基于三维海床的海管路由设计技术

近年随着深海油气田的开发,远离海岸线的项目逐步增多,其海床的构造与浅海有较明显的区别,海管路由存在海床崎岖不平和地质状况复杂多变等困难,给海底管道的设计和铺设等带来很大挑战。本文通过对三维数字化海床海管路由设计技术的探讨,提出适用于海管设计阶段的海管路由设计流程,最后通过南海某项目的实际路由,依据设计流程,结合三维可视化软件Fledermaus和应力分析软件Sageprofile完成该管道的路由设计。本文可为基于复杂地形和多变地质条件下的海管路由设计提供参考,为进一步开发南海深水项目打下基础。     

金塘大桥重载交通组合式护栏设计及试验

金塘大桥建成后.主要交通量将由集装箱车及大客车等大型车辆构成.本文针对金塘大桥的交通构成特点,采用有限元仿真分析结合实车碰撞试验,开发了适应重载交通、大型桥梁的高防护等级新型组合式护栏.     

青藏公路多年冻土路段边坡植被种植试验研究

针对青藏公路多年冻土路段高、寒、旱、风,植物生长期短,植被种植难度大的特点,在青藏公路开心岭路段的边坡,采用垂穗披碱草(Elymus nutans)和老芒麦(E.sibiricus)等植物混播,采用普通喷播及客土喷播工艺,开展了植被种植试验.结果表明,由于添加了当地的表土,客土喷播工艺能够在该地区公路边坡快速建立比较优良的植被.喷播当年,植被覆盖率可达27.3%,地上生物量(鲜重)和地下生物量(干重)分别达到76.3 g·m-2和72.2g·m-2;第5年,边坡植被覆盖率约为10.0%,地上生物量(鲜重)和地下生物量(干重)分别达到189.3 g·m-2和721.5 g·m-2.客土喷播工艺的植被建植效果明显优于普通喷播工艺.对于普通喷播,增加保水刺和凝结剂的用量,可提高植被建植效果.而添加纤维则作用不明显.     

计算机网络的安全防范与监控

随着铁路信息化水平的不断提高,计算机网络在铁路建设的发展进程中扮演了越来越重要的角色.由于信息化对网络的依赖性越来越强,网络的安全性问题日渐突显.针对计算机网络的安全现状,结合实际的工程项目和改造项目,以系统化和层次化的控制理论为指导思想,从网络防御和监控的角度描述建立一个实用的网络安全架构,确保网络信息的安全.     

重庆土湾大桥主桥方案设计

重庆土湾大桥为城市公轨两用桥,结合该桥建设条件,经比选,采用跨径布置为(95+90+690+90+95)m的斜拉-自锚式悬索协作体系桥梁.主桥中跨采用正交异性钢桥面板桁架结构,边跨采用叠合混凝土桥面板桁架结构,钢-混结合段区域正交异性钢桥的U肋间增加了板式加劲肋进行刚度过渡.主桁标准节段长为15 m,2片桁横向间距为1...     

芳纶增强热塑料管产品设计方法

芳纶增强热塑料管是一种新型油气输送管道,通过对芳纶增强热塑料管的失效分析,以长期静强度回归试验分析为基础,利用产品族的概念,推导并建立了芳纶增强热塑料管的基本设计方法,为今后该产品的设计提供了理论依据。     

基于问卷调查的公众交通安全意识评价方法

为了评价公众交通安全意识,进而明确不同年龄、不同受教育程度、不同职业和不同出行方式的公众群体交通安全意识的差异性,对公众交通安全意识调查数据进行了量化分析。首先,基于自主编制的公众交通安全意识问卷对5 029名参与者进行了调查;其次,对回收的问卷进行因子分析和信度、效度检验,得到了交通安全行为、交通安全态度和交通管理认知3个因子;最后,选取上述因子作为3个一级评价指标,因子所含条目作为17个二级评价指标,对公众交通安全意识进行评价,采用主成分分析法计算因子得分,并应用熵值法确定一级评价指标权重,再通过灰色关联分析计算灰色关联度,最终根据模糊综合评价得出不同公众群体的交通安全意识水平。研究结果表明：不同年龄段的公众中,18~40岁群体交通安全意识水平最高（b=0.79）,41~65岁（b=0.44）和65岁以上（b=0.45）群体交通安全意识水平较低;不同受教育程度的公众中,专科学历群体的交通安全意识水平最高（b=1）,小学及以下学历群体其交通安全意识水平较低（b=0.33）;不同职业的公众中,事业单位人员群体的交通安全意识水平最高（b=0.93）,农民群体的交通安全意识水平较低（b=0.33）;不同出行方式的公众中,以公交车为主要出行方式的群体其交通安全意识水平最高（b=0.91）,而以三轮车（b=0.35）和自行车（b=0.36）为主要出行方式的群体其交通安全意识水平较低。研究结果可用于不同公众群体交通安全意识的度量,并为不同群体的交通安全意识提升方法制定提供理论依据。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

基于连通域分析和笔画宽度变换的船名检测方法

为实现昼夜间船名精准检测,本文提出一种基于计算机视觉的船名检测方法。该方法使用Retinex算法对船舶图像预处理,随后基于MSER获取文字候选区域,根据先验知识和笔画宽度变换特征得到最终候选区域,最后使用级联分类器确定单字符区域,进而得到船名位置完成船名检测。实验结果表明,该方法在昼间和夜间均能实现船名精准检测,昼间船名检测准确率高达90.4%。