正常和缺血再灌注豚鼠右心室游离壁跨壁传导和各向异性传导特性的测定

以玻璃微电极细胞内记录技术，研究了正常和模拟缺血再灌注条件下，豚鼠右心室游离壁的内、外膜下传导和跨壁传导等心肌传导特性。结果显示，在心肌缺血和再灌注过程中，兴奋在豚鼠右心室内膜下的扩布有所减慢但无方向性差异，心外膜不同方向上的传导差异则显著增大。同时，。Ｃ室肌外向和内向跨壁传导时间均有明显性延长，部分标本甚至出现完全性跨壁传导阻滞。，Ｇ肌传导特性的这种不均一性变化，为缺血和再灌注过程中折返激动的发生提供了有利条件。     

隧道建设碳排放计算方法及预测模型

隧道建设消耗资源和能源，并向环境中排放大量温室气体。为解决当前隧道碳排放计算的清单数据难以获取、隧道施工碳排放难以估计的难题，通过在隧道碳排放方面的长期探索，总结当前中国公路隧道碳排放计算、清单数据、影响机制和排放预测的研究进展。首先，通过调研国内外隧道碳排放计算的文献，介绍隧道建设碳排放计算方法； 其次，结合算例阐明使用数据清单和排放系数评估隧道施工期碳排放的计算方法，明确不同施工工序和材料能源对碳排放的贡献； 然后，基于大量隧道施工碳排放计算结果，使用统计分析方法探明隧道施工碳排放的关键影响因素，并使用线性回归方法建立碳排放预测方程； 最后，针对当前隧道碳排放计算中的2大难题，即难以获取隧道碳排放的基础清单数据、排放数据难以在不同部门和企业中流通，提出发展资源能源计量和区块链技术，促进隧道行业节能减排的持续发展。     

7种因素对电动自行车忍耐时间的实证研究

忍耐时间是分析电动自行车骑行者不安全过街行为的重要参数,是信号交叉口交通管控的重要约束条件.以红灯期间到达信号交叉口处违章过街的电动自行车为研究对象,应用多元线性回归分析和生存分析法中的Cox回归方法,统计分析骑行者在信号交叉口处的过街忍耐时间.该方法运用中国电信的"全球眼"网络视频监控技术,获取不同影响因素下宁波市电动自行车的实时视频数据,共采集了57 213个电动自行车过街忍耐时间样本.统计发现:电动自行车忍耐时间与5种影响因素存在强相关关系;7种影响因素对电动自行车忍耐时间的影响程度差异性较大,其中天气、人行横道长度和有无交警执法等3种因素的影响程度最大,出行时间和时段的影响最小;电动自行车过街忍耐时间的均值为48.600 s,标准偏差为300.341.     

高墩大跨连续刚构桥施工控制和监控数据的挖掘利用

以主跨150m的连续刚构桥为例,介绍监测数据驱动下的施工控制技术要点,包括施工控制流程和测试方案,并提出了施工监控数据的深度挖掘利用内容和方法。实践表明,通过监测传感器的测试数据、结构数值仿真数据的融合分析,充分挖掘监测数据的冗余性,可以提高监测数据的利用率,进一步提升施工控制的可靠性,增强结构施工监控对施工过程的协助作用。测试得到的施工过程和成桥数据,对结构后期的运营管养安全具有重要作用。     

智能空间专利布局分析

智能网联汽车的发展,提高了用户的舒适性和节能性,是汽车行业未来发展的主流,而智能空间尤其是智能移动空间的研究,对于相关领域的企业的发展来说,都有着或多或少的影响,那么如何在智能空间领域进行布局和探索,并且产生知识成果,是在整个过程中不可避免的问题。本文通过SooPat数据库筛选有关智能空间的专利,并对相关数据进行分析统计,为智能空间领域专利的布局提供了可选方向。     

基于中国人体数据的汽车总布置用2D模板开发与应用

人体2D模板作为整车总布置的基础,影响到整车驾驶和乘坐的舒适性、方便性以及行车安全性。本文应用最新的权威中国人体数据,提取人体各项关键尺寸,进行数据建模,并进行软件封装,开发人体2D模板。模板更符合中国人实际的乘坐姿态,基于模板可进行乘坐空间、视野等相关测试,切实提高车辆的安全性、舒适性。     

基于频率及F-K域联合应用的地震波去噪技术研究

地震反射波勘探是铁路工程地质勘察的一种重要地球物理勘探方法,地震波数据的处理直接关系到数据的解译质量,提高信噪比是关键环节。针对单一去噪技术,难以获取高信噪比地震数据的难题,以某一在建铁路项目地裂缝勘察的地震波数据为例,详细研究各种有效波及干扰波的性质和特征,建立一种频率域滤波、声波衰减和频率-波数域(F-K)滤波联合应用的去噪技术。结果表明:该技术能有效去除和压制干扰波,增强有效波能量,去噪效果明显。     

基于公交GPS 和IC 卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分，而候车时间是决定公交系统吸引力的关键因素，也是评价城市公交服务水平的指标之一. 目前，获取乘客候车时间的主要途径为问卷调查法和视频采集法. 但是这些方法费时费力，仅能实现小范围典型站点的候车时间的调查，无法快速完成线路甚至线网级别的候车时间采集. 为解决上述问题，本文基于北京公交GPS和IC 卡刷卡数据，采用非时齐泊松过程理论构建了乘客到站模型，并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法，该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间. 基于此方法本文计算了1 d 内北京公交606 路全线的人均候车时间变化情况，计算结果表明，606 路早晚高峰和中午乘客人均候车时间最短大约在200 s 左右，下午乘客的候车时间较长.     

战术数据链中的波形设计

波形设计是数据链系统设计的关键.深入剖析了国外几型战术数据链的波形设计思路,提出了战术数据链的波形设计原则,针对新型战术数据链的波形设计,给出了相应建议.     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明，驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法，不仅对驾驶任务造成一定干扰，且受多种环境因素的制约，误报率较高。基于此，只考虑非侵入式车辆运动特征，提出一种基于深度学习的驾驶人分心状态识别方法：首先，从自然驾驶数据集中获得大量的跟驰片段，采用态势感知方法，提取典型的分心驾驶片段，并建立仅包含车辆运动学特征的分心判别指标集；其次，利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序，得到重要度较高的分心监测指标；最后，采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别，并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%，高于SVM和AdaBoost对应二分类结果；进行多分类任务时，判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%，不同类别分心识别的误报率在15%以下，说明LSTM-NN能够有效学习分心序列的前后信息，有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。