Human-like autonomous car-following model with deep reinforcement learning

This study proposes a framework for human-like autonomous car-following planning based on deep reinforcement learning (deep RL). Historical driving data are fed into a simulation environment where an RL agent learns from trial and error interactions based on a reward function that signals how much the agent deviates from the empirical data. Through these interactions, an optimal policy, or car-following model that maps in a human-like way from speed, relative speed between a lead and following vehicle, and inter-vehicle spacing to acceleration of a following vehicle is finally obtained. The model can be continuously updated when more data are fed in. Two thousand car-following periods extracted from the 2015 Shanghai Naturalistic Driving Study were used to train the model and compare its performance with that of traditional and recent data-driven car-following models. As shown by this study’s results, a deep deterministic policy gradient car-following model that uses disparity between simulated and observed speed as the reward function and considers a reaction delay of 1 s, denoted as DDPGvRT, can reproduce human-like car-following behavior with higher accuracy than traditional and recent data-driven car-following models. Specifically, the DDPGvRT model has a spacing validation error of 18% and speed validation error of 5%, which are less than those of other models, including the intelligent driver model, models based on locally weighted regression, and conventional neural network-based models. Moreover, the DDPGvRT demonstrates good capability of generalization to various driving situations and can adapt to different drivers by continuously learning. This study demonstrates that reinforcement learning methodology can offer insight into driver behavior and can contribute to the development of human-like autonomous driving algorithms and traffic-flow models.     

船舶通信英语口语与听力课程标准

结合船舶驾驶员的岗位职责,依照现代职业教育理论和成果,设计了船舶通信英语口语与听力课程标准.对该课程的课程概述、培养目标、与前后课程的联系、教学内容与学时分配、学习资源、教师要求、学习场地与设施要求、考核方式与标准、学习情境设计进行了设计和描述,将船舶通信中典型工作任务转化为学习型任务.     

加强教风学风建设 不断提高人才培养质量

在改革不断深入、经济社会深度转型的当下,大学生群体呈现出新的特点和个性。在新的形势下,要加强高校教风学风建设,更好的发挥高校培养人才的作用,促使人才培养质量提升。本文以辽宁省交通高等专科学校为例,着重从文化建设、教师育人能力提升、学生职业梦想等角度入手,提出了加强教风学风建设的具体举措和途径。     

公路客运市场退出影响因素实证分析

通过对广东省公路客运企业和政府主管部门的问卷调查,采用因子分析方法,从影响客运市场退出的相关主体及相关行为中筛选出关键变量．运用非参数检验过程,就各关键变量对退出的影响程度进行比较,最终得出驾驶员和承包经营人的相关行为对公路客运市场退出最具影响的结论,为政府部门进行行业管理和政策制定提供了实证依据．     

行人微观仿真中的运动模型与行为模型——STEPS与NOMAD模型对比

为了解各类行人仿真模型的性能差异和适用范围,以选取适当模型进行交通枢纽行人仿真,对两种典型行人仿真模型进行研究。依据模型对行人行为描述的复杂程度,将行人仿真模型分为运动模型、部分行为模型、行为模型3类,并分别介绍了各自的特点。选取典型的运动模型软件STEPS和行为模型软件NOMAD,详细探讨其采用的数学模型,并通过4个仿真实例对比分析这两种模型的特点。分析结果得出两种模型在宏观与微观层面的异同点以及存在的问题。     

基于多种失效模式SPS复合钢板替换船用钢板的优化设计

在SPS复合钢板的设计中获取不同的失效模式。以减重为目标,应用序列二次规划法对SPS复合钢板进行等效船用钢板的优化设计,同时对SPS复合钢板进行多目标优化,应用层次分析法定各目标的权重。在这两种优化方法的基础上,对船用钢板与SPS复合钢板进行了屈曲、弯曲对比数值分析,同时将结果与理论计算结果对比分析。结果表明,SPS复合钢板重量能够减轻37%以上,刚度增加两倍多,但厚度增加70%。     

轨道交通供电系统无功补偿的研究

根据城市轨道交通工程轨道系统无功补偿出现的问题,结合其各类用电设备的情况,通过分析研究实际工程中各类用电负荷功率因数的情况,提出了解决其无功补偿问题的措施和方法.     

基于层次分析法和D-S证据理论的码头风险评估

在码头风险评估过程中,目前常用的方法对风险事件发生的概率和影响上有一些主观的定性分析,带有结论上的模糊性.运用一种层次分析法和证据理论结合的方法可以提高评估的准确性和可靠度,该方法通过层次分析法确定各评估因素的权重,在此过程中用D-S证据理论对专家评分数据进行融合修正,运用D-S证据理论的合成法则确定码头的风险值.将该...     

高速公路软基砂井预压法处理效果分析

探讨了砂井预压法在高速公路软基处理中的处理效果。分析了砂井处理前后路堤软基强度和稳定性的改善情况,以及在不同场地地质和荷载条件下砂井预压对于加快地基早期固结沉降和减少工后沉降的作用。     

锚贴U形钢板-混凝土组合加固RC梁的抗弯试验

为了研究锚贴U形钢板-混凝土组合加固钢筋混凝土梁的抗弯性能,设计5根加固梁和1根对比梁进行抗弯试验。试件的主要设计参数包括有无加载历史、钢板纵向加固长度、钢板厚度和螺杆间距。加载仪器采用1 000 kN梁柱加载系统,应变采集使用静态应变分析系统,挠度采用机电百分表测量。试验过程中,观测记录试验梁在荷载作用下截面应变、跨中挠度、加固部分与原混凝土之间的相对滑移、裂缝的产生与发展。基于平截面假定,推导试验梁的极限抗弯承载力计算公式,并对比模型试验与理论分析结果。试验结果表明：与未加固的对比梁相比,锚贴U形钢板-混凝土组合加固后的试验梁其开裂弯矩提高近50%,极限抗弯承载力提高约1倍;钢板纵向加固长度对梁的整体刚度有显著的影响,加固范围越大刚度提升越显著;加固范围应充分考虑加固部分截断处截面的抗剪能力,避免使试件从塑性弯曲破坏模式变成脆性剪切破坏模式;对比螺杆间距15 cm与30 cm试验梁的结果发现,只要符合构造要求的螺杆间距对试件的承载能力影响很小,但对裂缝开展有一定的影响,螺杆间距越密其裂缝开展明显变小;随着加固钢板面积增大,抗弯承载力也随之提高。针对加固后适筋破坏的RC梁,推导了极限抗弯承载力计算公式,利用公式计算出的极限抗弯承载力的理论值与试验值相对差值均在10%以内。