基于动态聚类的公路基本路段分割合并方法

公路基本路段划分是实施交通安全精细化管理的基础,划分结果要求具有相似的几何线形及事故统计特征。基于公路线形特征划分的路段单元,叠加动态聚类算法划分的事故特征相近的路段单元,提出包含分割与相交合并的基本路段分割合并方法,进一步以京昆高速北京段为例验证该方法具有可行性及科学性。     

基于客流满足率的西安旅游景点疏导性研究

研究在旅游旺季如何将已饱和景点的游客疏散至其他仍有接待能力的景点,既能降低发生事故的风险还能增加其他景点收入,对城市旅游业的发展具有重要意义。依据景点瞬时承载能力和景点热度提出以客流满足率和疏导时间为评价指标,将各景点的游客接待能力进行量化排序得出各景点先后饱和顺序,并在不同客流满足率情况下,分析各景点的疏导时间。结果表明:(1)由于景点瞬时承载量不同,景点热度与达到接待饱和的难易程度非线性关系;(2)热门景点地处偏远依靠平均疏散时间超过100min,可开通单向交通线路缩短与其他景点的交通时间;(3)部分景点缺乏对游客的吸引力,不能有效的分担市区内的客流压力;(4)在制定景点游客疏导策略时要考虑各景点之间客流满足率差异,避免客流满足率相近的景点互相引流。     

建筑垃圾改良膨胀土特性试验研究

通过不同掺比、不同级配组合建筑垃圾掺入到膨胀土后进行室内试验,分析试样的无侧限抗压强度、CBR力学特性和膨胀特性规律。结合建筑垃圾改良膨胀土作用机理,对工程特性进行分析。研究结果表明:一定比例掺量的建筑垃圾可以显著改善膨胀土的物理力学、膨胀性能;建筑垃圾改良膨胀土的力学特性、胀缩性取决于建筑垃圾的掺比和土的初始含水量大小,此外级配对其也有一定影响。当建筑垃圾掺比为40.0 %左右,混合土含水率为12.4 %左右、采用19.5～31.5 mm粒级再生料时,建筑垃圾改良膨胀土具有更好的工程特性,满足路基填料的要求。     

激光熔覆方法增强自卸车钢板耐磨性能研究

磨损是影响自卸车车厢使用寿命的主要原因之一,研究利用激光熔覆方法,制备出含有TiC、VC增强颗粒的熔覆层。利用X射线衍射仪、电子探针、透射电镜对增强颗粒进行微结构分析;利用滑动磨损试验机研究了熔覆层的耐磨损性能。结果表明,激光熔覆层的耐磨性明显好于Q235板材。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

一种基于深度学习的交通标志识别算法

在无人驾驶和驾驶辅助领域,交通标志识别是非常重要的.现实道路中,许多交通标志目标较小且存在相互遮挡的问题,导致标志很难被准确检测.为了解决这一问题,文章利用深度学习网络YOLO v3模型实现对交通标志进行检测.首先,利用数据增强用不同的方式模拟现实天气条件对清华-腾讯交通标志集进行数据集增强,得到更为真实、丰富的标志数...     

城市道路系统评估体系研究

城市道路系统评估是道路和相关交通规划的前置环节。通过分析城市道路与城市发展的关系、城市道路自身的技术、运行特性,从协调性、适应性、技术性能和运行性能4 个方面构建评估体系,并对后三者引入路网负荷度、路网密度、路网饱和度等指标进行定量评估。通过评估长沙市金霞经济开发区的路网进行实证分析,验证了该评估体系具备完整性和可参考价值。     

曲轴扭转-纵向耦合振动分析

分析了曲轴的扭转—纵向耦合振动机理,建立了基于集总参数模型的曲轴扭—纵耦合振动数学模型．应用该模型对曲轴扭—纵耦合振动进行了数值仿真．结果表明：耦合作用会使振动加剧,但其倍频扭振响应可以忽略,而且通过改变扭振固有频率和纵振固有频率可对耦合作用进行调整。     

基于模型试验的水下航行器操纵运动黑箱建模

在开展一系列水下航行器模型试验的基础上,获取艇体、舵翼、推进器等的水动力参数,建立六自由度动力学模型。然后,基于RBF神经网络算法,对模型中的向心力、科氏力和阻尼项进行黑箱建模。通过水平面和垂直面的操纵运动仿真,对RBF神经网络在水下航行器黑箱建模中的有效性进行验证。