斜拉桥成桥合理索力确定方法的研究

通过对几种确定斜拉桥成桥合理索力方法的分析比较,发现每一种方法都有优缺点.单独使用某一种方法难以得到合理的索力值.以彭溪河大桥为背景,介绍了一种确定成桥合理索力的综合方法,实例证明此法是有效的.     

路面平整度检测技术现状与发展

对现有路面平整度检测方法的技术要点作了分析,总结出这些方法存在的问题.详细论述了激光路面平整度检测技术的工作原理、应用现状和发展趋势.     

高墩大跨连续刚构桥最大悬臂阶段风致响应及其对施工人员的影响

以某高墩大跨连续刚构桥为工程背景进行了空间有限元分析,采用静力分析方法,分别计算了阵风作用下最大双悬臂施工状态下高墩桥梁和跨度相近的低墩桥梁的结构内力,并探讨了其墩底内力特点;采用时域分析方法,计算了桥梁最大双悬臂施工状态下结构的抖振响应,通过进行舒适度分析,讨论了桥梁抖振响应对施工人员安全的影响。研究结果表明:高墩刚构桥墩底的横桥向弯矩由主梁上风荷载对称加载方式决定,而低墩刚构桥则由非对称方式决定;最大双悬臂状态在抖振作用下的Diekemann舒适度指标值很小,对施工人员的工作影响不大。     

弯、剪、轴拉复合受力状态下钢筋混凝土梁的承载能力试验研究

对弯、剪、轴拉复合受力状态下钢筋混凝土梁的承载能力进行试验研究。试验中主要考虑轴向拉力、最小抗剪配筋、配筋率、混凝土强度等级等因素对弯、剪、轴拉复合受力状态下钢筋混凝土梁的承载能力的影响。试验实测表明,欧洲规范2第1部分中用于计算弯、剪、轴拉复合受力钢筋混凝土梁承载能力的公式过于保守,有必要进行修正。     

对广州市停车配建指标修订的思考

在介绍现行停车配建指标实施情况的基础上,提出了广州市停车配建指标修订采取的区域差别化、分类别停车供应、加强居住区停车设施、建设一体化交通系统等基本思路,以及建议的停车配建指标的主要成果.停车配建指标的实施将有力促进新形势下广州市停车设施的建设,增加停车位的有效供应.     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于多源数据的城市群枢纽间多模式交通系统异常状态影响研究

为探究城市群多模式交通系统异常状态的影响范围,从需求端非常态客流变化和供给端运输能力下降两方面对多模式交通系统异常环境进行分类,提出了基于手机信令数据、意向出行调查及客票信息等多源数据的异常状态影响范围识别流程和分析方法;以京津冀城市群为例,确定强链接枢纽间通道客流动态安全阈值,提出了基于贝叶斯预测的通道客流异常检测方法;利用提升度、余弦相似度及其标准化值来区分枢纽关联规则的有效性,提出了基于强关联规则确定异常状态影响范围的方法。研究表明：基于贝叶斯预测的通道客流异常检测方法具有实时性,提高了客流安全阈值精度;基于实际手机数据和假定异常情况下的意向调查数据并结合关联规则确定枢纽影响范围,可为利用数据挖掘技术分析突发异常状态的影响和对策提供借鉴。     

中面层沥青混合料低温性能的对比试验评价

为评价中面层沥青混合料的低温性能,对7种AC-20沥青混合料进行M2F梯形梁动态模量试验、小梁低温弯曲试验和中梁线收缩系数试验,分析复模量、相位角、最大弯拉应变、应变能密度和线收缩系数5个试验指标的评价结果及相关性,选出最优的低温性能评价指标。研究结果表明：采用不同的试验方法及评价指标分析各沥青混合料低温性能,结果存在明显差异。在评价指标方面：在-10℃下的相位角是M2F梯形梁动态模量试验的最佳评价指标,最大弯拉应变是小梁低温弯曲试验的最适宜指标,线收缩系数是评价沥青混合料低温性能较为合适的指标。在各沥青混合料低温性能优劣方面：SBS改性沥青混合料的低温性能最优,橡胶沥青和抗车辙剂改性沥青混合料的较为接近,高标号沥青混合料的低温性能比低标号沥青混合料的更好。适当提高粗集料含量可提升沥青混合料的低温性能,热再生沥青混合料的低温性能相对较差。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

重点要“稳” 采埃孚自动驾驶目标锁定L2+和L4

"现在市场上有些系统,让你在驾驶过程中,明显的感觉到车身的摆动,说明它们的车道保持不好。这样会影响驾驶者的驾驶体验。对我们而言,度量级别不重要,重点是稳!"——采埃孚全球CEO沃夫翰宁·施艾德回顾过去三年所经历的CES展会,整个自动驾驶行业一直长期处于亢奋状态。从L2-L5级别,只要你想似乎都能找到相对应的产品以及解决方案。仿佛大家之间正进行一场不言而喻的军备竞赛。远的不说,单说采埃孚本身,2017年第一次亮相并现场与百度合作上车的ProAI至今历历在目。随后两年,ProAI的型号一年比一年高,性能也逐代强悍。