驾驶员隧道段夜间行车动视点特征模糊聚类评价

通过隧道路段行车试验,利用SmartEyeAB型眼动仪对驾驶员夜间隧道动视点数据进行采集并进行处理。选取视点停留比率、显著可见区域、扫视幅度、扫视峰值速度、扫视持续时间5项指标作为驾驶员动视点特征主要影响因素。利用模糊聚类分析中的传递闭包聚类方法对驾驶员夜间隧道路段行车视觉特点进行了分析与评价。通过驾驶员对路段的熟悉程度可将动视点特征分为6类。结果表明：该模糊聚类评价方法能够有效反映驾驶员夜间路段视觉信息获取与加工特征,可为保障夜间行车安全提供理论与实践依据。     

在电气设计中如何减少大型客车的自燃隐患

简要阐述在进行大型客车电气设计时,如何在线径选用、熔断器匹配、线束走向、管线固定方式、高温危险零部件监控及自动灭火装置应用等方面采取措施,来减少车辆的自燃隐患。     

红粘土地区有机质水泥土试验研究

水泥搅拌法因其良好的经济效应,被广泛地应用在地基处理方面。但由于人类的活动造成了大面积土地含有有机质,影响了水泥土桩的强度,对桂林某工地化粪池附近的桩体进行检测,因为该原因造成承载力不足就是很好的证明。通过室内试验,初步探讨了养护时间和养护环境对有机质水泥土强度的影响。试验研究表明:有机质水泥土强度会随着龄期而增长,前期增长速度快,而后期增长幅度则会减慢;有机质含量会影响压缩系数的大小;自然养护条件下有机质水泥土的抗剪强度和抗压强度比湿养和水养条件下的要高;试验中使用的外加剂可增加有机质水泥土的强度。     

常温沥青性能及其在沥青路面养护维修中的应用研究

介绍一种用于沥青路面养护维修的新型沥青——常温沥青。通过试验,研究其针入度、软化点、延度、粘度和老化性能指标及其混合料性能,分析影响常温沥青混合料性能及强度增长的各种因素。试验路应用表明,采用常温沥青混合料修补的路面具有较好的高温稳定性,路用技术性能良好,施工工艺简便,特别适用于路面的局部修补。     

厦门文兴隧道近接东山水库段地下水连通试验研究

厦门文兴隧道近接东山水库段,工程地质与水文地质条件复杂,较发育的构造裂隙,以及断层破碎带的存在,容易形成集中渗漏水通道。该文介绍了其地下水连通试验研究。为了全面查明该区隧道内渗漏水与水库水的水力联系,分析了多种地下水连通试验方法,并形成了城市隧道地下水连通综合试验方法流程图,现场主要进行了氢氧稳定同位素、水化学和水样系统聚类三种天然示踪地下水连通试验。连通试验成功查明了隧道内渗漏水与水库水无水力联系,隧道内渗漏水来源于大气降水,即文兴隧道与东山水库不连通。该连通试验的成功实施,指导了文兴隧道近接东山水库段施工,保证了文兴隧道顺利贯通,可供类似工程借鉴参考。     

双曲线法在内蒙古沙漠地区软土路基沉降预测中的应用研究

沉降速率分析成果可用来判别工程的安全和填筑速率的合理性,工后沉降量的分析成果是决定卸载时间的主要依据.文中对双曲线预测模型及原理进行介绍,结合内蒙古沙漠地区乌嘎一级公路路基沉降变形的实例进行分析,得出软土路基沉降的动态变化情况.     

不同搅拌桩现场对比试验研究

不均匀变形控制已成为路桥拼接地段桥头地基处理工程中的难点,借鉴于钉形水泥土双向搅拌桩这一新工艺,将钉形双向水泥土搅拌桩用于匝道桥与拓宽路基拼接段,从成桩质量、单桩及复合地基承载力、工期沉降量、经济效益等方面与常规双向桩及普通单向桩对比,在应用的层次上论证钉形双向搅拌桩存在较高的实用性,可为其推广及类似工况下的地基处理提供参考。     

摩擦条件对钢质摩擦材料第三体及磨损的影响

摩擦条件对摩擦材料表面第三体的连续性产生重要影响,进而影响材料的摩擦磨损性能.选用两种轨道车辆用低合金制动盘材料与铜基粉末冶金材料为配对摩擦副,在不同速度、压力条件下进行摩擦试验,观察第三体的形成过程中,表面形貌的变化规律及磨损机理.结果表明：在特定的摩擦条件下,第三体的显微硬度可达800~900HV,远高于基体材料的硬度;连续、致密的第三体,使材料具有最低的磨损率;当摩擦转速和压力过低时,磨粒磨损为主要磨损形式,当摩擦转速和压力过高时,黏着磨损将成为主导;在第三体的形成破坏过程中,摩擦速度、压力过低或过高均可能使第三体的破坏速度大于形成速度,使材料的磨损率增大.     

新建海船拖航通过黄石长江大桥安全限制条件浅析

选取新建的总吨位30 000海船为对象,分析该海船编队由武汉港发航通过长江的第一道跨河建筑物关口,即黄石长江大桥的可行性,通过船舶操纵理论与数学方法,重点研究黄石长江大桥通航尺度海船与船队在风、流影响下需求通航宽度的适应性.     

Time-series forecasting using autoregression enhanced k-nearest neighbors method

This study proposes two metrics using the nearest neighbors method to improve the accuracy of time-series forecasting. These two metrics can be treated as a hybrid forecasting approach to combine linear and non-linear forecasting techniques. One metric redefines the distance in k-nearest neighbors based on the coefficients of autoregression (AR) in time series. Meanwhile, an improvement to Kulesh’s adaptive metrics in the nearest neighbors is also presented. To evaluate the performance of the two proposed metrics, three types of time-series data, namely deterministic synthetic data, chaotic time-series data and real time-series data, are predicted. Experimental results show the superiority of the proposed AR-enhanced k-nearest neighbors methods to the traditional k-nearest neighbors metric and Kulesh’s adaptive metrics.