场间衔接道岔的应用探讨

场间衔接道岔可满足跨场列车运行需要,实现线路融合、互联互通,但其站场布置对信号控制系统要求较高。现对场间衔接中的道岔控制电路、虚拟信号机设置进行分析,简要介绍两场间进路办理的过程,对类似工程起到一定的参考作用。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

粘弹性人工边界在地下结构抗震分析中的应用

地下结构地震反应分析需考虑结构-地基的动力相互作用,其中场地土层的自由场反应分析是确定地震输入的关键问题。以往地下工程实例表明,在结构动力时程计算中,能否有效模拟无限地基边界对结构抗震分析有很大的影响。基于某地下综合体项目进行抗震评估,采用黏弹性人工边界模拟自由场震动响应,克服工程中传统分析里不能模拟场地无限域的缺点。为地下结构的动力时程分析提供可靠数值依据。     

赤泥掺量对水泥稳定碎石基层性能影响

为大规模利用拜耳法赤泥，将其作为砂石应用到公路基层，研究其掺量对水泥稳定碎石赤泥基层性能的影响。结果表明：最佳含水量随着赤泥掺量的增大而增大，最大干密度随着赤泥掺量的增大而降低，7 d和28 d无侧限抗压强度随着赤泥掺量的增加先增大后降低；综合考虑后选定配比：水泥∶碎石∶赤泥为5∶60∶35。1 km的水泥稳定碎石赤泥基层比相同水泥掺量的水泥稳定碎石基层节省造价839 544.5元。因此，赤泥可作为砂石在公路基层中大规模应用。     

大跨径预应力箱梁体外预应力加固技术研究

随着我国经济的不断发展，桥梁基础性建设也在不断完善，但随着重型车辆出现及交通量的迅猛增长，对公路桥梁等结构的影响越来越严重。以某跨海大跨径预应力混凝土现浇箱梁桥为工程背景，在交通量的增大，重型、超重型车辆的增多及施工期间支架发生下沉的情况下进行加固，对该类桥梁体外预应力加固技术进行深入研究。结果表明，采用短束交叉锚固，使得施工更加方便，体外预应力束可根据各跨的病害情况可实现复张、可调节、可更换及可测量的新技术，且在实际工程中已验证加固效果良好；多单束小股分散锚固可降低应力集中，防止转向块及锚固块由于应力集中从而导致开裂。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。