道路环境对双责事故受伤严重程度影响分析

目前,国内外有关双责事故的研究方兴未艾,特别是对道路环境因素对于双责事故受伤严重程度影响的研究更加缺乏。虽然道路环境是事故的外在因素,但通常对事故的发生以及受伤严重程度有着不可忽略的影响作用。本文正是基于上述背景,采用二项有序probit展开道路环境因素对双责事故受伤严重程度的影响研究分析,旨在探寻事故中道路环境因素对双方驾驶员受伤严重程度的显著影响因素,并针对这些影响因素提出相应的建议或措施来降低双责事故后果的严重性,为改善交通安全状况提供一定的参考。     

高寒动车组牵引变流器运行环境特性研究

振动和温度是影响车载设备可靠性的重要环境因素。通过对某高寒动车组牵引变流器在"青岛—乌鲁木齐"的长距离线路运行测试,获取了牵引变流器柜体及其关键部件的振动和温度等实际运行数据,研究了不同车速和线路条件下牵引变流器及其关键部件的振动和温度特性差异,并与IEC 61373标准进行对比,了解了该车型牵引变流器实际运行环境特性。在此基础上,通过随机振动数据统计归纳技术得到了牵引变流器柜体及其关键部件运行线路振动载荷谱,可为产品可靠性研究和优化提供参考。     

出租车驾驶员交通违法行为演化博弈模型

为研究违法成本对出租车驾驶员实施违法行为的影响,根据驾照管理方式,对交通违法成本构成及其累积过程进行研究. 通过设置警戒分数线,将出租车驾驶员分为一般和临界两个状态,构建了不同执法策略条件下,出租车驾驶员与交通执法者间的演化博弈模型,并采用仿真手段模拟不同执法及驾照管理条件下,出租车驾驶员的违法策略变化情况. 研究结果显示:执法水平和驾照分扣除程度直接影响违法成本,并决定双方的演化均衡;交通管理者对临界驾驶员采取低于一般驾驶员约30%的执法概率即可达到类似执法效果,临界驾驶员执法成本更低;相同执法水平下,临界驾驶员违法概率低于一般驾驶员;记分周期（1 a）内,每天相同人数更换驾照时,遭交通处罚的一般驾驶员人数相比不更换驾照条件多约10%,且随时间推移人数持续增加. 相关改善措施可考虑调整执法策略或改变驾照更新制度,促使出租车驾驶员驾照资格从一般转入临界状态,有助于遏制其交通违法行为,降低交通执法成本.      

基于元胞自动机的高速公路临时瓶颈交通流仿真

为研究强制换道及冲突点分布对高速公路临时瓶颈交通流的影响,在NS(NaSch)模型和STCA(symmetric two-lane cellular automata)模型的基础上,引入强制换道规则,根据瓶颈口上游驾驶员心理状态的变化,建立高速公路瓶颈交通流模型.在开口边界条件下,针对不同的安全换道概率、强制换道概率、冲突点距离和冲突区间长度参数,模拟得到瓶颈交通流量和换道频率与车辆到达率的关系.仿真结果表明,安全换道行为对系统流量影响小;强制换道行为是降低瓶颈系统最大流量的主要因素,当安全换道概率为0.5时,强制换道概率从0.0增加至0.1,最大流量下降了17%;冲突点距离的增加缓解了交通拥堵程度,当冲突点距离从1 cell增加至4 cell时,临界车辆到达率上升了4%;冲突区间长度对交通事故风险的影响较大,最大强制换道频率随冲突区间长度的增加而增加.      

交互危险行为对双责事故严重程度的影响分析

为了明确交互危险驾驶行为与双责事故严重程度的关系,从驾驶行为方面有效减轻双责事故的危害后果,结合双责事故的特点及各统计分析模型的适用性,采用广义有序logit模型鉴别各种危险驾驶行为交互作用对双责事故受伤严重程度的影响作用,并分析危险驾驶行为对不同等级受伤严重程度的影响规律以及影响机理.研究结果表明:双方驾驶员均偏离车道、双方均分心驾驶、一方超速另一方让行失败、一方超速另一方鲁莽驾驶以及一方违反交通规则另一方让行失败的交互危险行为会显著增加事故严重程度.根据分析结果,提出应对驾驶员做好宣传教育工作促使其养成良好的驾驶行为习惯,并结合超速监测系统、电子执法系统等技术手段加强对危险驾驶行为的监控.      

地铁车辆牵引电机装车噪声性能测试及分析

通过对某地铁车辆牵引电机开展线路振动噪声测试,获取了车辆运行过程中牵引电机本体附近及车辆内部的振动噪声数据,通过频域分析、品质分析和阶次分析等研究了不同工况下牵引电机的噪声性能及其对车底和车厢的影响,可为牵引电机设计开发提供参考。     

既有电气化铁路接触网倒锚施工方法

本方法介绍了既有线接触网倒锚中的技术特点和施工程序，以及施工中所需要的机、料、具与人员组织等方面的情况。     

电力机车司机室异常噪声产生机理分析

针对某型电力机车司机室异常噪声现象,对相关部件进行了振动和噪声测试,研究引起异常噪声的机理。从轮对振动特征、车体振动传递性能、司机室结构模态以及空腔模态等方面开展了探讨和分析,总结和归纳了异常噪声产生的可能原因,确定了轮对多边形失圆产生的低频振动是司机室振动过大的主要原因,司机室板件振动频率与空腔模态的声固耦合振动是诱发电力机车异常噪声的根本原因。     

机车变压器电磁噪声抑制及仿真优化研究

某机车现场运行时机械间变压器电磁噪声突显,产生刺耳的啸叫声,严重影响听觉。针对这一现象,开展了变压器现场和车间电磁噪声声学测试,了解其声学特性,在此基础上结合变压器实际安装情况及声传播特性,提出了声学包装优化方案,并对优化方案进行了声学仿真计算和试验验证。结果表明,优化方案能明显改善现场变压器电磁噪声水平,提高值乘舒适性,且成本较低。     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。