港珠澳大桥建设对珠三角地区物流业的影响

港珠澳大桥将改变珠江口东西两岸之间的空间运输联系方式,从而改变整个珠三角地区的物流格局.从珠三角地区城市空间布局结构、产业特点出发,总结珠三角地区物流业特点,对港珠澳大桥影响珠三角物流格局的途径进行介绍；并逐一分析港珠澳大桥建成后对香港、深圳、珠海等珠三角主要城市物流业的不同影响.     

基于NFFD 算法的船体几何变形技术

本文以非均匀有理B样条基函数作为参数体属性,并结合非均匀控制点网格,建立了适用于船体几何的NFFD变形技术。重点阐述了NFFD方法的基本原理和变形规则,并以矩阵表示方法为基础构建了数学模型。研究了控制点数量和分布对变形结果的影响,增加了控制点变形几何的能力并获得了更大的设计空间。最后,以某CNG运输船为例完成了球鼻艏、船艏和船艉部分几何的自动变形。本文的工作为船型优化提供了良好的变形工具。     

船舶低硫柴油系统设计的分析与优化

就新辟航线首制船“汉亚直达”集装箱船的低硫柴油系统,叙述了船舶低硫柴油系统的设计经验,从当前国内外对船用燃油硫含量的要求、应对方案到船舶低硫柴油冷却方式选择、低硫柴油冷却系统设计、高/低硫柴油转换、使用低硫柴油风险分析及处理等方面进行详细叙述,为业内同行提供参考。     

复杂载荷下裂纹SIF计算的子模型技术

对船舶与海洋工程结构物进行疲劳评估,首先要通过子模型技术解决复杂应力场中裂纹应力强度因子(SIF)的计算问题。针对子模型技术实现过程繁杂且效率较低的问题,分别提出"逐周分层法","转换矩阵法"及"映射划分法"并基于VBA及APDL语言编写插件MPCarrangerV1.0,FEMcoortransferV1.0及CrackmapperV1.0,解决从Patran整体有限元模型到Ansys子模型时壳体单元间MPC创建低效、不同坐标系间节点位置转换困难及裂纹自由划分的局限性问题。基于DNV及ABS相关规范,以某B型LNG燃料舱的疲劳热点为例,对改进的子模型技术进行验证,结果表明经改进的子模型技术可成功施加合理边界条件并实现SIF的求解,可为子模型技术快速实现复杂载荷下裂纹SIF的准确计算提供参考。     

复杂城市环境泥水盾构泥浆绿色处理技术分析

泥水平衡盾构法修建隧道,在施工阶段会产生大量的废浆,如果废浆没有得到科学、妥善的处理,对环境的污染是无法估计的。本文以新建京张高铁清华园隧道工程为依托,结合在城市复杂繁华地区施工场地狭小、泥浆处理难度大等工程难题,对盾构掘进产生的废弃泥浆绿色处理技术进行了适应性研究,分析了综合处理之后泥浆循环利用的应用效果。泥水处理设备、压滤设备及离心设备相结合的泥浆综合处理技术,有效地实现了盾构施工"零排放",为今后类似施工条件的工程提供了技术参考。     

型腔结构对尾轴承力学性能影响的有限元分析

型腔尺寸的大小和腔数对水润滑橡胶尾轴承的力学性能有重要影响，并且直接影响轴承的承载能力和运转精度。本文基于有限元法，研究了不同型腔数目、型腔全角和型腔长度对尾轴承的力学性能影响。结果表明：在5种不同腔数尾轴承的研究对比中发现，4腔尾轴承的力学性能最优。研究型腔全角和长度因素影响时，发现全角55°长度500 mm的型腔结构性能更好。     

卡西姆港燃煤应急电站卸煤码头港池水域平面布置优化

针对复杂水域条件下大型散货码头的水域平面布置,基于卡西姆燃煤应急电站码头工程项目,根据对周边已建工程、红树林以及水动力等主要影响因素的深入分析提出初步平面方案,并通过船舶操纵模拟试验对平面布置及相关尺度进行优化,合理确定本工程平面布置方案。结果表明,本工程的建设对周边影响较小,水域尺度能够满足船舶通航及靠离泊要求,水域平面布置合理。     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

城市轨道交通全自动运行线路在无人值守模式下的应急处置

基于不同的场景,详细阐述了无人值守模式下全自动运行线路的应急处置方法、区间疏散方式及救援方式。结合专门的自动应急或远程应急功能,使无人值守全自动运行线路应急处置能兼顾运营效率和安全,避免列车迫停区间。建议做好多职能队员的相关培训工作,并合理选择列车自动运行控制系统的应急功能。     

Electric vehicles and residential parking in an urban environment: Results from a stated preference experiment

This paper presents the results of a preference survey of 1545 respondents’ willingness to purchase electric vehicles (EVs) in Philadelphia. We pay particular attention to respondents’ willingness to pay for convenient charging systems and parking spaces. If the value of dedicated parking substantially outweighs the value of convenient charging systems, residential-based on-street charging systems are unlikely to ever be politically palatable. As expected, respondents are generally willing to pay for longer range, shorter charging times, lower operating costs, and shorter parking search times. For a typical respondent, a $100 per month parking charge decreases the odds of purchasing an EV by around 65%. Across mixed logit and latent class models, we find substantial variation in the willingness to pay for EV range, charge time, and ease of parking. Of note, we find two primary classes of respondents with substantially different EV preferences. The first class tends to live in multifamily housing units in central parts of the city and puts a high value on parking search time and the availability of on-street charging stations. The second class, whose members are likelier to be married, wealthy, conservative, and residing in single-family homes in more distant neighborhoods, are willing to pay more for EV range and charge time, but less for parking than the first group. They are also much likelier to consider purchasing EVs at all. We recommend that future research into EV adoption incorporate neighborhood-level features, like parking availability and average trip distances, which vary by neighborhood and almost certainly influence EV adoption.