SVM1000型铺轨机组升级改造及其应用

为适应我国高铁建设的需要,在SVM1000型铺轨机组原有的基础之上,通过增加钢轨接头对位器、匀枕器、轨枕提升装置,调整轨迹线、主机控制程序等系列升级改造,实现了SVM1000型铺轨机组升级改造后的新功能,如铺设500 m长轨、钢轨侧翻控制、钢轨接头快速准确对位、精确布枕减少匀枕等,并在工程中成功应用。     

武汉轨道交通1号线ATC后备信号系统升级改造

随着武汉轨道交通1号线二期工程的实施,为保证全线的运营安全,对全线后备信号系统进行升级改造。     

敦格电气化铁路供电工程获批

据青海新闻网报道,日前,国家能源局同意青海省开展一批电网项目前期工作。敦格电气化铁路供电工程、兰新二线电气化铁路供电工程等项目获准建设。敦格铁路是西北铁路网中将建成的一条重要铁路,该铁路已于2012年10月开建,项目建设中将同时进行总长160km的电气化改造工程。此次敦格电气化铁路供电工程获准开展前期,     

高速公路空心板桥加宽改造刚度渐变技术

以京港澳高速公路空心板桥加宽改造工程为背景,采用有限元程序MIDAS/Civil建立某20 m跨径加宽空心板桥的空间有限元模型,对布设横向刚度渐变构件前后的加宽空心板桥静力性能进行分析。研究结果表明:布设横向刚度渐变构件前后的空心板桥在新旧桥板过渡区域的位移曲线有显著区别,布设横向刚度渐变构件前,新板和旧板之间出现较大的刚度突变,引起位移曲线突变;布设横向刚度渐变构件后,各块桥面板的位移曲线呈现逐步平缓变化的趋势;布设横向刚度渐变构件前加宽空心板桥的荷载横向分布系数峰值明显,表现出显著的单板受力现象;布设横向刚度渐变构件后,加宽空心板桥的荷载横向分布系数峰值减小,表明所承受的集中荷载由多块桥板共同承担;对比布设横向刚度渐变构件前后加宽空心板桥的静力性能,证明了布设横向刚度渐变构件的有效性,横向刚度渐变效果良好。     

铁路信号楼搬迁引起的通信系统改造方案探讨

随着铁路的发展,新建、改建铁路不断增多,一些既有铁路信号楼需要搬迁。针对信号楼搬迁引起的通信系统改造方案进行介绍,重点阐述通信系统改造开通前的准备和试验流程。     

替代缩缸强化趋势的节油高效柴油机

AVL公司与Renault公司合作开发了所谓的“高效柴油机”,以替代众所周知的缩缸强化柴油机。这种新理念由于具有适度的功率密度,降低缸内最高燃烧压力,有时甚至比增压汽油机的最高燃烧压力还低。因此,与常规的和缩缸强化的柴油机相比,可明显降低机械摩擦和燃油耗。     

预留CTCS-3级列控业务线路的GSM-R设计方案探讨

部分铁路建设初期采用普通单网的GSM-R网络结构,将来提速到300 km/h时需采用CTCS-3级列控系统,需改造GSM-R单网交织网络结构。针对这一情况,为减少对既有网络的影响,节省工程投资,使改造工作相对容易,在初期进行GSM-R普通单网设计的同时可以在覆盖电平、服务质量、容量需求、频率规划等方面预留交织单网条件,但在连续隧道群等复杂区段的弱场处理预留还存在一定难度。     

长春轻轨3号线东延线过渡段信号改造方案分析

轨道交通延伸线工程的接合处车站改造方案是影响整个工程实施的关键因素。针对长春轻轨3号线东延线过渡段2个车站信号系统的改造,详细探讨和分析信号设备变动和施工量,提出整体改造可行性方案,从工程实施难度和风险、节省投资等多个角度进行了比选。     

张家界武陵山大道拓宽改造工程总体方案设计

由于城市架构层层扩张,交通压力不断增大,因而需对既有道路进行拓宽改造.以张家界市武陵山大道(张清公路)拓宽改造为工程实例,介绍其建设背景、项目概况和主要技术标准.通过对工程交通流量的预测和规模的论证,对工程总体方案进行了研究.根据不同路段的功能情况对子午路(起点)至县道X018(终点)中4个路段的横断面型式进行了分别布置;在充分考虑与周边地块进行衔接的基础上,对大学城高架节点等4个节点进行了设计.最后总结强调,项目在设计过程中,在满足道路畅通的同时,还要充分考虑地方规划、现状条件、挖填平衡、不同路段的功能和周边地块情况,以完善区域路网结构,带动沿线经济发展.     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。