高速铁路桥梁桩基固结蠕变沉降计算方法研究

桥梁桩基工后沉降的控制是高速铁路桥梁设计和施工的关键技术之一,其中桩基的长期固结蠕变沉降计算分析又是关键环节.经过现场调研分析提出高速铁路桥梁桩基实际受荷—时间关系的函数表达式.建立多级荷载作用下的多层黏弹性地基单面排水或两面排水条件下的一维固结方程,并基于Laplace数值逆变换推导桩底压缩层在多级荷载作用下的有效应力和沉降计算公式.基于此,提出能模拟高速铁路桥梁桩基实际加载情况和考虑桩底成层土固结蠕变特性的桩基长期沉降计算方法.为提高计算效率,编写相应的群桩长期沉降计算分析程序LTPGSⅡ.京沪高铁桥梁桩基沉降计算结果和现场实测值的对比验证了计算方法及程序的正确性和可靠性.提出的计算方法能用于高速铁路桥梁桩基长期沉降预估,具有重要的理论价值和工程应用价值.     

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。     

动车组单车调试工艺及发展趋势

对动车组传统单车调试工艺进行了总结对比,阐述了以智能调试系统、数字化平台为基础的自动化调试原理。重点介绍了智能单车调试设备、智能端部模拟器和移动控制终端,分析了单车智能调试技术的发展趋势。     

关于中小企业贷款难之解困探讨

针对我国中小企业长期以来存在贷款难的现实情况,研究剖析了目前中小企业贷款难的存在问题及其原因,并就如何破解中小企业贷款难以致严重影响企业的生存和发展壮大这一瓶颈做出了一些探讨。     

地铁换乘站客流滞留模型

为改善地铁换乘站的乘客滞留问题,依据工作日早高峰的客流特征和乘客滞留特征,建立滞留情况随时间变化的数学模型.结合南京地铁大行宫站设施布局,采用AnyLogic搭建仿真实验研究发车间隔、候车人数等因素对乘客滞留人数及比例的影响.结果表明,08:00前后滞留最为严重,滞留人数由初始的52人上升至160人左右,其中64.8％ 的乘客滞留在站台中部的5个区域,高峰小时结束后滞留人数仍保持在110人左右;发车间隔减小20 s后滞留得到初步缓解.模型能够有效地表现出换乘站台的滞留情况和变化趋势,降低发车间隔时间、适当限流并引导乘客分散候车,既能够有效地减少滞留乘客的数量,又能在一定程度上减少滞留现象的持续时间.     

胸鳍波动模式仿生机器鱼研究浅析

本文介绍了仿生机器鱼的概况，着重综述了胸鳍波动仿生机器鱼的国内外研究现状，总结了胸鳍波动仿生机器鱼的特点，着重提出了仿生机器鱼研究的基础性问题，并详述了胸鳍波动仿生机器鱼研究的意义和技术发展趋势。     

多尺度稀疏电能质量扰动识别方法

针对传统电能质量扰动识别中存在数据量大、扰动特征依赖主观选择的问题，提出一种多尺度稀疏电能质量扰动深度识别方法. 首先，构建电能质量的多尺度稀疏模型，通过对扰动信号平稳小波多尺度变换获得扰动的低高频信息；然后，对其压缩采样获得降维的测量数据，并在此基础之上，应用正交匹配追踪算法求取各层稀疏系数组成稀疏向量，将稀疏向量输入深度置信网络，实现扰动的智能识别；同时，为进一步提高网络识别的准确性，采用交叉熵算法完成对网络隐含层数、学习率等参数寻优；最后，为验证所述方法的有效性，针对几类典型的单一扰动和复合扰动信号进行大量仿真试验. 结果表明:在理想环境和噪声环境下，针对七类典型单一扰动，平均识别率达到99.0%和96.71%以上；针对13类多重扰动，平均识别到达97.69%和94.62%以上.      

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.