道路交通事故车辆深度调查与安全缺陷治理研究

<正>目前国内开展道路交通事故车辆深度调查、数据分析和安全缺陷治理的机制和方法不够完善,本文通过研究和借鉴国外事故车辆深度调查与安全缺陷治理经验,提出改进我国事故车辆深度调查与安全缺陷治理工作机制和方法的建议。开展道路交通事故车辆深度调查,分析车辆设计、制造等方面存在的缺陷,进而开展有针对性的治理,是提升道路机动车辆运行安全水平的有效手段。国外汽车先进国家一般都建立了相对统一、完善的车辆事故车辆深度调     

产品与技术

正徐随新型桥检车作业深度首次突破10 m近日,南京中交公路规划设计院定制的20 m桥梁检测车在徐工集团随车起重机有限公司顺利下线,该产品作业深度首次突破10 m,填补国内桥检车行业空白,显示了徐工集团随车公司桥梁检测车设计制造的国际水准。据悉,该产品专为上海至西安高速公路崇启通道设计。产品的最大作业深度由此前的9.1 m增加到10.5 m,满足了该段高速公路的特殊要求。同时,在设计上对连杆进行了改进,提高了整车的稳定性。此外,该产品具有两级回转、两级变幅、二级伸缩,形成     

试车场沥青路面抗滑性能评价指标研究

通过设计5种具有不同抗滑性能的AC—13沥青混凝土,成型室内车辙板并测试其BPN与TD,铺筑现场道面并测试BPN、TD与μ值,通过多元线性回归建立起μ值的预估公式;通过2条道面的抗滑性能数据验证预估公式的可靠性。结果表明,μ值的预估公式具有较高的精度,采用现场实测BPN、TD值计算比用室内车辙试件测得的值计算的μ值与现场实测值更为接近。     

嵌岩桩竖向承载力计算问题探讨

在综合分析现有文献的基础上,指出现行各行业规范中嵌岩桩承载力计算公式产生差异的缘由及存在的问题。通过对比分析指出,规范经验公式采用岩石单轴抗压强度计算嵌岩桩承载力具有计算简单、便于推广应用的优点,但也存在对影响因素控制性差的局限,计算结果往往偏保守;理论计算通常较规范经验值更接近于现场实测值,但其参数繁多、计算复杂而不便于应用。建议嵌岩桩设计应在现行国家标准规范的基础上,注重地区经验的积累并建立健全地方标准。通过对嵌岩深度问题的深入分析,提出嵌岩桩设计中可按侧阻或端阻占嵌岩段总荷载约40％～60％的比例来确定最佳嵌岩深度,并通过引入分项发挥系数实现了最佳嵌岩深度下的嵌岩桩承载力的计算。     

沥青混合料车辙深度影响因素分析及GM（1，1）灰预测模型

为了研究不同因素对路面车辙深度的影响程度,采用3因素3水平的正交试验法测试不同荷载、温度、速度条件下的车辙深度,分别以极差分析法和方差分析法对试验数据进行分析,其结论一致表明各因素对车辙深度的影响程度排序为：荷载＞速度＞温度。建立沥青路面车辙深度 GM（1,1）灰预测模型,进行预测值与实测值的误差分析,表明利用灰理论建立的 GM（1,1）模型具有较高的预测精度,能够对不同使用时间的路面车辙深度进行预测,为路面行车管理和养护维修工作提供理论依据。     

冲击压实技术在路基施工中的应用

冲击压实技术因为其影响深度、穿透力强等优点在公路路基施工过程中得到了很广泛的应用。公路路基施工中的压实工程相对其他工程项目来说难度比较大,目前采用的是通过路基压实轮行走过程中．压实轮质心上下交替变化,其势能和动能联合作用,同时也有滚动压实机动性好、压实效率高等特点。     

基于xDeepFM的铁路货物运输时间预测

铁路货物运输时间会影响物流交付、列车调度等,准确的铁路货物运输时间预测是合理制定运输组织方案的关键.货物列车的运营受很多复杂因素的耦合影响,而既有研究普遍缺乏对各因素特征交互的深入探索,为了探索铁路货物运输时间预测新的特征融合机制、提高整体预测效果,本文创新性地将智能推荐算法领域的xDeepFM算法引入货运时间预测问题...     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

基于深度学习的海上目标快速检测方法

在智能海洋船艇自主导航和避障过程中，对周边环境的感知能力非常重要。本文针对智能船艇对环境感知的速度和精度需求，提出了基于深度学习的海上目标快速检测方法，并构建了以船舶、浮标和岛屿为检测目标的海上目标数据集。本方法通过提取目标图像不同尺度特征语义信息，应用多框检测器实现对目标的分类和定位，采用非极大值抑制算法筛选最优结果，实现了海上目标快速高精度检测。实验结果表明，本方法在自建数据集上取得了83.3%的识别正确率，单帧耗时9.8ms, 在相同实验条件下，正确率和单帧耗时均优于现有同类快速目标检测方法，证明了该方法可以满足智能船艇对环境感知的速度和精度需求。