某48 m+80 m+48 m混凝土梁桥施工监控方法研究

结合工程实例,介绍了混凝土梁桥施工监控方法,并得出监控结论,有关经验可供相关专业人员参考。     

Bayesian network for red-light-running prediction at signalized intersections

Abstract

Red-light-running (RLR) is an important reason for the large number of intersection-related fatalities, injuries, and other losses. The accurate RLR prediction can effectively reduce crashes caused by RLR behavior. The RLR prediction is usually composed of two parts: the vehicle’s stop-or-go behavior and the arrival time when the vehicle reaches the stop line. Previous stop-or-go prediction models are usually based on embedded traffic sensors using machine learning algorithms. While based on the continuous trajectories collected by radar sensors, RLR prediction can be conducted more effectively. In this paper, a probabilistic stop-or-go prediction model based on the Bayesian network (BN) is proposed for RLR prediction. We extend the deterministic output into the probabilistic output, which provides decision-makers with greater autonomy. The causality of BN improves the interpretability of the prediction model. The BN model is calibrated and tested by the continuous trajectories data measured by radar sensors installed at a signalized intersection. We not only consider the movement measurements of individual vehicles (e.g., speed and acceleration), but also take into account the car-following behavior. As a comparison, different machine learning models and the model based on the inductive loop detection (ILD) are adopted. The results show that the proposed BN model has a high prediction accuracy and performs better in the feature interpretation. This paper provides a new way for probabilistic RLR prediction based on continuous trajectories, which will significantly improve traffic safety of signalized intersections.     

基坑开挖对邻近管线的位移影响分析

隧道基坑常位于地下管线数量较多的闹市区,为避免施工过程中对周边管线的破坏,如何准确分析基坑开挖对周边管线的影响至关重要。利用三维有限元软件MIDAS GTS对基坑周边不同管线进行计算,通过对计算数据的观察分析,归纳总结基坑开挖对不同管线所造成的位移变形特点,为隧道基坑周边管线的合理保护优化提供了重要依据。     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

总装车间继电器安装自动化的应用

文章介绍了一种车载线束继电器安装的自动化设备,设备采用Dalta并联机器人抓取继电器进行安装,继电器上料由另一台Dalta并联机器人和视觉引导完成。继电器安装过程中,力和位移的数据被实时监控和保存,单颗继电器安装节拍满足≤1.1s,单条线束作业节拍≤45s,满足汽车总装生产线节拍要求。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求,通过对广州市中心区交叉路口交通流长期观察和数据采集,分析了各种时间尺度的交通流特性,提出以路口信号周期作为时间尺度,绿灯流率作为变量的ARIMA(p,d,q)短时交通预测模型。以1个和3个信号周期的时间尺度为例,对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA(p,d,q)预测模型结构稳定,算法简单,时间尺度为3个信号周期的预测模型可以很好地保持交通流特征,均方根误差为0.015 9,预测精度较高。     

某隧道黄土段塌方冒顶分析及处治

以某隧道黄土段塌方为例,分析了该隧道在黄土段施工时塌方的原因,介绍了工程处治措施,总结了黄土隧道施工、处治经验。对于黄土隧道的施工和塌方事故的预防、处治具有一定的参考意义。     

某变宽箱梁桥的梁格法分析

以某枢纽匝道变宽桥为例,采用有限元软件MIDAS/Civil进行梁格法分析,对该桥的梁格划分及截面特性的计算进行了详细说明,并对该桥的支座反力、位移进行了分析,得出该桥采用梁格法模拟的合理性,为以后同类型桥梁的设计提供了借鉴和参考。