只需要一定范围的平坦区域和标定板就可以解决3自由度运动估计6自由度外部参数的退化问题，且标定后的外部参数可以保证点云地图在20 m内的拼接误差小于20 cm。