基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

基于GIS空间分析的抛石护岸工程水下抛石效果评价

抛石护岸工程水下抛石效果评价是工程水下质量控制的重点和难点。准确掌握和分析工程水下质量状况,对确保抛石护岸的施工质量起到了重要作用。GIS(地理信息系统)技术拥有强大的空间数据处理与分析能力,可用于对水下抛石效果进行多维度的定性与定量分析。分析结果可以准确评价施工质量、精准指导下一阶段施工、降低施工成本。通过对3个试验区的分析,总结出一般施工规律:1)由于工程区上游起始处以及下游深水侧容易产生冲刷,抛石效果较差。2)工程区中部及近岸区抛石效果较好,但容易过抛。     

复杂地质条件下PHC桩可打性与实际沉桩全程动测对比分析

针对复杂地质条件下经常出现基桩难以入土至设计高程等异常情况影响施工的问题,研究了基桩可打性和沉桩过程质量控制方法。基于坦桑尼亚达累斯萨拉姆港改扩建工程,采用对典型地质钻孔处桩基进行GRLWEAP可打性和沉桩过程高应变全程动测对比分析的方法,得出结论:利用全程动测结果可以对可打性分析中的土层参数进行更符合实际的修正。研究结果表明:参考类似土层参数修正值进行调整后的GRLWEAP可打性分析和高应变全程动测不仅能为PHC桩沉桩施工提供理论支持,还能实时监控沉桩过程以进行质量控制。     

OCIMF MEG4新要求对油船系泊设计影响浅析

石油公司国际海事论坛最新发布的《系泊设备指南(第四版)》,对系泊设备布置和船对船设备布置提出了新的要求。该文通过对相关新要求的梳理解读,并结合设计实例,分析了新要求对油船系泊设计的主要影响,相关研究内容可供后续类似船舶设计参考。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。     

地铁自动售检票系统设备故障数据分析与维修策略

以宁波地铁1号线为例分析了地铁自动售检票(AFC)系统车站终端设备的故障数据,并找出其规律。车站终端设备中自动售票机故障率最高,而且车站客流量与终端设备故障率之间存在明显相关性。详细阐述了AFC系统故障的特点,总结了影响车站终端备置故障的主要因素。针对不同阶段运行的设备故障类型,提出设备维护与维修策略,可提高AFC设备故障维修的效率。     

动车组车轮多边形机理分析

介绍了高速动车组车轮多边形的形成机理以及与转向架结构之间的关系。转向架一系悬挂和定位结构不同,在动车组运行过程中对转向架固定轴距的影响也不同。当采用转臂定位结构时,由于一系钢弹簧的沉浮运动,使车轮在钢轨方向产生有规律的微小滑动,造成车轮多边形磨耗。     

地铁信号系统轨旁无线设备供电可靠性分析

轨旁无线设备(TRE)是地铁信号系统车地无线通信的重要组成部分,TRE供电系统是确保车地无线通信连续的重要系统。从地铁供电系统、信号电源屏系统、TRE及其电缆布置方式三方面着手,采用常规分析法和故障树分析法,定性、定量地分析常规结构下TRE供电系统的可靠性,以论证其可靠性是否满足要求,并探寻其短板。