高速公路瓶颈区域可变限速控制方法

高速公路交通流处于高峰时,公路主线路段可能出现拥挤的瓶颈路段,导致车辆运行时间增加,路段运行效率降低等问题.本文从高速公路瓶颈区域路段交通流运行的时空特征出发,对现有的Papageorgiou模型进行扩展并考虑速度控制因素,使其适用于可变限速控制环境下的真实交通流运行状态,提出了适用于高速公路瓶颈区域的可变限速控制条件的改进模型,以控制周期内总通行量最大和车辆总行程时间最小为目标,建立高速公路主线可变限速控制优化模型.仿真结果表明,相对于固定限速控制,本文提出的可变限速控制方法可降低总行程时间7.45%,提高平均速度8.78%,表明该可变限速控制模型能在一定程度上缓解高速公路瓶颈区域的拥堵问题.     

信号控制四路环形交叉口多进口协同放行方法

针对传统信号控制四路环形交叉口环内车辆间相互干扰对交叉口延误的影响,本文提出 1种多进口协同放行的信号控制方法.首先,基于元胞传输模型建立能描述信号控制四路环形交叉口车流特征的动力学模型;并在此基础之上,以交叉口延误为优化目标、配时参数为目标变量建立信号优化模型,利用遗传算法进行优化,从而得到信号配时参数;最后,通过实例对模型的适用性进行分析.结果表明：四路环形交叉口进口道左直车道分流渠化后,环道车辆延误明显降低;与单进口轮流放行方式相比,本文提出的多进口协同放行控制方法能有效降低交叉口车辆延误.     

基于灰色理论的雪山梁隧道施工过程渗漏水水源识别研究

为了解决黄龙景区雪山梁隧道开挖过程中的涌水水源识别问题,结合黄龙景区雪山梁隧道的相关施工资料,依据已有的地质资料和涌突水预测,通过水分析化学实验,采用灰色理论计算方法研究不同水系之间的关联度;而后针对单一水源和混合水源分别进行试验和分析,得出雪山梁隧道出口段内渗漏水来源最可能为大气降水,关联度较高的还有淘金沟上游水系和隧道出口处水系;最后进行比对,得出隧道渗漏水主要来源是大气降水和淘金沟上游水体的结论,并依据现场资料及实地踏勘,验证了灰色理论分析结果的可靠性。     

考虑轴力和剪切效应的盾构隧道纵向变形分析

采用傅立叶级数法研究了不同荷载作用下轴力和剪切效应对盾构隧道变形的影响.?计及剪切变形所产生的地基反力,建立了弯曲变形的控制微分方程,推导了剪切变形的计算公式;采用与既有理论解对比的方法,验证了级数解的正确性;通过对比计算,分析了截面形式、端承条件、荷载形式、长高比以及有无弹性地基对盾构隧道剪切变形的影响,剪切刚度对弯...     

中低速磁浮车辆-桥梁耦合系统动力性能试验

为探究中低速磁浮车辆-桥梁耦合系统的振动特性,对其在上海临港中低速磁浮试验基地开展了现场动力学试验,研究了车速和桥梁结构形式对耦合系统动力响应的影响;试验车辆采用(悬挂)中置式悬浮架,试验桥梁为25 m混凝土简支梁和25 m钢结构简支梁;为明确2种桥梁的固有振动特性,对其进行了模态测试;提取了不同工况下车辆-桥梁耦合系统的加速度及桥梁的垂向动位移信号;计算了垂向和横向Sperling指标、动力系数、梁端转角等车辆-桥梁耦合系统关键动力指标,详细分析了耦合系统的动态响应特性,评估了系统的振动水平。研究结果表明：混凝土梁和钢梁的垂向一阶固有频率分别为7.32、7.72 Hz,2种桥梁的各项关键动力指标均满足相关标准要求;混凝土梁和钢梁的最大加速度分别不超过0.2、1.4 m·s^-2;当车速为5 km·h^-1时,钢梁的垂向动力响应幅值约为混凝土梁的7.6倍;在测试的速度范围内,车辆的横向Sperling指标均小于2.5,表明车辆在混凝土梁和钢梁上运行时均具有优秀的横向平稳性;车辆空气弹簧悬挂系统的垂向固有频率峰值在车速为25 km·h^-1时达到最大,通过混凝土梁和钢梁的垂向Sperling指标分别达到2.687、3.340。测试结果可为中低速磁浮车辆-桥梁耦合系统的优化设计和数值模型验证等提供有价值的参考。     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一,愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类,且随着交通大数据的不断充实,基于强化学习的数据驱动方法日益成为新兴发展方向。然而,现有数据驱动类研究主要偏重于决策模型设计,缺乏对智能体结构的探讨;同时,在多路口协同方面多采用分布式策略,忽略了智能体之间信息交互,无法保障区域层面的整体最优性。为此,本文以干线信号为对象,构建一种多智能体混合式协同决策的信号优化方法。首先,针对交通状态的多样性、异构性及数据不均衡性,设计分布训练-分区记忆的单智能体决策模型,并优化状态空间和回报函数,界定单路口控制的最佳方案;其次,融合分布式和集中式学习的模型优势设计多智能体交互方法,在单路口分布式控制的基础上,设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型,实现干线多信号的协同运行。最后,搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比,在支路交通流基本不受影响的前提下,干线停车次数分别降低了14.8%和13.6%,具有更好的控制效果。     

信号交叉口行人二次过街下右转车通行能力与延误估计模型

在充分分析典型四相位交叉口行人二次过街设置前、后的行人流与右转车流冲突的前提下,以行人过街时间占有率和行人群到达分布作为分析指标,利用可插车间隙理论得出行人单向通行和双向通行条件下的右转车通行能力计算公式;根据行人流随机消散和集中消散的不同特征,应用随机分布理论推导出右转车穿越行人流的延误模型;并通过算例对比分析行人二次过街设置前、后右转车通行能力和延误的变化值。结果表明,除了在少数行人流量比较大的情况下,行人二次过街的设置会小幅度减少右转车的延误;在其他大多数情况下,行人二次过街设置后,右转车的通行能力将受到限制,延误增大,其中,平均通行能力降低了16.68%,平均延误时间增大了21%,所以,当右转车交通需求较大时,需同时考虑行人和右转车的交通运行状态,优化设计是否采用行人二次过街,避免右转车超出极限忍耐时间而增大与行人冲突的概率。     

驾驶人手机通话行为中基于图像特征决策融合的手势识别方法

为鲁棒检测自然环境中驾驶人的通话行为, 提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域, 在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样, 由此建立了肤色的高斯分布模型; 针对驾驶室光照强度的不均匀性, 提出了肤色分量的漂移补偿算法, 建立了适应光照变化的在线肤色模型, 以准确分割左右手部肤色区域; 运用HOG算法获取手部肤色区域的2 376维HOG特征向量, 运用PCA方法将HOG特征降至400维; 同时提取手部肤色区域的PZMs特征, 并采用Relief算法筛选出权重最大的8个PZMs特征向量, 建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明: 基于PCA-HOG特征的手势识别率为93.1%, 对光照变化的鲁棒性较好, 但易受到手部与头部转动的干扰; 基于Relief-PZMs特征的手势识别率为91.9%, 对于头部与手部姿态的耐受度较好, 但光照鲁棒性较差; 基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%, 对光照波动、手部与头部转动等干扰条件具有较好的适应性。     

Enhancing Speech Recognition for Parkinson's Disease Patient Using Transfer Learning Technique

Parkinson's disease patients suffer from disorders of speech.The most frequently reported speech problems are weak,hoarse,nasal or monotonous voice,imprecise articulation,slow or fast speech,difficulty starting speech,impaired stress or rhythm,stuttering,and tremor.To improve the speech quality and assist the patient with speech rehabilitation therapy,we have proposed the speech recognition model for Parkinson's disease patients using transfer learning technique (PSTL),where we have pre-trained the long short-term memory (LSTM)neural network model with our developed publicly available dataset that has been obtained from healthy people through the social media platform.Then,we applied the transfer learning technique to improve the performance of the PSTL framework.The frequency spectrogram masking data augmentation method has been used to alleviate the over-fitting problem so that the word error rate (WER) is further reduced.Even with a limited dataset,our proposed model has effectively reduced the WER from 58％ to 44.5％ on the original speech dataset and 53.1％ to 43％ on the denoised speech dataset,which demonstrated the feasibility of our framework.