泥质软岩土石混合料弃渣路用性能研究

为了有效利用泥质软岩土石混合料弃渣作为路基填料,在土样基本工程性质试验的基础上,对不同含水率的土样开展了膨胀率试验及大型固结试验,通过对现场不同路基填筑工艺的试验和数值计算模拟可知,不同初始含水率条件下,浸水4昼夜后土样的膨胀率随初始含水率的增加先增大后减小;试样属于中压缩性土,最佳含水率时的试样压缩模量是饱和含水率的1.2倍;泥质软岩土石混合料弃渣填筑路基的松铺厚度宜控制在40 cm左右,填料粒径不大于260 mm,按照试验推荐工艺可以达到高速公路及一级公路1.5m以下路堤的压实度标准.     

道路危险货物运输过程中的几个问题

针对我国目前公路危险货物运输事故频发的现象,分析了有关道路危险货物运输在国家法规、中间申报环节、押运人和道路交警执法过程中存在的问题,给出了与之相关的对策,并进一步提出了信息技术以及实时监控系统在危险品运输过程中的应用。     

基于DS-LOF与GA-XGBoost的路域环境感知数据智能检测与修复

针对目前路域环境感知系统易受路面结构和气候等众多因素影响从而造成感知数据出现异常的问题，对路域环境感知数据异常智能检测与修复问题展开研究，提出一种基于DS-LOF(Difference&Summation-Local Outlier Factor)与GA-XGBoost (Genetic Algorithm-eXtreme Gradient Boosting)的路域环境异常感知数据智能检测与修复方法。以沥青路面温湿度感知数据为实例，首先通过对感知数据进行一阶差分与线性求和计算，构建原始感知数据DS (Difference&Summation)特征向量；然后，基于DS-LOF算法对感知数据进行异常值检测，并与K-means聚类和单类支持向量机算法进行对比分析；其次，以原始感知数据集为基础，并结合异常检测结果，构建路域环境感知数据异常修复数据集；最后基于遗传算法优化XGBoost模型进行数据修复。试验结果表明：GA-XGBoost模型相比于XGBoost模型以及其他机器学习修复模型，其路域环境感知数据修复平均误差最低(M_AE=1.253 7,R