脑弥漫性轴索损伤实验装置的研制及动物模型的建立

目的 自制一种脑弥漫性轴索损伤(DAI)装置并成功建立DAI动物模型.方法 自制头颅瞬间旋转损伤装置,使大鼠头颅在瞬间(<3ms)旋转90°造成剪切损伤.观察损伤后大鼠的生命体征及行为学改变;于伤后2、6、12、24、36、72h及10d分别处死损伤组动物,制备脑石蜡切片,行镀银及HE染色,光镜下观察神经轴索变化.结果 伤后大鼠均即刻出现原发昏迷,其中2只于损伤后20min内死亡,余持续时间1-30min不等;伤后大鼠呼吸节律紊乱,瞳孔对光反射减弱或消失,醒后均有程度不等的反应性下降,肢体活动迟缓;肉眼可见广泛蛛网膜下腔出血或脑室出血;光镜下可见皮髓交界区、胼胝体区、脑干、小脑白质等部位的神经轴索有不同程度的肿胀、断裂、轴索球形成,后期有小胶质细胞增生,局部呈巢样聚集.结论 本装置能造成大鼠脑DAI,且具有简便、可控、确切的特点,适合进行中、小型动物DAI模型的实验研究.     

地震作用下钢筋混凝土桥墩抗倒塌性能研究

为研究混凝土桥墩的结构抗震性能,进行了单墩多自由度体系非线性静力推倒分析、非线性动力分析、增量动力分析。分别采用纤维模型中分布塑性铰和集中塑性铰两种建模方法,建立单墩有限元模型,利用Open Sees软件中的Hysteretic滞回模型考虑各种累积损伤的影响。     

“翻转课堂”热潮引发的思考

翻转课堂自实施以来,在教育领域引发大讨论,给教学带来了前所未有的变化,取得了良好的效果。本文对翻转课堂的由来及其对教学的改变进行分析,并探讨了翻转课堂实施对师生的要求,最后对我国大面积普及翻转课堂的制约因素进行了分析。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

高速路节日免费通行对小汽车出行者选择行为影响研究

出行成本是出行者在选择出行方式时的重要考虑因素。随着我国高速公路网和收费政策的逐步完善,自驾已成为出行者考虑选择的主要出行方式。为研究节日里选择小汽车出行的用户特征及影响因素,通过意向调查的方式对小汽车出行者的偏好进行调查。应用二项Logit模型建模分析,结果显示个人属性、出行属性以及出行环境等都在不同程度上影响出行者的节日出行选择行为,其中小汽车拥有状况、驾龄、旅行时间、出行者在以往节日里选择的出行方式、通行费、线路熟悉程度等对节日出行行为影响较为显著,该研究成果在交通预测、交通管控等方面具有指导性作用。     

�����ν���Э���ĵ�������վ�򳵿����Ż�

研究了高峰时段列车运行的衔接协调对换乘站候车客流量的优化问题。首先分析了换乘站各站台候车客流的组成因素,确定出各运行方向的换乘站台内客流量随时间变化的规律。然后,以时段内换乘站候车客流量的最大值最小为目标,建立优化模型。模型以站台最大可容纳候车人数为约束条件,以各方向列车在换乘站的到达时刻为调整对象,实现了高峰时段换乘站内聚集客流的优化。最后,针对验证案例,设计了遗传算法进行求解,得出了协调较优解,并给出与较劣解的对比分析。结果表明,该优化方法能够有效降低换乘站内的候车客流人数,可为网络化的优化协调工作提供参考。     

����������ݵ������Ǽʳ��з�ʽѡ����Ϊ�о�

随着中国城市群的快速发展,城际交通出行环境发生了巨大的变化,因此城际出行者也会不断地重建自己的出行习惯,这就要求建立动态模型研究城际出行者出行行为和预测城际交通需求。本文调查出行者在宁杭城际高铁开通前后两个时期的出行信息,并且引入状态依赖变量表征出行者之前选择结果对之后出行选择的影响,建立了基于面板数据的城际出行方式选择动态模型。模型结果表明,基于面板数据的动态模型比传统的基于出行者单次出行数据的模型拥有更高精度。同时本文根据宁杭城际出行背景设置三组政策变化方案预测出行分担率,结果表明,当选择环境发生变化时,传统模型会高估出行方式分担率的变化程度。以上结论能更好地服务于中国城际交通的规划。     

信号交叉口集聚车辆的跟驰行为分析与建模

为了更好地模拟城市信号交叉口集聚车辆的跟驰行为,进而应用于城市信号交叉口信号配时和交通流理论研究,采用一种基于视频的交通流数据采集方法来采集信号交叉口的微观交通行为数据.运用灰色关联分析方法对采集到的微观交通数据进行分析,挖掘出其中的有用信息,从而寻求能够最大程度反映信号交叉口集聚车辆跟驰行为的影响变量.构建城市信号交叉口车辆集聚过程中的跟驰模型并进行参数标定、效果验证和比较分析.研究表明,新提出的跟驰模型能够很好地拟合信号交叉口集聚车辆的跟驰行为实测数据,其拟合性和稳定性优于重新标定后的扩展GM模型.     

CD4~+CD25- CD45RB~(high) T细胞转移性肠炎模型的建立

目的建立CD4+CD25-CD45RBhighT细胞转移性肠炎模型,并分析其在炎性肠病中的研究价值。方法流式细胞仪分选和纯化CD4+CD25-CD45RBhighT细胞并通过静脉注射移植到Rag1-/-小鼠,记录每组小鼠体质量变化,根据标准程序制作结肠组织切片进行HE染色检查,分离肠黏膜固有层CD4+T细胞并采用ELISA方法检测TNF-α和IFN-γ的表达水平。结果 CD4+CD25-CD45RBhighT细胞重建Rag1-/-小鼠3周后出现体质量下降,至第6周时体质量下降更加急剧并伴有明显腹泻。结肠组织切片结果发现明显的炎性细胞浸润,结肠上皮出现局灶性溃疡,炎症进一步蔓延至黏膜下层。结肠黏膜固有层CD4+T细胞TNF-α和IFN-γ的表达水平明显高于对照组。结论CD4+CD25-CD45RBhighT细胞转移性肠炎模型在研究炎性肠病的发病机制中具有重要作用。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。