基于ANFIS的环境激励下桥梁结构应变响应预测分析

为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应,基于结构健康监测系统长期实测数据,分析桥梁结构温度场变化规律,进而基于主成分分析及自适应神经网络模糊推理系统,建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先,利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应;然后利用平行坐标轴,分析混凝土连续梁桥结构温度场变化规律,并利用主成分分析提取结构温度场实测温度数据主成分;最后基于自适应神经网络模糊推理系统,以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据,分别建立不同输入变量组合与应变响应的复杂非线性关系,并对比分析不同工况下结构应变响应的预测精度。结果表明：桥梁结构各测点处实测温度数据变化趋势基本一致,同侧测点实测温度数据高度相关,但桥梁结构上、下表面测点温度变化存在明显差异,仅考虑应变测点处温度变化,难以准确预测桥梁结构应变响应;当考虑桥梁结构温度场变化时,能更精确地建立温度与应变响应之间的关系模型,进而基于实测温度数据准确预测桥梁结构应变响应;当缺乏结构温度场实测温度数据时,将采样时间点作为反映桥梁结构温度场变化规律的参数,可取得较好效果。     

可预期灾害应急疏散交通管理现状及对策

可预期灾害中紧急疏散效率关系着人民群众生命财产安全,应急疏散交通管理能力对疏散撤离效率有较大影响。本文从需求预测、路网供应、应急管理、灾害恢复四个层面,对现存的应急疏散交通管理现状存在的问题进行分析总结,并分别提出改善建议以提高灾害条件下应急交通疏散能力。     

混行非机动交通流车速离散特性研究

我国城市非机动道路内的交通现象通常为电动自行车与人力自行车混合行驶状况,车速离散是该类道路内交通流的重要特征。结合杭州市的调查数据,采用统计学方法定量分析混合非机动交通流车速离散特性,分别建立车速离散特性评价参数与各主要影响因素之间的回归关系。结果表明,归一化车速离散度分别与各影响因素成线性回归关系;除电动自行车比例因素之外,车速变异系数与其它各因素成线性回归关系。     

桥侧大面积堆土致斜交梁桥倒塌事故分析

以杭州绕城高速上发生垮塌的斜交桥梁为案例,通过现场调查取证,获取了案例桥施工图纸、地质情况和现场的破坏信息。在此基础上,采用摩尔-库仑模型模拟土体的弹塑性性质,用实体单元来模拟盖梁、承台、桥墩、桩基等桥梁结构,用不同区域的均布荷载来模拟堆载作用,并且设置接触单元来考虑桩-土相互作用,模拟桩-土之间的滑移和分离,建立三维有限元模型。同时研究了土体的物理参数（淤泥层和亚黏土层弹性模量）、堆载高度和斜交角对桥梁结构的影响。研究结果表明：大面积堆土导致近堆土侧桥墩、桩基发生比远堆土侧更大的位移,对于斜交桥,该位移方向与两侧桥墩连线即盖梁的方向成一定角度,从而导致近侧桥墩、桩基在轴力、弯矩和剪力外,需要承受较大的扭矩;随着斜交角从0°增加到40°,近侧桥墩、桩基承受的扭矩持续增大,扭矩逐步成为控制桩基破坏的主要因素;堆载引起淤泥层的沉降会导致该部分土层产生较大的负摩阻力,进一步改变了桩身轴力的分布;土体的弹性模量、堆土高度对桥梁在堆载作用下的横向位移和内力有很大影响;杭州绕城高速垮塌的主要原因是在软弱层上堆土导致桩基发生压、弯、剪、扭破坏。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

中心城区路网优化策略研究 ——以沧州市为例

为解决中心城区道路拥堵问题,分析了城区交通拥堵形成的主要原因,并基于此提出中心城区路网优化策略。以沧州市中心城区为例,详细阐述了其路网优化设计的基本思路和路网布局,最终得出沧州市中心城区路网优化设计方案。     

武汉光谷国际网球中心与三环线衔接匝道研究

介绍了武汉市三环线武黄立交新增匝道的设计思路、方案调整及匝道车道数研究。通过分析新增匝道建设的主要受控因素,提出了三环线到达及驶离网球中心停车场不同路径的匝道方案,并从多方面对匝道方案进行综合比选。     

浅谈市政工程中小桥设计问题

随着我国城市化建设的快速发展,越来越多的城市高架桥梁、轨道交通、下穿隧道等市政交通项目应运而生,而这些新增交通项目与现状地面道路、河道以及市政管线等构筑物的空间冲突,导致城市中小桥梁建设的形式也越来越丰富。如何合理地解决市政工程中小桥设计中遇到的问题,结合工程设计实例提了几点相应的解决思路。从造价、经济、使用管养安全等角度,确定合适的管线过桥组合方案;对于处于平面交叉口处的变宽桥梁,应综合考虑美观、经济、实施简单等方面确定最合理的设计方案;与地下工程有关联的市政工程中小桥需沟通多部门,进行多方面的充分论证。     

综合交通枢纽车道边交通组织方式研究

针对现代综合交通枢纽车道边的交通组织方式进行研究,结合车站的整体建筑布局、周边路网、交通量等提出了简单、实用和高效的交通组织方式。     

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.