西部地区高速公路发展规划生态环境影响评价——指标体系构建及评价方法探讨

在探讨战略环境评价意义的基础上，按照战略环境评价指标体系构建的一般步骤，针对高速公路规划自然生态环境的影响因素，建立了公路交通发展的战略性生态环境评价的可选指标集，并根据指标的特点给出了一种基于GIS技术的评价方法。这种构建指标体系的方法简单易行，评价要素明确，层次分明，构建的可选指标集可为西部地区高速公路发展规划生态环境评价提供参考。     

矮墩宽箱连续刚构桥设计

文章结合广西八尺江大桥建设的工程实例,介绍如何利用二三维有限元电算程序对矮墩宽箱连续刚构桥进行施工和成桥阶段的计算分析,从而达到满足宽箱(18·5m)、矮墩(12·5m)的设计要求。     

车载定位技术在出租车调度系统中的应用

介绍了出租车调度系统的构成及其功能。调度指挥中心系统作为调度系统的核心,能够实现卫星定位、查询管理、电招、报警等功能。而车载定位导航系统主要是借助GPS(GlobalPositionSystem)全球定位系统来实现的。GPS全球定位系统是全球性、全天候、连续的卫星无线电导航系统,它可提供实时的三维位置,三维速度和高精度的时间和信息。出租车调度系统的建立可有效地提高出租车行业的服务水平和城市文明形象。     

悍马车用柴油机的控制内容与特性试验研究

介绍了GM-L65电控柴油机的控制内容及控制参数,阐述了柴油机的部分油门特性与变速器换挡规律之间的联系。根据总功率试验数据,采用曲面拟合的方法,利用MATLAB软件的数据处理和三维曲面功能,求出了GM-L65柴油机的万有特性,为动力传动系统的一体化控制以及换挡规律设计提供了依据。     

优化理论在沥青路面机械化施工中的应用

针对政道路改扩建工程中，多搅拌站供料和多工地同时施工的现象，在确保机械化施工连续性的条件下，利用优化算法确定在不同的施工阶段，各搅拌的最佳供给量，并以此为基础，合理安排生产，调度运输车辆,轴时以施工实例给出具体计算过程。     

货车驾驶室结构动力模型修改

本文利用货车驾驶室的测试模态参数来修正其有限元动力分析模型。文中主要论述货车驾驶室模态参数识别、动力分析模型单元组合修正法和货车驾驶室动力模型修改。     

基于小波提升格式理论的隧道衬砌缺陷定量识别分析

为提高探地雷达信号分析中小波基函数选取或构造的针对性和适应性，降低构造计算复杂性，并使所构造的小波基能更准确提取隧道衬砌结构背后空洞检测信号特征点信息，提出一种根据提升格式小波理论和目标信号波形特征来构造匹配小波的方法，并将所构造的小波基应用于空洞检测信号特征点的识别中。该方法以完全重构滤波器条件和提升格式小波为理论基础，首先选择一个简单而一般的初始双正交滤波器组，通过对初始双正交滤波器进行提升和对偶提升，获得不同的提升算子和对偶提升算子，从而得到更新后含自由变量的高阶滤波器组函数表达；其次，依据探地雷达信号的固有特点，对新滤波器组中重构端小波函数中的自由参数进行优化，并对新小波基与实际探地雷达信号的相似度进行计算和检验，最终构造出既满足线性相位、紧支撑性，又具有与探地雷达信号匹配度高等优势的新双正交小波基。将新小波基应用于室内空腔检测试验及实际工程中空洞缺陷的定量分析中，结果表明，同其他类型小波相比，用提升方法构造的小波能更准确地识别空洞缺陷信号突变点发生的时刻和位置，能更准确地实现隧道工程中空洞缺陷的位置和垂直尺寸的定量分析，从而大大提高探地雷达对缺陷探测的可靠度和准确度。     

隧道建设活动对地表植被群落动态的影响——以武昆高速公路象鼻岭隧道为例

通过典型样地法对云南武昆高速公路象鼻岭隧道洞身地表区的优势自然植被进行重要值和生物多样性调查,探究隧道建设活动对植被群落动态产生的影响.研究发现,隧道建设中人为活动及临时工程修建等对隧道上方植被会产生一定的影响,部分阳生物种和入侵物种的重要值增大,群落各层的多样性指数有所下降,且影响程度与植被质量和干扰强度有关.     

港口与城市环境及资源的协调发展度研究

随着我国港口和城市建设的不断发展,在生态环境和资源利用方面港城间的矛盾日益明显,如何协调两者之间的发展已成为目前迫切需要解决的课题。为此,以大连市为例,从建立港城协调发展度模型入手,对港口与环境及资源之间协调的程度进行评判,从而为指导港口和城市的可持续发展提供了决策依据。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。