地铁盾构断面椭圆度检测及数据分析研究

在地铁隧道竣工检测和运营监测中,盾构断面椭圆度是隧道变形和维修整治的关键指标,对其高效准确地测量是一项重要的工作。随着与日俱增的交通需求和施工技术的快速发展,地铁竣工验收、运维监护对断面测量的精度、效率以及信息全面性等方面的要求越来越高。介绍盾构管片椭圆度的多种测量方法和数据处理原理,并对其优劣性进行对比分析。针对盾构管片断面变形规律的复杂性,利用大量实例数据,统计分析管片椭圆的旋转角、横向收敛、椭圆度等参数的关联和分布情况,发现横向收敛与椭圆度有很强的相关性,且椭圆旋转角超过一定数值对常规水平收敛测量也有影响,即横向与水平直径的偏差不容忽视。因此,横向收敛作为管片结构安全评估的重要参数,将椭圆长轴作为收敛基线更能客观反映实际变形情况,该结果可为类似工程提供一定的参考价值。     

基于深度强化学习的智能网联车辆换道轨迹规划方法

以提高智能网联车辆换道安全和效率,降低燃油消耗为目的,该文提出了一种基于深度强化学习的智能网联车辆（ICV）换道轨迹规划方法。分析复杂交通场景智能网联车辆换道功能需求,设计了分层式智能网联车辆换道轨迹规划架构;兼顾车辆安全和换道效率,设计了基于完全信息纯策略博弈的换道行为决策模型;解耦车辆纵横向运动状态,构造了以燃油消耗和乘客舒适度为目标的联合优化函数,提出了基于双延迟深度确定性策略梯度（TD3）的智能网联车辆纵横向换道轨迹规划方法,得到了车辆纵横向优化换道轨迹,并利用搭建的3个典型换道仿真场景,验证了算法的有效性。结果表明：与深度确定性策略梯度（DDPG）算法相比,提出的方法在左换道和右换道实验中的训练效率平均提升了约10.5%,平均油耗分别减少了65%和44%,而且单步轨迹规划时间在10 ms内,能够实时获取安全、节能、舒适的换道轨迹。