金鱼隧道涌水处治技术

绵茂公路一期工程金鱼隧道隧址区含水丰富,部分地段涌水,针对此情况,通过对隧址区水文地质进行调绘及对涌水原因的分析和涌水量的计算,制定了不同的处置方案,并进行比选,采用了安全性最好的拦排相结合的施工技术,最终成功解决了该隧道的涌水问题     

雾天对弯道驾驶行为的影响研究

雾天环境下不良的视距条件使得驾驶员在驾驶过程中存在安全隐患.利用驾驶模拟器,选取雾天环境作为典型干预因素进行驾驶模拟实验,同时考虑驾驶人职业和性别作为可能的影响因素,实验设计直角弯道和S形连续弯道2种道路线形,从实验数据中抽取平均车速与车辆驶出弯道率作为关键变量,采用多变量方差分析、均值统计等方法分析雾天环境下驾驶人的驾驶速度和驶出弯道率,并建立Logistic回归模型分析各因素对车辆驶出弯道可能性的影响.实验结果表明,驾驶人在弯道雾天行驶时的平均车速要比无雾情况下略高,且职业驾驶人的平均车速较非职业驾驶人明显偏低;随着雾的浓度的增大,驾驶人在直角弯道处和S形连续弯道处驶出弯道的比例均显著增大.     

基于驾驶模拟实验的层级式驾驶行为安全模型研究综述

针对驾驶行为的研究,从理论层面总结了国内外驾驶行为模型的演变发展过程,进而从应用层面上介绍了各种干预因素(分车载设备因素和非车载设备因素2类)对驾驶行为的影响.由于目前利用驾驶模拟器研究干预因素对驾驶行为的影响存在行为分析单一化、缺乏系统性的缺陷,据此提出了基于驾驶模拟实验的层级式驾驶行为安全模型,根据驾驶环境的复杂度及驾驶员涉及交通事故的可能性将驾驶行为按低、中、高3个风险层级分类,分别为基本车辆控制行为、在复杂交通环境中的动态决策行为以及在紧急交通状况中的避祸行为.利用该模型可以对干预因素影响下的驾驶行为安全进行系统全面的分析和评估.     

抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故，本文基于双向长短时记忆网络 (BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验，采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据，通过方差分析研究分心任务对驾驶行为的影响。结果表明，分心驾驶人需要更长的制动反应时间，制动操作时间缩短，踩压制动踏板的力度下降，同时操纵方向盘的稳定性变差。然后，筛选有显著性影响的6个特征行为指标作为模型的输入，结果表明：BILSTM模型分心状态识别的精确率最高，达到92.6%，F1值为88.7%；准确率、精确率、召回率、F1、AUC和ROC曲 线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说 明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态，可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。     

浅埋软弱围岩段冒顶塌方处治技术

天山新3号隧道过冲沟浅埋段时在DK1790+988～DK1791+013段发生塌方冒顶,为保证安全处治塌方,经进行原因分析和方案比较后,通过采取对洞外塌陷体地表注浆加固、洞内不开挖工作室使用长大管棚及配合使用双层注浆小导管的超前支护技术、开挖预留核心土、塌方段两端加强衬砌后再处理侵限段的技术等综合处治方案,结合超前地质预报、监控量测等技术手段,有效地控制了塌方加剧并顺利渡过塌方冒顶地段,对隧道塌方冒顶工程的预防和处理具有一定的指导意义。     

基于速度性能指标的雨天环境对北京快速路网影响研究

降雨作为一种常见的气象条件,对城市路网的交通状态有着直接的影响.为避免不同道路交通状态速度评价标准的不统一,基于道路的最高限速,提出了速度性能指标,进而建立了衡量路段和路网拥堵状态的路段和路网拥堵指标,量化了路段和路网的拥堵程度.以大量数据为基础,在对比雨天和晴天2种环境下的各项拥堵指标基础上,探讨了雨天环境对北京快速路网的宏观影响,为雨天条件下的交通规划与管理提供了重要的依据.同时,基于路段拥堵指数,利用ArcGIS软件可视化展示了北京快速路拥堵路段的空间分布.结果表明,与晴天相比,雨天环境降低了车辆速度,增加了路段偶发性拥堵,也加剧了路网的拥堵程度.同时,雨天环境下的工作日平均每小时路网拥堵指数增加了17.2%,周末则增加了28.6%;而其标准差分别增加了22.2%和62.5%,表明雨天环境下工作日和周末的拥堵特性存在一定的差异性.      

青龙湾滑坡综合治理技术

纳溪至叙永铁路某段路基填筑完成后,在各种因素作用下,发生了大面积滑坡,导致已完成的路基和其中的一座涵洞发生垮塌。文章从滑坡原因分析、治理方案选择、引排水措施设置、边坡防护等几方面,对该段滑坡的综合治理技术进行了阐述。     

基于多用户驾驶模拟平台的雾天高速公路跟驰模型参数标定及验证

高速公路连环追尾事故多发生在雾天环境下,且容易造成严重的事故人员伤亡。当前的跟驰及追尾风险研究多集中于两车跟驰,缺乏对雾天情况下车队跟驰的研究。利用雾天环境下车队跟驰轨迹数据对传统主流跟驰模型进行标定验证,基于多用户驾驶模拟平台设计了8个不同雾天等级和限速组合的高速公路虚拟场景,开展驾驶模拟试验并采集数据。试验招募了8名男性驾驶人并通过随机调整他们在车队中的位置顺序来获得足够的车队跟驰轨迹数据,根据判定标准筛选合适的车队跟驰轨迹数据,按照2:1的原则分配标定和验证阶段的数据组。选取Newell、Gipps和IDM三个主流跟车模型进行参数标定和验证,以时间序列的车头间距和相对均方根误差(RMSPE)分别作为性能指标参数和拟合优度函数,使用遗传算法搜寻目标函数最小值以标定跟驰模型参数,并用车辆轨迹完整性(CVT)和RMSPE评价验证阶段的仿真结果。结果表明:在标定阶段,Newell、Gipps和IDM三个模型的RMSPE整体平均值分别为30.1%、18.6%和27.7%,各个试验条件下Gipps模型的RMSPE值均小于另外2个模型,说明Gipps模型能更好地拟合试验数据;在验证阶段,Gipps模型的RMSPE整体平均值为21.2%,远小于另外2个模型,可见Gipps模型在局部精确度上的鲁棒性要优于Newell模型和IDM模型;Gipps模型的CVT整体平均值和波动幅度分别为98.1%和2.0%,均是3个模型中的最小值,说明Gipps模型在整体轨迹上的鲁棒性也优于另外2个模型。雾天环境下,Gipps模型具备更好的拟合能力和鲁棒性,因此推荐仿真软件使用Gipps模型模拟雾天环境下车队跟驰行为,不同雾天等级及限速下的Gipps模型参数可参考该研究标定的参数。