50年前,济南的公交车烧煤炉

2011年,是济南公交63岁的生日。从1948年开始,济南公交已经为这座城市的市民服务了整整63个春夏秋冬,济南公交从解放初期的只有一条公交线路,发展到现在的192条线路、4000多辆公交车、日客流总量240万人。从木炭车到无轨电车,再到今年刚刚开通的BRT,济南市民乘坐     

低剂量骨架密实型水泥稳定碎石基层在新河高速公路中的应用

水泥稳定碎石基层的材料和力学特性,对沥青混凝土路面的使用寿命有重要的影响。结合云南新河高速公路路面基层的施工实践,探讨了低剂量骨架密实型水泥稳定碎石基层的设计、施工及关键因素的质量控制。     

公路隧道二衬加固安全系数分析

针对隧道二衬开裂问题,采用粘贴钢板法,对二衬加固进行结构计算,确定二衬加固前与加固后安全系数计算方法,在此基础上,判断二衬加固方案的合理性。将该方法成功应用到实际工程施工中,弥补了以往经验设计方法的不足,能够科学、定量地判断二衬加固方案的合理性与安全性,对同类型二衬加固方案具有一定的借鉴作用。     

纯电动公交车进出站节能驾驶策略的设计与仿真

针对公交车进出站过程速度波动明显,能耗较高的问题,本文采集纯电动公交车自然驾驶数据,以进出站速度随距离的变化关系、进出站加速度分布区间及进出站时间3个指标分析公交车进出站驾驶行为参数特性.统计进出站百公里能耗及瞬时能耗与加速度的变化趋势,分析进出站的能耗特征.在此基础上,将进出站路段划分为定速段、调整段和恢复段,并依据...     

基于BP神经网络的船闸基坑变形预测方法

船闸基坑开挖改变了地层中的原始应力状态，造成临近地面及临近建筑物产生变形。对基坑临近地面及建筑物变形进行预测，以选择经济合理的支护措施尤为重要。依托实际船闸基坑工程，考虑粘聚力、内摩擦角、弹性模量、基坑深度、放坡坡率以及地下水因素共同作用，采用有限元软件Midas GTS/NX对各因素通过正交设计后的基坑施工工艺组合开展了数值模拟，得到了不同组合下基坑临近地面不同位置处的变形特征。基于BP神经网络理论，建立了滨海地区船闸基坑无支护情况下开挖时临近地面变形的三层结构(7-7-1)神经网络预测模型。利用得到的179组基坑沉降数据对模型进行训练，21组数据对模型进行验证。结果表明，模型能够很好地对滨海地区基坑临近地面沉降进行预测。该方法可为类似工程支护措施设计提供参考。     

数字化转型背景下航运保险平台的设计

借助人工智能、云计算、大数据等新一代信息技术手段,保险数字化已经成为了我国保险行业发展的必然趋势。航运保险的数据量极大,对于数字化程度的要求高,向数字化转型需要使用大量的统计及信息技术,因此需要具有相对应技术的专业型人才。本文针对航运保险需要耗时耗力地处理大量数据、保额计算不精准、保险审核人员有限、没有足够全面的数字化保险平台等问题,推出了航运保险数字化的平台设计。     

有砟轨道捣固作业起道方案的综合修正方法

为保证捣固作业效果达到预期目标，需严格控制影响作业质量的不利因素，首先，以有砟轨道捣固作业数据为研究对象，分析影响作业质量的关键因素，探讨传统方法修正起道方案的基本原理；其次，将多因素约束条件纳入目标线形构造过程，并遵从历史作业规律，对起道量进行修正，构造一种用于提升轨道高低调整效果的起道方案综合修正方法；最后，以某高速铁路有砟轨道捣固作业为工程背景，验证综合修正方法的实施效果.研究结果表明：在起道方案制定过程中施加针对性控制措施，有利于提高捣固作业对轨道不平顺的调整能力；捣固后，线形实测值与目标值之间决定系数高达0.92；方案起道量与实际起道量之间均方误差为1.8 mm；高低60 m中点弦测值降至4.0 mm，高低轨道质量指数降至0.28 mm.     

基于融合分割和变尺度窗口的车道线距离检测

在车辆安全和驾驶行为相关研究中，车道线距离参数是重要的基础参数。针对传统机器视觉测量方法存在的标定过程复杂、测试成本高且移植性能差等问题，提出一种针对车侧摄像机图像的低成本车道线距离检测方法。首先，构建了一种融合局部Otsu算法与光照样条补偿算法的车道线区域分割方法，可在车道线磨损、复杂光照变化、车道线中断等场景中对车道线区域进行精确分割；其次，针对车道线边缘特征复杂多变的情况，设计了一种变尺度窗口算法来完成车道线边缘检测并可补全残损车道线；最后，采用多项式标定方法建立了车道线距离检测算法，实现了车道线距离的自动化快速检测。验证结果表明：在正常场景和多种复杂特殊场景下，所提出的检测算法平均检测误差为0.4 cm,平均检测速率达到30帧·s^-1,整体上优于目前其他技术方案。该方法在检测成本和可移植性方面具有显著优势，可为相关研究领域的技术人员提供新的解决思路。     

基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测

针对基于端到端深度卷积神经网络的驾驶行为检测模型缺乏全局特征提取能力以及视觉Transformer(vision transformer,ViT)模型不擅长捕捉底层特征和模型参数量较大的问题，本文提出一种基于深度卷积和Tokens降维的ViT模型用于驾驶人分心驾驶行为实时检测，并通过开展与其他模型的对比试验、所提模型的消融试验和模型注意力区域的可视化试验充分验证了所提模型的优越性。本文所提模型的平均分类准确率和精确率分别为96.93%和96.95%，模型参数量为21.22 M，基于真实车辆平台在线推理速度为23.32 fps，表明所提模型能够实现实时分心驾驶行为检测。研究结果有利于人机共驾系统的控制策略制定和分心预警。