大跨度斜拉桥拉索无应力长度的计算方法比较

推导了用抛物线理论与悬链线理论计算斜拉索无应力长度的公式 ,以南京长江二桥南汊斜拉桥为例 ,分析了用悬链线与抛物线理论计算斜拉索无应力长度的差别 .通过比较 ,认为对大跨度斜拉桥 ,用抛物线理论计算拉索无应力长度 ,完全可以满足精度要求     

大跨度斜拉桥拉索无应力长度的计算方法比较

推导了用抛物线理论与悬链线理论计算斜拉索无应力长度的公式,以南京长江二桥南汊斜拉桥为例,分析了用悬链线与抛物线理论计算斜拉索无应力长度的差别,通过比较,认为对大跨度斜拉桥,用抛物线理论计算拉索无应力长度,完全可以满足精度要求。     

悬链线方法在大跨径悬索桥基准索股调整中的应用

研究提出了悬索桥索股调整的精确计算方法,该方法可以计入主塔偏位、索股温度的影响。通过弹性悬链线模型推导了悬索桥基准索股的悬链线简化方法。该法对于中跨主缆调整与精确方法、抛物线简化方法相比精度较高,边跨主缆调整与抛物线法精度接近,误差均较大,但也可满足实际工程需要。     

悬链线等跨连拱的动态加载计算简介

讨论分析了桥梁悬链线等跨连拱的动态加载计算。     

悬链线箱形拱桥斜拉悬臂施工工艺

悬链线箱形拱桥是指拱轴线为悬链线而主拱截面为箱形的拱桥。悬链线拱桥用料少,重量轻,受力情况好,因此已在高等级道路,特别是高速公路施工工程中得到了广泛的应用。在悬链线箱形拱桥的施工中,     

悬索桥主缆线形设计与施工计算原理及其Win32软件开发

按悬索桥的实际情况将主缆简化为受沿弧长均布荷载和吊点的集中荷载,主缆在吊索之间的线形为悬链线,在吊点处的线形则根据力学平衡条件和变形相容条件加以确定,因此悬索桥的主缆线形为分段悬链线.据此理论建立了一套悬索桥主缆成桥线形和施工过程计算的精确方法,并开发了真正的Win32软件Sgkz2000,笔者对其计算原理、方法和软件开发情况加以介绍.     

自锚式悬索桥主缆线形计算方法

以长沙市三汉矶湘江大桥为工程背景，对自锚式悬索桥的主缆线形及无应力长度的计算方法进行了研究，推导出两种基于不同假定下的主缆线形及无应力索长的计算方法：假定主缆自重沿跨径均布的抛物线法和假定主缆自重沿弧长均布的分段悬链线法。结果发现：抛物线法比较简单，但计算结果比较粗略；分段悬链线法考虑因素比较全面，计算相对复杂，但结果比较精确；对于空缆线形竖向坐标值两种方法的误差为0．739％，无应力索长计算两种方法的误差仅为0．31％。结果表明：抛物线法和分段悬链线法均可应用于自锚式悬索桥的主缆线形计算。     

自锚式悬索桥主缆分析与计算

自锚式悬索桥成桥时主缆线形与主缆无应力长度的精确分析计算是桥梁施工控制重要的一环,也是保证桥梁成桥后几何线性达到设计要求的必要条件。通过分别用分段悬链线法、抛物线法和有限元法计算一工程实例后,对比分析结果得出,有限元法和分段悬链线法(精确算法)的计算结果基本吻合,抛物线法的计算结果有一定的误差。这可为自锚式悬索桥的设计和研究提供参考。     

悬索桥主缆线形设计与施工计算原理及其Win32软件开发

按悬索桥的实际情况将主缆简化为受沿弧长均布荷载和吊点的集中荷载，主缆在吊索之间的线形为悬链线，在吊点处的线形则根据力学平衡条件和变形相容条件加以确定，因此悬索桥的主缆线形为分段悬链线。据此理论建立了一套悬索桥主缆成桥线形和施工过程计算的精确方法，并开发了真正的Win32软件Sgkz2000,笔者对其计算原理、方法和软件开发情况加以介绍。     

悬索桥成桥线形求解方法比较

本文采用Excel内置计算公式,根据确定的设计参数,采用分段悬链线解析方法快速计算出悬索桥成桥线形;并结合有限元软件Midas以及大型通用有限元软件ANSYS,根据悬索桥受力特点计算出相应成桥线形,并将这三种(两类)方法计算结果进行相互校核。结果表明,分段悬链线结合Excel计算能够快速计算出成桥线形;有限元方法具有对整体结构分析结果直观和全面的优点。这两类分析方法可为同类工程的设计提供参考。     

基于贝叶斯网络的车辆换道模型

车辆换道行为是微观交通流中最基本的驾驶行为之一,研究车辆换道行为可以提高车辆换道模型的仿真精度和减少由不合适的车辆换道行为引发的交通事故.当前车辆换道模型大多是基于驾驶员的决策思维方式建立的决策模型,这类模型的缺点是很难捕捉到驾驶员在决策过程中一些潜在决策模式和考虑的影响因素.鉴于此,本文引入了一种典型的人工智能方法--贝叶斯网络,建立了一个全新的车辆换道模型,试图通过机器学习的途径来提高车辆换道模型的精度.采用了分段离散化的方法对数据进行预处理,然后使用处理后的数据对贝叶斯网络的结构和参数进行学习,并分别建立了与两种贝叶斯网络结构相对应的车辆换道模型,最后对建立的模型分别进行验证.模型的验证结果表明,建立的基于贝叶斯网络的车辆换道模型对换道行为的识别率可以达到88%以上. 此模型还可进一步应用到驾驶员辅助系统的开发中.     

基于驾驶人决策机制的换道意图识别模型

依据驾驶人换道决策的产生机制,提出速度期望满足度、危险感知系数和换道 可行性系数作为换道决策的识别指标并确定其量化方法.通过实车试验数据的分析表明： 量化指标与换道决策存在不同程度的相关性;同时在换道初期、车道保持及过渡状态阶 段存在显著差异.以速度期望满足度、危险感知系数和换道可行性系数为特征输入参数, 建立基于模糊神经网络的驾驶人换道意图识别模型,进行驾驶人换道意图的识别.结果表 明,该模型在换道初期的预测准确率达到89.93%,虚警率为9.52%,优于以碰撞时间TTC 为输入指标的BP神经网络模型,以及以RV、RP、RS为变量的Logistic 模型,说明模型具 有较好的预测准确性.     

基于换道概率分布的多车道交织区元胞自动机模型

交织区是快速路系统的重要组成部分，由于车辆频繁换道、相互作用复杂，容易造成交通瓶颈。本文提取城市多车道交织区时间分辨率为0.1 s、空间分辨率为0.1 m·px-1 的高精度车辆轨迹，分析交织区及相邻路段的交通流和车辆行为特性，提出分区元胞自动机模型。在上游和下游换道模型中，建立基于速度差、车辆间距的换道动机规则、间距规则及Logistic换道概率规则。对于交织影响区，建立考虑速度、间距及路径转换需求的换道动机规则，根据安全风险构建换道时机的多步决策规则，提出基于换道频率Gaussian分布模型的换道概率规则，并对主要参数进行灵敏度仿真测试分析，模型具备评估交织区不同换道状态的实际应用潜力。仿真与实测显示，本文 模型流量、速度、密度及换道分布等特性与实际相符，能有效反映车辆在不同位置的换道需求与强度差异性，刻画多车道交织区复杂的换道行为。     

未来气候变化对三峡入库径流影响分析

通过对大气环流模型的计算输出结果分析,利用分布式月水文模型分析未来气候情景下长江上游流域径流的可能变化趋势,进而分析三峡入库径流的变化情况。未来气候情景采用HadCM2模式。建立了分布式月水量平衡模型,模型的模拟精度较高,NASH效率系数达到85.34%。根据长江上游流域未来的气候情景,以降水、平均气温这两个因子作为模型输入,模拟分析未来气候条件下的三峡入库径流变化情况。结果表明:由于气候变化的影响,三峡未来入库径流量在未来30年内呈弱减小趋势,而60年后则呈增大趋势。     

基于IC 卡数据的公交通勤熵变模型的构建与应用

建立利用公交IC 卡数据计算公交过剩通勤熵变的框架,对优化城市居民通勤出行距离的难易程度进行定量分析. 结合公交出行的特点,构建基于Wilson 熵模型和双约束重力模型的公交通勤熵变模型;以广州市居民公共交通IC 卡数据为例,对通勤筛选、单元问题及过剩通勤熵变评价等进行探讨. 结果发现,采用约1 km × 1 km的单元格划分是城市公交通勤熵变模型中适合的单元划分方式,公交过剩通勤的熵变能够有效衡量平均通勤距离减少的难易程度和检验改变通勤行为相关政策的有效性.     

应用于换道预警的驾驶风格分类方法

针对不同驾驶风格驾驶人对换道预警需求存在差异的问题,采用视觉传感器、 雷达传感器、GPS、车辆 CAN 总线数据采集系统,基于小型乘用车搭建了实际道路驾驶行 为试验车.通过对多名驾驶人进行实际道路自然驾驶试验,选用跟车时距、换道时距、超速 频次、换道过程最大方向盘转角等参数,采用模糊评价法建立了驾驶风格离线分类模型, 实现了将驾驶人分类为冒进型、比较冒进型、比较谨慎型、谨慎型四类.采用换道安全性相 关参数对模型进行验证. 结果表明,随着驾驶人谨慎程度的增加,换道安全性评价参数更 倾向于安全,驾驶风格分类模型与实际换道安全性评价参数之间呈现良好的一致性.     

基于自回归条件持续期模型的疲劳驾驶研究

对实际驾驶实验中不同驾驶员的车速数据进行处理,得到车速变化持续期间序列,应用自回归条件持续期模型(ACD),讨论了车速变化持续期的相关性质,并对模型的可靠性做了评估.使用ACD模型为车速变化持续期时间序列建模,其优点是能够在不损失原始非等间隔时间序列特性的条件下,直接分析得到驾驶状态的时域微观性质.采用EACD(1,1)和 WACD(1,1)模型对不同驾驶员的车速变化时间序列进行建模,结果表明：其具有较好的拟合程度,当实际期间小于条件预期期间,驾驶员的驾驶状态有变好的可能;当实际期间大于条件预期期间,驾驶员的驾驶状态有变差的可能.     

网构软件可靠性演化计算研究

为了计算和评估网构软件系统Internet网络环境下的可靠性变化,考虑到可靠性变化影响的积累效应,在网构软件系统结构的基础上构建网构软件系统可靠性转移矩阵,建立了网构软件可靠性演化计算以及演化趋势模型;利用DTMC理论和卷积原理,提出了可靠性演化计算模型,并设计了相应算法,从可靠性及其变化、可靠性变化积累计算3方面精细地进行可靠性演化趋势分析,算法计算复杂度降低到O（Nlog2N）.采用MATLAB模拟实验表明,提出的模型和算法能够有效地进行网构软件可靠性演化分析.      

高速场景相邻前车驾驶行为识别及意图预测

相邻前车的驾驶行为会影响后车,因此先进的辅助驾驶系统需具备识别前车驾驶行为的能力. 对高速场景下相邻前车换道行为进行研究,分别提出双层连续隐马尔可夫模型-贝叶斯生成分类器(CHMM-BGC),以及基于双向长短时记忆网络(Bi-LSTM)的行为识别模型和意图预测模型. 采用自然驾驶数据集对模型的有效性进行测试验证. 实验分析表明：基于Bi-LSTM的行为识别模型相较于双层CHMM-BGC在平均识别率上提升了11.24%,两种行为识别模型均可在相邻前车换道过程的早期阶段识别换道行为;考虑相邻前车与周围环境车辆的交互作用,可使模型具有预测性,两种意图预测模型均可在车辆换道时刻前预测到驾驶人换道意图. 模型仿真计算时间可满足系统的实时性需求,为本车驾驶人预留出反应时间,为预测周围车辆行驶轨迹研究提供支持.     

轨迹数据驱动的车辆换道意图识别研究

为实现准确识别车辆换道意图，提高车辆行驶安全性，综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度，提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先，筛选和平滑处理车辆轨迹数据，将车辆轨迹数据分为向左换道、向右换道及直线行驶3类，构建换道意图样本集。其次，构建融合注意力机制的 CNN_GRU模型，识别换道意图样本集，考虑到行驶过程中车辆之间的交互性，将被预测车辆和周围车辆的位置和速度信息作为模型的输入，经过CNN层特征提取的特征作为GRU层的输入，经过注意力机制层对不同的特征增加不同的权重系数，利用 Softmax 层识别换道意图。最后，选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能， 同时，与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明，所提模型车辆换道意图识别整体准确率达到97.37%，迭代时间为6.66 s，相比于其他模型准确率最多提高9.89%，最少提高2.1%。分析不同预判时间下的意图识别，模型可在车辆换道前2 s 内均能识别换道意图，准确率在89%以上，表现出良好的识别性能。