大风天气典型事故特征与货运车辆行驶稳定性分析

大风天气造成车辆失稳、侧翻、货物跌落等事故是一类复杂的动力学问题,给相关事故处理工作带来了困难。针对大风天气下的事故致因,尤其强风是否对事故有直接影响等实践问题,首先通过大风事故的地域分布、形态分布,分析大风天气的典型事故特征;然后利用动力学仿真和有限元仿真,对大风天气条件下“新疆三十里风区”涉及货运车辆的事故开展深入研究,并探讨大风天气货运车辆行驶稳定性、货物栓固稳定性等关键问题;最终针对大风天气的事故预防提出建议。     

Measuring the performance of airport resilience to severe weather events

The increased severe weather events in recent years as a result of global climate change has created a substantial challenge for aviation system operation. Although transportation engineers and planners have attempted to improve system resilience through the adaptation of new technologies and the implementation of various strategies to achieve effective risk management, it remains unclear how resilience performance (measured by the speed of recovery) of airports varies in different severe weather events and what factors may explain such variations. This paper addresses these fundamental questions using the aviation system in China as an example. A resilience metric, which reflects the speed of recovery (bounce back) from a shock, was developed to measure the performance of airport resilience under various severe weather conditions. In addition, an empirical econometric analysis was conducted based on a dataset that includes both detailed aviation performance and weather conditions for the period of October 2016 – September 2017. The research findings show that airport resilience to severe weather events does vary substantially based on factors, such as weather conditions, airport capacity, and the level of modal substitution. In particular, the recovery time of air services in central and south China tends to be relatively longer in thunderstorms than other weather conditions. The study also confirms that modal substitution is a very effective resilience tactic of the transportation system as the recovery speed of air service was found to be faster by 22.9% if an alternative mode, such as high-speed rail (HSR) service was also available in the city.     

雾环境下高速公路驾驶人跟驰行为研究

雾环境下驾驶人行车与正常天气相比，在低能见度下视觉参照物较少，驾驶人更倾向于跟驰行驶。为研究雾环境下高速公路驾驶人跟驰行为，以真实雾环境下实车试验方式，选择多条高速公路作为试验路段，以Smart Eye眼动仪获取车辆在雾环境下高速公路驾驶人视觉参数，包含驾驶人注视区域、注视角度、注视持续时间、瞳孔直径、扫视速度以及扫视幅度等，以归一化方法对驾驶人注视重心进行分析，研究不同能见度下驾驶人的跟驰需求，并通过对雾环境下上述视觉参数进行规律总结。对雾环境下驾驶人跟驰特性进行统计及分类，将跟驰行为划分为主动、半主动、半被动以及全被动跟驰；通过分析雾区低能见度下驾驶人跟驰行驶条件，引入多维偏好理论及后悔理论，进行驾驶人跟驰决策模型构建，并基于差分法对模型进行参数标定及验证。研究结果表明：驾驶人在1次跟驰动态过程中，正常车道保持时驾驶人扫视速度较低，而当处于车道调整时，驾驶人扫视速度存在较大波动，且平均扫视速度较高，低能见度下驾驶人注视点转移速度27.0 （°）·s^-1明显低于晴好天气的52.0 （°）·s^-1；驾驶人在跟驰过程中，能见度对驾驶人跟驰时的视觉特征有显著影响，通过跟驰模型构建可为后续雾环境下车辆跟驰前后车距及车速预测提供理论支撑。     

基于多用户驾驶模拟平台的雾天高速公路跟驰模型参数标定及验证

高速公路连环追尾事故多发生在雾天环境下,且容易造成严重的事故人员伤亡。当前的跟驰及追尾风险研究多集中于两车跟驰,缺乏对雾天情况下车队跟驰的研究。利用雾天环境下车队跟驰轨迹数据对传统主流跟驰模型进行标定验证,基于多用户驾驶模拟平台设计了8个不同雾天等级和限速组合的高速公路虚拟场景,开展驾驶模拟试验并采集数据。试验招募了8名男性驾驶人并通过随机调整他们在车队中的位置顺序来获得足够的车队跟驰轨迹数据,根据判定标准筛选合适的车队跟驰轨迹数据,按照2:1的原则分配标定和验证阶段的数据组。选取Newell、Gipps和IDM三个主流跟车模型进行参数标定和验证,以时间序列的车头间距和相对均方根误差(RMSPE)分别作为性能指标参数和拟合优度函数,使用遗传算法搜寻目标函数最小值以标定跟驰模型参数,并用车辆轨迹完整性(CVT)和RMSPE评价验证阶段的仿真结果。结果表明:在标定阶段,Newell、Gipps和IDM三个模型的RMSPE整体平均值分别为30.1%、18.6%和27.7%,各个试验条件下Gipps模型的RMSPE值均小于另外2个模型,说明Gipps模型能更好地拟合试验数据;在验证阶段,Gipps模型的RMSPE整体平均值为21.2%,远小于另外2个模型,可见Gipps模型在局部精确度上的鲁棒性要优于Newell模型和IDM模型;Gipps模型的CVT整体平均值和波动幅度分别为98.1%和2.0%,均是3个模型中的最小值,说明Gipps模型在整体轨迹上的鲁棒性也优于另外2个模型。雾天环境下,Gipps模型具备更好的拟合能力和鲁棒性,因此推荐仿真软件使用Gipps模型模拟雾天环境下车队跟驰行为,不同雾天等级及限速下的Gipps模型参数可参考该研究标定的参数。     

基于路面功能的雾封层养护措施效果评价

在广东省惠河高速公路上的一些试验段采取了三种雾封层预防性养护措施,根据2004年至2006年间各个时期试验段路面功能检测的结果,进行数理统计后绘制成图表,并引入变化率,采用多重比较的方法对三种雾封层的养护措施效果进行科学评价。结果表明,无论哪种雾封层措施,实施后均会降低原路面的抗滑性能和渗水系数,但不会使抗滑性能降低到现行规范要求值以下;如果使用得当,可以延长路面寿命,延缓修复的时间。上述的数据分析方法适用于预防性养护措施的效果评价。     

恶劣天气条件下船舶开航安全性评估方法

从安全系统工程角度，利用层次分析法(AHP)，研究了船舶在恶劣天气条件下开航安全性影响因素，建立了安全性评估指标体系和评估模型，确定了各评价指标对船舶开航安全的影响程度，运用模糊数学的综合评判方法，对恶劣天气条件下船舶开航安全性进行了评估。结果表明该评估方法能给出清晰的安全定量指标，是可行的。     

基于DSP的气象传真图数字化电路设计

介绍以TI公司DSP芯片TMS320F2812为基础的无线气象传真图数字化电路设计,内容包括基于该芯片设计的数字化电路硬件组成、相应的软件程序以及上位机接收软件。软件程序采用模块化思想编程,便于维护和移植。同时还利用实验室条件接收到了真实的气象传真图,验证了该设计的可行性。     

城镇平急两用雨水调蓄设施规划设计要点研究

由于全球气候变化,近年来各地极端天气频发,严重影响城市生产生活,提升城市韧性成为全国各大城市面临的紧迫议题。结合平急两用理念,对地上的广场、绿地、高架,地下的车库、隧道,以及湖泊等多种应急雨水调蓄设施开展形式研究,提出应用场景、实施要点和运维建议,以期为保障城市安全、减轻内涝灾害影响、增加城市韧性提供技术支撑。     

基于马尔科夫链的恶劣天气船舶行为预测

准确预测恶劣天气时船舶行为是港口水域应急调度和高效安全管理的关键,提出一种基于马尔科夫链的恶劣天气船舶行为预测模型.根据分析船舶行为实际变化规律,得出船舶行为是由船舶在不同空间进行状态转移而形成,然后结合船舶行为分布数据采用经验风险最小化策略求解状态转移矩阵,最后通过初始状态分布和状态转移矩阵预测恶劣天气时船舶行为.实例验证和分析结果表明该预测模型能科学准确地预测恶劣天气时船舶行为,可为港口应急调度与高效管理提供有效参考.