水泥土桩组合土工格栅法处理软弱地基应用研究

为解决工程中软土分布广、处理深度较大以及受地形约束提供电力不足等问题,采用水泥土桩组合土工格栅形成复合地基方法进行处理,分别从作用机理、室内试验、方法设计以及施工工艺及质量控制等方面进行应用研究,为今后相关工程提供了技术支持和决策依据。     

高质量发展背景下黄骅港的转型升级

为使黄骅港在高质量发展背景下实现转型升级,运用调研走访方法分析黄骅港现状,运用鱼骨图分析法探究可能影响黄骅港转型升级的因素,采用ISM模型研究各因素间的关系。结果表明,政府政策支持、港口市场环境、港口经济状况等为核心因素。据此提出建议:加快港口基础设施和运输体系建设,促进智慧港口建成;调整优化港口定位,推进港口安全绿色发展;大力培养港口人才,提升港口技术水平;合理规划港口资源,促进港城融合协调发展;创新管理体制,政府加大政策支持力度。     

中外岸坡抗强震设计方法对比

天然岸坡以及工程岸坡(如防波堤、驳岸、航道等)在众多海外项目中普遍存在,并往往因为强震作用而产生显著的位移变形。国内外技术规范以及参考指南针对这一问题,分别提出拟静力法、Newmark滑块位移法、时程位移分析法等设计方法。针对不同方法以及判别标准,依托海外某回填陆域工程的岸坡稳定及位移分析结论,分别采用滑弧稳定分析、地震位移经验公式以及时程位移分析,进行方案的综合分析论证。结果表明,中外不同分析方法的判别标准稍有差别,但均能较好地依托实际,在总体安全储备方面相符。     

A data-driven travel mode share estimation framework based on mobile device location data

Transportation - Mobile device location data (MDLD) contains abundant travel behavior information to support travel demand analysis. Compared to traditional travel surveys, MDLD has larger...     

基于混合约束自编码器的机动车工况智能构建方法

为构建更具代表性的机动车行驶工况，实测采集福州地区1辆机动车共20d的真实驾驶数 据，选取14个特征参数表征运动学片段信息，运用主成分分析和K-means聚类划分运动学片段聚类，根据聚类中心的距离筛选备选片段并随机组合构建工况集合。提取11个特征参数计算构建工况的误差，选择集合中误差最小的工况作为构建工况，提出利用混合约束自编码器构建工况优化模型，并研究参数标定方法，最终将平均误差由2.97%缩小到2.39%。混合约束自编码器模型的分析验证结果表明，优化策略符合实际情况，可以有效避免随机选择带来的误差不确定性，验证了所提出行驶工况构建流程的合理性，并提升了工况预测的精确度，得到模型参数推荐值。对实现碳达峰目标下的机动车碳排放预测及排放控制具有重要的现实作用和意义。     

中低速磁浮列车悬浮控制系统可靠性分析及优化

针对中低速磁浮列车的悬浮控制系统建立了可靠性模型,分析了其故障率、平均故障间隔时间等可靠性指标及其故障形式,找出可靠性的薄弱点.针对薄弱点进行了相应的优化,进一步提升了系统的可靠性.评估分析了各项优化在救援故障、晚点故障以及一般故障等实际运营上的优化效果.     

简易门架吊装的暗挖地铁车站钢管柱施工技术研究

近年来,越来越多的地下多层暗挖地铁车站采用钢管柱结构,施工中不仅要保证施工进度、质量和安全,又要严格控制车站周边重要建筑物的安全。本文依托某暗挖地铁车站钢管柱施工,阐述了钢管柱制作与拼装、钢管柱放线定位、钢管柱吊装、钢管柱定位及钢管柱周边细砂回填等工艺流程,并设计了钢管柱吊装的简易门架,利用软件模拟检算了简易门架的承载力及安全性。通过工程实践表明,简易门架安全可靠,施工效率高,在钢管柱吊装中具有很强的推广意义。     

基于多数据源的CTC调度台工作负荷研究及评定

为准确划分CTC调度台的繁忙程度,提出了一种通过CTC调度台的基础数据对调度台进行划分的方法.参照工作负荷研究中常用的方法,即主观评价法和任务分析法,结合统计学方法中的聚类分析,对某铁路集团有限公司中的17个CTC调度台进行繁忙程度划分.为有效地划分繁忙度,首先,在任务分析法详细分析工作内容的基础上,通过相关分析和回归分析探讨基础数据和工作负荷的关系;然后,基于调度台的基础数据,采用聚类分析中的K-means聚类算法对CTC调度台的工作负荷进行繁忙度划分;最后通过对CTC调度员心理负荷和工作压力的主观评价数据的方差分析来验证聚类划分调度台繁忙度的科学合理性.结果 表明:聚类分析后的繁忙、普通和轻松台之间在主观评价工作负荷上都有显著差异.     

多特征融合的船舶轨迹相异度模型分析与优选

基于船舶自动识别系统轨迹，构建了船舶轨迹静态相异度模型、动态相异度模型以及组合相异度模型，包括轨迹起点和终点相异度模型、轨迹长度相异度模型、轨迹空间分布相异度模型、轨迹航速均值相异度模型、轨迹航向均值相异度模型、轨迹航速标准差相异度模型和轨迹航向标准差相异度模型；采用KNN分类算法进行轨迹分类，分析了单个相异度模型的有效性和时效性，对比了单个相异度模型和组合相异度模型下轨迹分类效果，研究了组合相异度模型中相异度模型的类别和权重对轨迹分类的影响；分别以内河航道和港口水域船舶轨迹进行试验。试验结果显示:在采用单个相异度的情况下，就分类效果而言，轨迹起点和终点相异度模型和轨迹航向均值相异度模型在内河航道和港口水域船舶轨迹分类效果均优于其他模型，而基于轨迹航速均值相异度模型和轨迹航速标准差相异度模型的轨迹分类效果最低，就分类效率而言，基于航速、航向均值和标准差的相异度模型耗时明显低于其他3个相异度模型；采用组合相异度进行轨迹分类，内河航道和港口水域船舶轨迹分类结果的基于精确率和召回率的宏平均值和微平均值均能接近99%；将组合相异度中相异度类别数由4个增加到7个，轨迹分类评估结果进一步得到提高。因此，单个相异度模型中以轨迹起点和终点相异度模型、轨迹航向均值相异度模型以及轨迹空间分布相异度模型分类效果最优且稳定，而轨迹空间分布相异度模型和轨迹长度相异度模型耗时明显高于其他方式，各相异度模型在不同场景中的适应性基本相似，通过增加组合相异度中相异度类别能够提高轨迹识别效果。      

基于自然驾驶数据的驾驶人换道决策识别研究

为实现人机共驾模式下智能系统对驾驶人换道决策的准确识别,将换道决策细分并提出了基于改进的极端梯度提升(XGBoost)的换道决策识别模型。以实车试验采集的自然驾驶数据作为输入,并采用滑动时间窗法确定识别时刻,建立各识别时间窗口下基于XGBoost的换道决策识别模型,同时运用交叉检验和网格搜索(GS)算法进一步提升模型性能,最后利用验证集数据评估所构建GS-XGBoost模型的识别性能,并与机器学习及深度学习模型进行对比。结果表明,所提出的模型在具体换道决策辨识上具有较好的实时性和准确性,且在1.8 s和1.6 s时间窗下的识别准确率最高,达到86.2%。