《VTS培训评估指南》修订建议

《VTS培训评估指南》是国际航标协会(IALA)针对VTS人员培训和发证的规范性指导文件。现行版指南自成稿至今,尚无修订或更新记录,而业态的发展对指南提出了新的要求,现行版指南的内容已经不能满足现实和未来的发展需求。该文结合国际航标协会VTS委员会第49次会议的概况,从文件结构、文件内容、与其他IALA文件的关系三个方面对现行版指南进行了梳理,并就存在的问题,提出了修订建议。     

90m提篮系杆拱桥设计与分析

某城市90 m钢箱拱肋提篮系杆拱桥,主梁采用钢混叠合梁,拱肋截面高度和宽度在空间同时变化,并采用无柔性系杆体系和减隔震抗震体系.通过对该桥技术特点介绍和计算分析,可为同类型桥梁设计提供一定的参考.     

采用后支点挂篮施工的双边箱主梁混凝土斜拉桥设计

某大桥主桥是一座主跨250 m的三跨双塔双索面斜拉桥,采用预应力混凝土双边箱主梁形式,桥面宽36.5 m,采用后支点挂篮悬浇施工,与国内常规的采用前支点挂篮悬浇施工的双边箱混凝土斜拉桥不同,后支点挂篮施工可减少斜拉索索力调整次数,施工监控难度较低,且能有效节省施工工期.结合施工单位的施工机具选择不同的施工方案,可节约工程造价.     

大跨度节段预制悬臂拼装桥施工过程受力研究

以郑州西四环主线桥为工程背景,结合国内外研究成果,针对节段拼装桥梁的力学性能进行研究分析,利用有限元软件Midas Civil建立大跨度节段预制悬臂拼装梁桥全桥有限元模型,计算分析桥梁静力学性能,通过对节段拼装梁桥进行受力分析,得出背景工程桥梁在不同荷载组合工况作用下受力合理,满足规范要求,研究结论可为同类桥梁结构计算提供参考.     

水平荷载作用下斜桩群桩的有限元分析

采用三维有限元数值方法对斜桩群桩在水平荷载作用下的承载特性进行了研究,对比了相同布置形式的3×3直桩和斜桩群桩的各项响应差异.分析结果表明,在3倍桩径桩间距条件下,斜桩群桩中基本不存在与直桩群桩相类似的群桩效应.斜桩群桩由于较好地发挥了基桩的轴向承载特性,故而整体抵抗水平荷载的能力显著高于直桩群桩.     

浅谈现状城市道路改造交通疏解

道路改扩建工程施工存在工期周期长短、投资规模、人员流动等特点的影响,在施工过程中存在一系列的交通安全及市民出行便利问题,因而施工现场的交通疏解就变得尤为重要.结合深圳市桥和路及富桥大道综合整治工程为例,对城市道路改建时的交通疏解方案进行研究,希望解决城市道路改造现场对交通安全和市民出行便利程度等影响方面产生良好的作用.     

白沙长江大桥横向抗震体系研究

白沙长江大桥是一座塔墩梁固结的主桥长为920 m的双塔独柱式混合梁斜拉桥.为了研究其辅助墩和过渡墩处横桥向的合理约束体系,分别在横向自由、横向约束、过渡墩约束及辅助墩约束4种约束体系下进行时程分析,研究斜拉桥在不同横向约束体系下的地震响应特点,针对混凝土刚性挡块和粘滞阻尼器减震体系分析不同参数对抗震性能的影响.结果表明:采用混凝土刚性挡块对同时减小各墩的横向地震响应作用较小;采用粘滞阻尼器体系可以有效减小各墩的横向地震响应,以及墩梁相对位移.     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。