基于工业CT切片数据的汽车发动机STL建模实现

基于工业CT图像的反求是反求工程中的重要内容。本系统针对原始的汽车发动机工业CT切片数据,通过矢量化软件提取封闭轮廓点数据,进而提出了通过轮廓配准、数据精简、三角网格划分、端面处理这一重构步骤来实现汽车发动机的STL建模的方法,最终开发出自动生成汽车发动机的STL文件格式的转换程序。     

道路交通系统韧性及路段重要度评估

韧性可以全面描述扰动事件下系统吸收干扰并从干扰中恢复的能力. 针对已有韧性指标对系统性能评价不全面、未考虑交通流量影响等问题,从路段通行能力退化与恢复入手,以网络效率为系统性能指标,构建全面评价扰动事件影响期内系统性能的韧性指标. 分别基于乐观和悲观视角提出韧性增加值和韧性减少值路段重要度指标,提出识别路段重要度的启发式算法. 算例结果表明：本文提出的韧性指标可全面描述扰动事件下路网性能退化与恢复全过程的平均累积性能,更加符合韧性指标内涵;韧性增加值和韧性减少值指标均能有效识别路段重要度,大部分路段重要度随时间动态变化.     

基于交叉口双站台的BRT 优先控制研究

为解决交叉口因BRT优先影响其他车辆通行问题,提出基于交叉口双站台的BRT 优先控制方法. 给出交叉口BRT双站台设置方法,对比分析BRT在交叉口单、双站台的平均延误. 根据BRT发车时刻、交叉口信号配时、BRT平均车速、交叉口间距及站台停靠时间等,制定 BRT站台预停靠方案和行车时刻表. 为确保BRT按照预停靠站台及时刻表运行,采用BRT车速引导与信号配时双重补偿修正BRT 实际离站时刻与时刻表的偏差. 以常州BRT 1 号线为例,对应用本文方法的5 个交叉口进行分析. 结果表明：BRT在每个站台实际离站时刻偏差范围为±5 s、±10 s、±20 s 时,本文优先控制方法显著减少BRT停车次数和延误,提高了BRT整体运营效率.     

掺加高模量外掺剂的开级配抗滑磨耗层(OGFC)的路用性能研究

通过实验室试验,研究了采用高模量外掺剂的开级配抗滑磨耗层(OGFC)沥青混合料的路用性能特点,分析了掺入高模量外掺剂前后,OGFC混合料常规路用性能指标的差异。     

多Agent强化学习下的城市路网自适应交通信号协调配时决策研究综述

相对于传统的交通信号配时决策方法,多Agent 强化学习及其协调方法能更好地适应城市 路网交通环境的变化。为探讨其在城市路网自适应交通信号配时决策中的应用,系统地总结了多 Agent 强化学习及协调机制的研究方法,详细地分析了国内外研究现状,并指出现有研究中存在 的问题,在此基础上对未来研究进行了展望。研究结果表明,既有研究主要针对规模较小的路 网,存在维数灾难问题,强化学习与协调机制结合研究还不够深入,相关学习参数分析不够细 致,仿真环境和情景现实性不强。未来研究可以引入马尔科夫博弈提高决策协调性,嵌入混合交 通流、公交优先等交通管理思想增强决策实用性,引入先验知识及其他学习技术加快学习速度, 融入物联网、主动管理、大数据等先进理念和前沿技术增加决策的实时性,与交通诱导等集成提 升决策的系统性。     

路面基层级配碎石试验检测控制要点

针对公路路面的基层级配碎石,在简要概括基层作用、级配碎石特征的基础上,提出了级配碎石的试验检测控制要点,并深入剖析了将试验检测结果作为基础的施工方案改进方式,旨在为保证公路建设项目施工质量提供理论依据。     

高海拔、大温差地区32 cm水泥稳定级配碎石基层一次性摊铺

从水泥稳定级配碎石配比设计十几个方面介绍了32 cm水泥稳定级配碎石基层一次性摊铺。     

砂岩级配碎石材料级配与性能研究

为分析砂岩在道路工程中路面铺装的可靠性,通过不同的级配方法得到几种级配碎石并加以删选,以对结构受力影响最为显著的回弹模量为研究切入点,将筛选出的各级配与其CBR实验结果做比对分析,得到CBR与模量关系曲线。结果表明:骨架型级配能提供的各粒径范围过窄,不利于施工;连续性级配具有良好的工作性能(CBR值较高),推荐使用连续级配作为施工级配;砂岩作为使用量较小的道路工程材料,存在一定的缺陷,通过相关级配,能保证该砂岩级配碎石良好地运用。     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.