建筑结构基础隔震体系研究进展

综述了基础隔震体系的分类及各类基础隔震体系的特点、常用隔震体系分析模型和隔震层的滞回关系,并对国内外现有隔震体系结构设计方法进行评析,指出基础隔震体系有待近一步研究的课题,及两个研究方向．     

教学模式的探索

分析传统的教学模式,提出新的结构模型;摆正师生位置,达到课堂教学最佳效果.     

用地开发对交通影响的模拟分析

用计算机模拟的方法 ,分析了大型用地开发项目吸引车流与其前沿道路交通的相互影响。     

高速公路沥青路面养护费用模型建立及维修排序

将高速公路路面现时服务能力指数PSI与路面养护费用相联系，通过大量的典型路段的分析，建立养护费用模型，并对需要养护维修路段进行优化排序。本文为高速公路沥青路面的养护维修及路段的优化排序提供一个简捷的参考方法，为路面养护科学决策创造了条件。     

运输站场布局的模糊综合评价

针对区域运输站场布局评价的特点，建设了站场布局模糊的评价指标体系，引进模糊数学理论，采用多级模糊评价理论与系统层次分析方法，建立了站场布局的二级模糊综合评价模型。为站场布局评价开辟了新的途径。应于工程实际，获得了合理的结果，表明该方法具有良好的可靠性。     

考虑层间滑动的路表弯沉分析

目前，层状体系已经在道路设计中广泛应用，但对于层间的联结状态的问题一直未得到较好的解决，或者作为完全连续体处理，或者完全忽略其层间联结，但实际上道路各结构层之间的联结情况介于两者之间。在剪切弹簧模型的基础上，分析了层间联结状态对路表弯沉的影响，由于剪切弹簧模型的计算表较为复杂，不易于应用在工程实际中，因此应用STATISTIC给出了计算两种极限联结状态下路表弯沉比值的回归方程，并提出应用层间滑动修正系数来处理各层的联结问题。     

高速路节日免费通行对小汽车出行者选择行为影响研究

出行成本是出行者在选择出行方式时的重要考虑因素。随着我国高速公路网和收费政策的逐步完善,自驾已成为出行者考虑选择的主要出行方式。为研究节日里选择小汽车出行的用户特征及影响因素,通过意向调查的方式对小汽车出行者的偏好进行调查。应用二项Logit模型建模分析,结果显示个人属性、出行属性以及出行环境等都在不同程度上影响出行者的节日出行选择行为,其中小汽车拥有状况、驾龄、旅行时间、出行者在以往节日里选择的出行方式、通行费、线路熟悉程度等对节日出行行为影响较为显著,该研究成果在交通预测、交通管控等方面具有指导性作用。     

单交叉口公交信号优先控制策略建模研究

为研究公交信号优先策略对交叉口公交车及社会车辆的影响,建立公交信号优先控制模型及延误模型,以采取公交优先方式后交叉口所有车辆的人总延误减小为控制目标,引入效益指数PI,以信号交叉口优先相位获得的效益与非优先相位损失效益的差值来衡量整体效益,使得每一次采取的公交优先策略都能提高信号交叉口的整体效益。结果表明:在信号交叉口采取信号优先控制策略后,交叉口车辆的人总延误显著降低。本研究成果对其他信号优先控制方式模型、交叉口群公交优先协调控制等具有一定的参考价值和理论意义。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题, 提出了融合多模式弱分类器, 并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点, 以Haar特征训练判别式弱分类器, 以HOG特征训练生成式弱分类器, 以AdaBoost算法为桥梁, 采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器, 利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明: 相比于单模式弱分类器, AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性, 表现为较高的检测率与较低的误检率, 分别为95.7%、0.000 27%, 每帧图像的检测时间较少, 为25ms; 与传统级联AdaBoost分类器相比, AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间, 但检测率提升了1.8%, 误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法, 具有较佳的车辆检测效果。