普速与CTCS-2客运专线车站特殊站联电路工程设计

结合秦沈沟海联络线的工程应用实例,当客运专线车站与普速车站区间设有通过信号机,且客运专线车站所辖区间采用CTCS-2级列控系统编码,而普速车站所辖区间采用无绝缘轨道电路继电编码时;为满足普速车站站内联锁及电码化对离去轨继电器的要求,设计出了两种解决方案,对类似工程设计具有借鉴意义。     

直线电机列车-高架桥系统动力相互作用分析

采用模态综合技术,建立直线电机轨道交通系统的车桥动力相互作用分析模型,对直线感应电机轨道交通系统的电磁力的产生及其对列车、高架桥梁的动力作用进行理论分析和研究,指出这是进一步研究城铁高架桥梁的动力响应以及直线电机列车在桥上的运行安全问题的一种可能途径。     

基于Vesic圆孔扩张理论的桩周土抗力计算方法研究

随着目前城市建筑物容量的增大,对作为其主要承载构件的桩基础的承载性能提出了更高的要求。桩-土相互作用问题是桩基水平承载性能研究中必须考虑的重要内容,该问题的研究对于完善桩基础设计理论和指导工程实践具有重要意义。基于Vesic圆孔扩张理论,分析水平荷载作用下桩侧土体的实际受力状态,根据桩身产生水平位移后桩周土应力为近似椭圆形非均匀分布的特点,综合考虑纵向应力变化、桩基整体转动和桩-土摩擦效应对桩侧土抗力的影响,建立二维平面状态下的桩-土相互作用的力学模型,以此推导水平荷载作用下的桩侧土抗力计算公式,得到基于应力增量的p-y曲线计算方法,并通过实例计算验证该方法的适用性,最后针对桩-土参数进行影响因素分析。对比所提方法的计算结果与模型试验的结果可知：将该理论方法应用于水平荷载作用下桩侧土体力学效应的计算时,计算结果和现场实测数据较吻合,尤其在桩基受荷产生较大水平位移时,两者表现出了较好的一致性。通过对桩-土参数等影响因素的计算分析,讨论了桩径、土体内摩擦角和土体变形模量等桩-土参数对桩周土体应力结果的影响,得到了桩周不同位置处土体径向应力和切向应力的变化规律。     

中国新型极地考察船冰载荷预估研究

本文针对中国新型极地考察船所受冰载荷进行了研究,其中包含了平整冰阻力和浮冰碰撞力.对于船舶设计者和建造者来说,船舶冰载荷的预估非常重要.本文采用经验公式方法计算了该船在平整冰中航行的冰阻力,并且与模型试验结果进行了对比.结果显示,计算和试验结果中的冰阻力都随船舶航行速度的增大而增大,经验公式方法可以预测出合理的平整冰阻力.通过计算得到了该船的性能曲线,即该船在不同厚度平整冰中航行所能达到的速度.此外,本文还考虑了该船与圆形浮冰之间的三维斜向碰撞问题,采用解析方法评估了浮冰对船舶的撞击力,研究了撞击位置、法向框架角度以及浮冰尺寸对碰撞力的影响.基于计算结果,本文就冰载荷的预测进行了讨论并提出了一些建议.     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

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。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

LKJ列控系统在巴基斯坦铁路的应用

巴基斯坦铁道部计划对铁路信号系统分阶段升级改造并配备相应的列控系统,以改变其信号系统不规范、铁路事故多发的局面。我国企业主导了巴基斯坦铁路Lodhran—Shahdara段信号系统升级改造工程,装备的LKJ列控系统经定制化设计,采用应答器技术,在系统运维、管理、操作等方面进行简化设计,在保证列车运行安全的同时,降低了使用、维护人员的劳动强度,以及临时限速控制和管理流程的复杂度,从而降低了管理过程风险和人为干扰风险,具有成本低、可靠性高、人工介入少等技术特点,适宜巴基斯坦等发展中国家作为中低速铁路的列车超速防护控制系统应用。重点对LKJ列控系统在巴基斯坦应用的需求背景、设计方案、运用模式、临时限速控制等进行阐述,为相关工程提供借鉴。     

上海轨道交通3、4号线共线运营行车组织研究

基于上海轨道交通3、4号线共线运营特点,分析了共线运营在行车组织上存在非共线段运能不足、共线段运营中断时运营调整难度大的问题。通过非共线段运能不足问题剖析和共线段运营线路中断处置原则分析,提出了进行线路拆分提升运能,以及在共线段中断时的行车组织调整方案,并得出3、4号线各自独立运营需对配线进行改造的结论。     

基于静态法高速列车抗横风倾覆影响因素研究

随着我国高速铁路的飞速发展,风区运营的高速铁路不断出现,需对高速列车的抗横风倾覆性能进行深入研究。在对比分析日本的国枝方法和日比野有方法的基础上,针对我国CRH5H型动车组建立了横风倾覆静态计算模型,并对车体自重、转向架一系及二系悬挂刚度对列车抗倾覆性能的影响进行了数值模拟。数值计算结果符合实际规律,计算模型和方法可为风区运营车辆抗倾覆安全设计提供参考。