一种适用于变轴力柱混合试验的改进BWBN模型及其参数识别

原始的BWBN模型无法很好地描述钢筋混凝土(RC)柱在水平和竖向双向地震作用下的刚度、强度退化以及正负向滞回不对称现象,为了描述这些现象,对原始BWBN模型进行修正.结合16根定轴力柱子的滞回数据,利用改进Park-Ang损伤模型计算柱子强度退化、刚度退化与累计损伤的关系,并相应地对原始模型相关项进行了修正.此外,对变轴力柱用轴力分级插值以及正负向单独计算损伤的方式来考虑变轴力的影响.最后,利用定轴力、变轴力试验数据以及OpenSees的模拟数据对模型有效性进行验证,并计算模型识别数据与试验数据的Pearson相关系数,结果均为强相关,说明模型适用性良好.改进的变轴力BWBN模型能较好地考虑轴力变化对柱子侧向滞回性能的影响,这对于拓宽混合试验应用范围以及实现变轴力柱混合试验有一定意义.同时,本文的研究方法,对未来变轴力恢复模型的研究也有一定参考价值.     

深圳港引航员登离船安全风险识别及控制

介绍深圳港引航站对引航员登离船安全风险的识别与控制措施,包括引航员登离船装置存在的风险识别与控制、港区交通的风险识别与控制、从码头上下引航艇/拖船的风险识别与控制、在引航艇/拖船上的风险识别与控制、来自被引船舶的风险与控制以及应急措施。阐释安全措施的落实与保障机制的运行。指出安全措施的持续改进与完善需要将好的做法、好的措施引入,提升引航员登离船安全水平,以及发现问题、分析原因、制定整改措施,并将措施制度化。     

舰船大数据网络干扰信息高效识别方法

传统方法忽略了对船舶大数据网络干扰信息瞬时特征参数的获取,导致识别精度偏低,为此提出并设计了一种干扰信息的高效识别方法。对大数据网络中的不同干扰信息进行离散化处理,以提取准确的特征参数,对干扰信息进行修正与降噪处理后,采用决策分类的方式,对船舶通信过程中产生的干扰信息进行识别计算,实现干扰信息的高效识别。实验结果表明,高效识别方法能够将大数据网络中的干扰信号准确识别出来,较传统方法的识别精度高出了31.7%,具备极高的有效性。     

幼儿群体单向流运动行为特性分析

现有关于行人群体运动行为的研究和规范绝大部分是以成年人群为主体的研究，关于儿童群体的理论及实验研究非常匮乏，在进行儿童群集运动管理及幼儿相关步行设施设计时往往需要参考以成年人群为主体所获得的理论及经验数据。本文组织了不同情境下(正常情况及应急疏散)幼儿群体的运动实验，通过实验数据对幼儿群体单向流运动的流密速关系、速度离散性、个体超越行为等基本特性进行了定量研究，并和成年人群的相关特性进行比较分析。实验结果表明，幼儿群体单向流的流(速)密关系呈现一种弥散性的分布，其速度的变异系数接近成年人的4~6 倍；此外，相比于成年人群中所表现出的秩序性，幼儿在单向流运动过程中更倾向于发生超越行为，其在通道中的平均位次变化强度接近成年人实验的3倍。本文研究成果有助于进一步了解幼儿群体单向流运动的基本特性，厘清幼儿与成年人群体的行为特性差异，以更好地指导幼儿群集运动的管理，以及为幼儿相关步行设施的设计和评估提供参考。     

上海一体化卡口缉查布控系统建设及应用

为了布控打击涉案车辆、"假套牌"车、机动车"违法大户"和"失格"驾驶人等重点车辆和人员,弥补市内道路卡口缉查布控系统一体化发展的空白,通过整合现有"电子警察"系统和公安交通管理综合应用平台("六合一"平台)等数据资源,利用大数据与智能识别等技术,建设上海一体化卡口缉查布控系统,实现黑名单布控、实时报警展示、卡口设备分布、警员分布等功能。应用效果表明该系统有助于上海缉查布控系统的统一管理,不断提高公安交通科学化、现代化管理体系建设能力和水平,维护上海地区人民生命财产安全。     

市域铁路与城市轨道交通换乘站瓶颈识别与优化

采用静态评价与动态评价相结合的方法研究了市域铁路与城市轨道交通换乘站的瓶颈识别与优化问题。首先,分换乘方向确定了基于乘客换乘需求的换乘服务水平评价指标体系,结合熵权法建立了用于评价换乘站换乘服务水平的综合评价模型;其次,采用Anylogic仿真动态模拟乘客在车站的换乘过程,根据仿真结果及综合评价模型分析了换乘站的换乘服务水平,识别换乘站的能力瓶颈;最后,以犀浦站为例进行了分析,分析得到犀浦站的能力瓶颈是检票闸机、铁路售票机及铁路实名制验票机。仿真结果表明,该能力瓶颈识别方法对换乘站设备布局及流线组织有一定的参考意义。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

基于群组行为的大学校园楼梯及通道行人运动特征分析

为探讨不同场景中行人群组运动的微观特征，并比较不同类型群组运动差异，本文通过大学校园内楼梯上及通道内的观测实验，获取行人运动的相关数据，研究了群组大小、社会关系、运动场景和性别对群组运动的影响. 结果表明：大学校园内行人成组比例低于商场周围行人成组比例；群组成员间的交流方式等因素会影响群组构型；由于群组成员越多相互协调就越困难，所以群组规模越大，其速度越小；此外，男性群组速度大于女性群组速度，情侣间频繁的交流也会对其速度产生负面影响；就差异性而言，2 人和3 人群组间的速度差异小于单人和2 人群组间的速度差异；单个行人不同性别间的速度差异大于2 人和3 人群组不同性别间的速度差异；楼梯上单人与群组的速度差异没有通道内明显.