Research progress and application of computational method for hydrodynamic noise from air-water interface北大核心CSCD

含水气界面水动力噪声是船海工程结构物经常遇到的一类典型重要噪声,具有机理复杂、声源形式多样、传播影响因素众多等特点。含水气界面水动力噪声与自由面相互作用,受空化、水气泡混合流等影响,对舰船的隐蔽性造成很多负面影响,具有重要的研究意义。分别从自由面噪声、空化噪声和水气泡混合流噪声3个方面进行介绍,并阐述相应噪声的计算方法以及在噪声计算时需要考虑的关键问题和目前所采用的解决方案。最后,展望未来的研究发展方向。     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

三维复杂群桩水流力特性数值模拟研究

本文利用ANSYS Fluent,通过建立的三维水动力数值模型研究了矩型圆柱群桩在不同桩距条件下的水流纵向水流力、横向水流力及总水流力分布规律。同时,对目前实际工程中常用的菱型、圆型及哑铃型圆柱群桩在不同桩距下的纵向水流力、横向水流力及总水流力进行了研究。     

浮码头与旁靠船舶的运动响应特性研究

本文基于三维势流理论，采用数值分析方法研究了浮码头与散货船旁靠系泊的运动特性。考虑缆绳和护舷的非线性特性，探求了波浪周期对浮体运动、系缆力的影响规律。研究结果表明：考虑间隙内水体运动影响，旁靠散货船在横浪条件下的纵摇和纵荡运动有所增大。浮码头在计算工况下，缆绳受力较大，在某些工况条件下超出了国际系缆力标准的要求，旁靠散货船的缆绳在计算工况下均未超标，满足要求。研究结果为浮码头系泊系统的设计及工程运营提供理论参考。     

高原人群出行拥挤感知与调适行为研究

为缓解高原城市节日期间部分路段人流过于密集的状况，对高原人群出行过程中的拥挤感知和调适行为进行研究。首先，在对高原人群高度自由走行速度、生理尺寸进行测定的基础上，采用连续人群流动模型分别对高原人群拥挤临界密度、人群运动速度减小时的人群密度和人群停滞状态时的最大密度进行测算，进而标定高原人群最大忍受密度为8.5人/m2。然后，选取雪顿节期间八廓南街人流短时间内高度聚集的状况进行拥挤状况评估，结果显示该路段人群密度为8.34人/m2，接近高原人群最大忍受密度，因此判定八廓南街存在拥挤事故风险。最后，依据基于层次分析法的高原人群拥挤感知影响因素分析结论，提出相应的调适行为措施，力求维护民族宗教节日期间高原城市公众正常的出行秩序。     

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。     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

幼儿群体单向流运动行为特性分析

现有关于行人群体运动行为的研究和规范绝大部分是以成年人群为主体的研究，关于儿童群体的理论及实验研究非常匮乏，在进行儿童群集运动管理及幼儿相关步行设施设计时往往需要参考以成年人群为主体所获得的理论及经验数据。本文组织了不同情境下(正常情况及应急疏散)幼儿群体的运动实验，通过实验数据对幼儿群体单向流运动的流密速关系、速度离散性、个体超越行为等基本特性进行了定量研究，并和成年人群的相关特性进行比较分析。实验结果表明，幼儿群体单向流的流(速)密关系呈现一种弥散性的分布，其速度的变异系数接近成年人的4~6 倍；此外，相比于成年人群中所表现出的秩序性，幼儿在单向流运动过程中更倾向于发生超越行为，其在通道中的平均位次变化强度接近成年人实验的3倍。本文研究成果有助于进一步了解幼儿群体单向流运动的基本特性，厘清幼儿与成年人群体的行为特性差异，以更好地指导幼儿群集运动的管理，以及为幼儿相关步行设施的设计和评估提供参考。     

基于激光视觉融合的帧间匹配方法

同步定位与地图构建(Simultaneous Location and Mapping,SLAM)是机器人在未知环境中实现自我导航能力的重要保证。目前SLAM算法使用的主传感器基本是激光雷达或视觉相机。二者各具优劣,激光雷达能更精确地进行测距,视觉相机能反映环境丰富的纹理信息。与使用单一传感器相比,将二者融合的SLAM算法能够获得更多环境信息,达到更好的定位和建图效果。文章提出一种融合激光雷达和视觉相机的帧间匹配方法,通过在SLAM帧间匹配过程中加入地面约束以及视觉特征约束,提高帧间匹配过程精度,增强算法鲁棒性,从而提升SLAM算法整体效果。文章最后利用采集的地下停车库数据进行结果验证,与开源算法A-LOAM进行对比。结果表明,相比A-LOAM的帧间匹配方法,文章提出的方法相对位姿误差提升约30%。