高速铁路半封闭声屏障声学性能的现场实测及预测模型

相比传统直立式声屏障,半封闭声屏障对高速铁路噪声显然具有更优的降噪效果,但当前对半封闭声屏障在真实服役状态下的声学性能研究却极其有限。为此,以某高速铁路桥上半封闭声屏障为工程背景,采用现场试验和统计能量分析(SEA)方法进行研究。首先,简要介绍了SEA方法的基本理论。然后,从声源特性、隔声量和降噪效果三方面对半封闭声屏障的现场测试结果进行分析,并与其他相关试验结果进行对比。最后,建立了半封闭声屏障SEA预测模型,并依据现场试验数据进行模型验证。结果表明:多重反射效应使得半封闭声屏障内侧的噪声增加2～3 dB(A);相比高2.15～3.15 m直立式声屏障,半封闭声屏障的降噪效果可提高5.7～2.9 dB(A);声泄漏使得真实服役状态下半封闭声屏障的隔声量小于声学实验室内的测试值;在考虑1.0 mm宽缝隙所引起的声泄漏后,计算模型具有较好的预测精度。     

交通噪声预测模型研究与分析

道路交通噪声污染在我国城市地区已很严重,特别是城市内主要道路的交通噪声相当突出.对导则模型和规范模型的特点与适应性进行比较与分析,并以河谷型城市和沿海型城市为例,利用模型进行预测分析,结果表明这两种模型具有不同的适应条件,可为今后对噪声污染防治问题的研究提供一定参考依据.     

基于状态空间神经网络的短期公交调度模型

本文从公交线路状态时空变化规律的角度出发,讨论了应用状态空间神经网络模型解决短期公交调度问题的方法。采用能描述实际公交线路状态（包括客流状态以及车辆运行速度等）的网络拓扑结构,结合前一时段的公交线路状态,预测下一时段的状态并选择与其相适应的调度方案。本文以南京市某公交线路的数据作为实例进行模型应用,与BP神经网络和AMRA模型的对比结果显示状态空间神经网络模型能在短期内更好地针对客流空间、时间变化对公交发车间隔进行调整,模型预测精度高,自适应性强,值得推广应用。     

组合预测模型在路基沉降中的应用研究

为提高路基沉降预测的准确性,在S型单项预测模型和传统熵值法组合预测模型的基础上,对模型的预测值取值范围和整体稳定度2方面进行了优化,提出一种复合确权预测模型,并对其可行性和有效性进行了验证。研究结果表明:基于复合确权的组合预测模型比传统熵值法组合模型和单优化预测值取值范围模型的预测精度分别提高了3%和5%。     

"二十四道拐"盘山公路事故预测分析

应用IHSDM安全评估软件,对"二十四道拐"盘山公路全线进行事故预测,并预测1944年改善工程前"第21拐"、"第22拐"路段与改善后对应路段发生事故的概率,以评价"二十四道拐"盘山公路的行车安全性及验证改善工程的合理性。预测结果发现"二十四道拐"盘山公路1940年至1945年5年的时间内共发生4.02起事故,其中68%的事故类型为"仅财产损失";在1944年改善工程调整"二十四道拐"盘山公路的"第21拐"、"第22拐"后,对应改善路段总预测事故起数降低了10.5%,且发生"死亡、严重受伤事故"的概率降低了14.3%,第4拐事故率降低了14.6%,第5拐事故率降低了38.8%。研究表明:"二十四道拐"盘山公路发生事故的概率较低,且事故损伤严重程度较轻;改善工程取消半径较小S型曲线后,行车安全性有所提高。可见,修筑于战时环境下的"二十四道拐"盘山公路线形设计基本能满足当时交通运输的行车安全性,其独特的线形设计也为现代山区公路的修建提供设计启示与技术参考。     

基于RBM-GASA-BPNN的潜在 高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.     

基于路段检测器布局的短期交通流预测模型

通过分析路段上各点以及交叉口之间交通流的内在联系,利用连续性和相关性原理,建立基于检测器布局的短期交通流预测模型.探讨了检测器布局的一般方法,阐述了布局位置对交通流预测结果的影响.根据路段上游、下游2点的检测器数据可建双点预测模型,能用于隧道、桥梁等特殊路段的短期交通流预测.根据路网上多个检测点的数据,可建立多点预测模型,各检测点的权重用F-AHP法确定,模型系数矩阵用最小二乘法标定.以重庆市某路段的交通量预测为例,分别用双点预测法和多点预测法进行了预测,并对预测效果进行了分析和比较.     

基于Logistic模型的双车道公路事故易发路段预测研究

事故易发路段的判别是安全管理的重要内容之一。传统的事故易发路段判别方法多应用于运营阶段的公路,其判别精度很大程度决定于历史事故记录的周期和质量,且受"回归到平均"等现象的影响。对于实际的安全管理工作,预先对某一对象成为事故易发路段的可能性进行预测,进而预先采取安全改进措施,能够使得安全完善工作由被动变主动,还可增加事故易发路段判别工作的应用阶段。通过对大量双车道公路事故易发路段样本的整理和分析,发现接入口密度、道路线形、交通组成等要素对事故易发路段的产生有很大影响。为此,借助Log istic模型在概率预测上的优势对上述要素对事故易发路段形成的影响情况进行了研究,建立了事故易发路段预测模型,并进行了实际检验。     

四路信号控制交叉口交通事故预测模型研究

通过对北京郊区四路信号控制交叉口进行实地调查,在获取事故数据及道路几何要素、环境要素、交通流要素等大量数据的基础上,利用相关性分析寻找出与交通事故相关性显著的影响因素,并采用AIC原则分析法确定模型形式,分别建立了四路信号控制交叉口死亡人数、受伤人数、事故次数预测模型。模型的建立有助于对交叉口进行安全分析诊断及预测交叉口的交通事故发生规律。     

基于MPSO-RBF的公路货运量预测方法研究

在分析公路货运量的影响因素和预测特点的基础上,将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,建立了基于改进PSO算法和RBF神经网络的公路货运量预测模型(MPSO-RBF).利用某城市的历史数据对预测模型进行了训练、测试与仿真,同时将仿真结果与回归分析法、灰色理论法、BP神经网络和RBF神经网络预测的结果进行了比较,结果表明文中提出的预测方法精度较高,对于公路货运量预测具有一定的可行性和有效性.