宁波-舟山港核心港区深水航路船舶定线制设计方法

在设计原则、设计内容和交通实态的调查基础上分析船舶定线制的设计要素,结合宁波-舟山港的船舶定线制系统实践分析船舶定线制的设计方法及模式等。     

智能网联环境下基于混合深度学习的交通流预测模型

为适应未来智能网联环境下精细化交通流预测需求，提出一种基于混合深度学习 (Hybrid Deep Learning, HDL)的车道级交通流速度预测模型. 模型以智能网联系统强大的数据采集和计算能力为基础，采用集成经验模态分解算法将原始速度序列分解为多个固有模态函数分量和残差分量，并将所得分量重构为模型输入；利用双向长短期记忆神经网络和注意力机制，构建深度学习模型框架；为检验模型预测精度和可靠性，选择北京市二环路多个连续车道断面速度数据进行算法验证. 结果表明，HDL模型在不同车道均有理想的预测结果，单步和多步预测精度均显著优于对比模型.     

非饱和混凝土宏观力学特性及细观分析方法研究综述

非饱和混凝土宏观力学参数对港工混凝土结构设计至关重要。文章对非饱和混凝土宏观力学特性的试验研究、细观力学分析理论及细观力学有限元法的研究现状进行了综述。总结了目前针对非饱和混凝土宏观力学特性的试验研究成果以及现有的混凝土细观力学分析理论和细观力学有限元方法的特征及适用性,阐述了影响非饱和混凝土宏观力学特性的影响因素,基于此对非饱和混凝土宏观力学特性在力学试验、细观分析理论及细观力学有限元法方面的发展趋势及需要解决的问题进行了总结与展望。     

大雨天气下高速公路交通流特性分析

为研究大雨对交通流特性的影响,以旧金山奥克兰境内的I880N高速公路98#大街南侧路段为研究对象,在分析交通流速度随时间变化的基础上,研究不同车道位置在大雨天气下交通流速度的变化情况;分析大雨时速度-流量散点图的分布规律;采用实际数据标定Van-Aerde、Greenshields两种经典的宏观交通流模型。结果表明:与无雨相比,大雨时自由流速度、通行能力分别下降约11.2%和19.6%,阻塞密度升高约50%;大雨时车辆速度呈弥散分布,交通流趋于不稳定状态,大雨更容易引起交通拥堵,且与内侧车道相比,外侧车道的交通流速度分布较为离散。     

智能网联异质交通流混合特性

为研究车联网环境下异质交通流的演变规律,基于改进的NaSch模型,针对智能网联化程度的前期、中期和后期分别进行仿真实验,得到交通流基本图,并分析通行能力与网联车渗透率的内在联系;其次,通过马尔可夫链证明了网联车形成的有序排列能提高道路通行能力,随机仿真实验验证了理论推导的正确性;最后,引入考虑车辆排列方式的相对熵,从而定量描述异质车流的有序性,阐明了智能网联车辆（connected and autonomous vehicle,CAV）改善交通状况的本质原因. 研究结果表明:随着智能网联车渗透率的增加,通行能力增加,在智能网联化前期,渗透率的增加对通行能力提升较小,最高仅提升23.5%,中、后期通行能力最高能提升125.0%;在一定交通密度下,CAV渗透率与流量呈现正相关,相对熵与流量呈现负相关;智能网联车处于分离态时相对熵较小,分离态对随机混合的通行能力的提升随着CAV渗透率的增加而降低.      

车道限制策略下八车道高速公路交通流特征

为掌握车道限制策略的实施效果,应用某八车道高速公路非高峰期和高峰期的实测数据,对交通量、速度和车头时距等3项交通流参数的特征进行分析,并得出结论.限制货车通行的车道1、2比不限货车的车道3、4交通量大且速度高,说明限制货车对于提高车道的服务水平有明显效果.车道1、2的车头时距用M3分布拟合效果较好,车道3、4用2阶爱尔朗分布或移位负指数分布拟合效果较好,说明前者易结成车队,而后者的行驶自由度相对较大,交通量仍有提升空间.综上所述,车道限制策略实质上是对车道进行差异化管理,限制货车和不限货车的车道分别以提高服务水平和通行能力作为首要目标,以期获得整体运行质量的优化,但实施条件和保障机制仍有待探索.     

考虑降雨影响的城市交通流车速多层线性模型研究

应用多层线性模型研究了降雨强度对城市道路交通流平均行驶车速的影响.研究资料包括道路特征数据(25个路段)、广州市城市道路交通流平均行驶车速数据(有效车速样本量超过160万)和降雨量数据(样本量93 462).采集时间从2011年6月至2012年4月一共330 d.基于以上大规模数据,应用多层线性模型(HLM),建立了一个降雨条件下道路交通流车速的短时动态预测模型.结果表明:交通流信息存在嵌套、分层的数据结构,相较于传统交通流研究方法,多层线性模型对交通流影响因素的研究将更为合理;降雨对车速的影响具有普遍的空间变异性,这是因为每个路段具有不同的物理特征;交通流的影响因素之间存在着显著的跨层交互效应,这与传统理论对交通流的认识不同;本文提出的降雨条件下交通流车速的短时动态预测模型具有路段适用性广的突出优点,这与大多数传统交通流模型适用范围较为狭窄的特点较为不同.     

不同交通流状态下的车头间距分布

采用实地调查方法,将车头时距经速度转化成车头间距,并利用实测流量进行饱和度的计算,进而对车头间距进行深入的研究,得出不同交通流状态下车头间距的分布特性．自由流阶段车头间距分布是属于负指数分布,稳定流开始车头间距属于移位负指数分布,至稳定流后期车头间距分布只有部分属于移位负指数分布,r值随着交通流量的增加会缩小;在稳定流后期（0．53～0．63）和不稳定流（0．64-1）一般采用爱尔朗分布拟合．     

基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.