钢抱箍结构的力学分析与计算

对钢抱箍的两侧牛腿作用等值竖直荷载kP的情况作了详尽的受力分析,推导出了钢抱箍高强联接螺栓上应该预先施加的预拉力总和T及其在竖截面上的拉力强度(应力)t的计算式,得出抱箍竖截面和高强螺栓强度计算时的最大水平环向拉力强度t0max的计算式,为钢抱箍的设计和施工提供了正确的理论依据.     

复合材料T型接头疲劳分层损伤数值仿真研究

基于内聚力单元方法,开发自定义材料子程序,结合损伤判据和疲劳损伤演化准则,建立复合材料层间疲劳损伤计算模型,并通过有限元对复合材料T型接头层合结构在疲劳载荷下的分层扩展行为进行数值仿真研究,结果表明位移控制下裂纹初期扩展较快,之后裂纹长度增长载荷降低,扩展速率逐渐缓慢,载荷控制相反,裂纹因长度增长而加速扩展。     

基于卡尔曼滤波的交叉口排队长度实时估计模型

为解决现有排队长度估计方法不能对排队长度进行实时秒级估计的问题,本文采用车联网实时数据,构建基于卡尔曼滤波的实时排队长度估计模型.首先,以当前时刻加入和离开排队队列的车辆数为输入变量构建状态转移方程,以当前排队网联车的数量和渗透率构建观测方程;其次,采用回归模型估计状态转移方程和观测方程的噪声协方差矩阵;然后,提出基于...     

海域多要素感知观测与预警关键技术

本文介绍了一种海域多要素感知观测与预警系统。该系统主要由雷达网、光电观察设备、AIS、GPS、综合信息处理平台等组成。以先进雷达技术、大数据和人工智能为支撑,实现对海面目标实时态势跟踪和海洋环境实时监测,综合感知和立体观测预警分析。文中介绍了基于非恒定自适应门限的目标全自动探测、雷达组网全目标融合、基于经验正交分解的X-BAND雷达海浪探测、基于雷达视频处理的溢油探测与报警等关键技术;给出了系统在福建省海洋渔业、海警、海事等部门成功应用案例,证明了该系统技术的可行性、先进性,极具应用推广价值。     

中国碳交易市场碳价波动分析

基于模糊信息粒化和交叉验证算法的支持向量机(CV-SVM)预测时序回归模型,首先以欧洲碳排放配额(European union allowances,EUA)结算价为数据样本,预测未来连续5天的碳价波动情况,验证模型的可靠性及可用性.在得出科学结论的基础上,以我国碳交易市场中湖北碳排放配额(Hubei emission allowances,HBEA)结算价及北京碳排放配额(Beijing emission allowances,BEA)结算价,两组典型的价格数据为例,利用该模型进行训练,对我国碳交易市场中未来连续5天内碳价的变化趋势和波动区间给出有效预测.结果显示,该模型对两类碳交易市场的预测结果均较为理想,预测值误差率最大为3.36%,但针对欧洲碳交易市场的预测更为精确,预测值误差率不超过1.21%,在一定程度上反映了中国的碳交易市场尚不成熟,碳价波动规律性较弱,需要在正确的政策引导下快速、健康发展.     

新冠疫情影响下居民共享出行方式选择行为研究

为分析新冠疫情对共享出行方式选择行为的影响，针对传统出行、网约车、合乘、汽车分时租赁及共享自行车的多方式交通系统设计SP(Stated Preference)问卷；对于疫情前和疫情期间的出行方式选择分别构建基于面板数据的混合Logit模型，比较解释变量的影响差异，分析感知疫情严重程度和方式选择惯性的联合影响；基于弹性分析预测疫情背景下不同管控政策对应的出行方式分担率。结果表明：感知疫情严重程度对合乘和分时租赁影响显著，方式选择惯性对网约车、分时租赁及共享自行车影响显著；当感知疫情严重程度降低至30%~50%时，1.6~3.0倍的停车费调整策略可将私家车分担率降低至疫情前，此时，低密接的分时租赁具有主要替代作用；当感知疫情严重程度在60%以上时，提高合乘出行安全程度至1.4~3.6倍可恢复其分担率。     

商用车轮胎花纹对车辆燃油经济性的影响

轮胎作为车辆唯一与地面接触的元件,轮胎状态是整车性能表现关键的一环。轮胎花纹对汽车动力性、操控稳定性、整车舒适性和燃油经济性都存在一定影响。其中,轮胎花纹对燃油经济性的影响主要体现在对轮胎滚阻系数的影响,理清轮胎花纹形式和燃油经济性的关系对整车轮胎选型有着重要的意义。     

基于深度学习的车辆轨迹重建与异常轨迹识别

车辆移动轨迹的不确定性及异常点段的存在使其在数字交通领域的应用面临挑战.本文构建基于数据增强的LSTM-AE-Attention深度学习模型,进行车辆轨迹重建和异常轨迹识别.首先,使用对抗生成网络和贝塞尔样条曲线从样本量和种类两方面扩充数据集,实现数据增强;其次,通过自编码网络与长短时记忆神经网络提取轨迹特征并完成轨迹...     

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.