基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

双索悬索桥自振特性分析

以黄河大峡水库下游某双索悬索桥为工程背景,引入只受拉三维拉索单元,采用考虑几何非线性的子空间迭代法对其自振特性进行了分析,理论值与实测值能较好的吻合,说明了该空间非线性有限元分析方法的正确性;进而与相同跨径和结构参数的单索悬索桥的自振频率、振型进行了对比分析,结果表明双索悬索桥能有效提高桥梁一阶竖弯振动频率,为双索悬索桥结构设计理论提供了动力性能方面的依据.     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

水泥—水玻璃浆液的室内试验与研究

分析了水泥浆液中掺入水玻璃对水泥凝结时间和无侧限抗压强度的影响。试验结果表明,水玻璃能显著加快水泥浆的凝结时间。凝胶时间随水玻璃浓度和水灰比等因素的变化而变化。当水泥浆较稠时,随着水玻璃浓度的增加,抗压强度增加;水泥浆浓度处于中间状态时,抗压强度基本没什么变化;水泥浆较稀时,随着水玻璃浓度的增加,抗压强度是降低的。     

基于差异时效的服务评价模型

针对KNN(k-nearest neighbor)方法在服务评价过程中存在的时效量化、评价窗口宽度以及反馈控制等问题,提出了具有差异时效的服务评价模型(WSEM-VTU).在WSEM-VTU中,采用系统动力学方法研究复杂时效量化方法,以获得差异时效量化结果;基于复杂时效量化方法得到的结果,自适应计算评价窗口宽度;根据评价统计特征,设计恶意评价反馈控制策略.通过实验,将WSEM-VTU与现有评价模型WSEM-E及WSEM-KNN进行比较,结果表明:WSEM-VTU的平均误差为0.877,比WSEM-E和WSEM-KNN分别降低了1.020和0.135;引入反馈控制策略后,WSEM-VTU出现恶意评价的情况平均降低67%.     

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。     

SIR-20地质雷达在工程中的应用及图谱解释

介绍了地质雷达探测的基本原理,并结合工程实例和模拟试验说明了地质雷达的具体应用。通过对地质雷达检测图谱的分析和归类处理,找出目标体的地质雷达图谱特征,为地质雷达在工程中的应用提供了判别依据。     

山区双车道公路驾驶员疲劳特性研究

山区双车道公路由于地形条件限制线形复杂多变,山体及路侧植被遮挡视线的现象时有发生,增加了驾驶操作的难度和强度.导致驾驶操作频繁、精神紧张.长时间高强度、大负荷的驾驶操作极易产生驾驶疲劳,进而发生交通事故.因此,研究山区双车道公路驾驶员的驾驶疲劳特性,可为山区公路的交通安全设计和管理提供参考,预防交通事故,保证人车安全.     

动态载荷识别的自适应延迟逆模型方法

为减小载荷识别问题对原系统先验知识的依赖,采用系统的自适应延迟逆模型识别时域载荷。采用自适应算法辨识延迟逆模型,代替了一般识别方法中的系统特性矩阵求逆过程,避免了病态问题。随后将工作状态下的响应作为逆模型的输入,则其输出就是时域载荷的延迟估计。通过对两端简支梁结构进行载荷识别的仿真研究,以及对双层隔振试验台架的试验研究,识别了稳态激励和瞬态激励,验证了该方法的有效性。该方法不需要了解系统的数学模型及参数,因此能够应用于工程实践中。