低应变法在桩身完整性检测中的应用实例解析

文中通过对低应变实测曲线的分析,分析了常见各种类型基桩在进行低应变桩身完整性检测中容易出现的问题,以及针对这些问题的相关处理意见,可为今后基桩低应变完整性检测提供参考。     

高速铁路分段垂直矩形天窗设置的探讨

目前,我国高速铁路日常综合维修主要采用分段垂直矩形天窗的形式,天窗对长途跨线列车的影响远远大于本线列车。通过对相邻天窗分段交错时间采用图解法进行分析,研究发现：天窗分段的长度和交错时间是影响顺向跨线列车运行的主要因素,列车运行时分最长的天窗分段限制了分段垂直矩形天窗对顺向跨线列车的影响范围,其影响范围等于天窗限制区段的天窗开设时长与运行时间之和。在对三个相邻天窗分段开设的情况进行研究的基础上,得出了最小天窗影响时段的天窗交错时间取值范围。     

公交专用车道设置综合效益评估--以京通快速路为例

为解决当前公交专用车道设置缺乏评估标准的问题,从个人出行成本和社会成本两个角度出发,对公交专用车道设置前后交通运营成本组成进行分析。在此基础上,重点针对公交专用车道运营的直接效益,通过分析公交专用车道设置前后交通运行参数的变化,分别对运营产出和运营成本进行综合分析,评估公交专用车道设置前后的运能总量、时间及能源消耗成本的变化,并将其折算成货币指标,实现评估指标的定量化。最后,以京通快速路为例进行了评估实证分析。     

公路隧道照明眩光影响仿真与分析

通过综合模拟仿真与定量分析,研究公路隧道照明眩光的影响范围,对加强公路隧道行车安全、提高公路隧道照明舒适度具有现实意义。文章通过引入眩光常数G和相对阈值增量TI的计算方法,并针对隧道对称布灯、交错布灯以及中央布灯三种情况下的隧道照明眩光进行了仿真分析,得出了三种布设方法下产生的眩光影响范围。研究结果表明:对称布灯时眩光影响范围为75.73°;中央布灯时眩光影响范围为76.22°;交错布灯时眩光影响范围为79.58°。通过计算分析眩光常数G得出结论:在隧道照明中无论是用哪种照明布灯方式,一旦发生眩光影响,它的影响等级都是比较高的。在这种影响情况下,驾驶员驾驶车辆在隧道中行驶所受到的危害程度会相对较大。     

考虑相干性的四轮随机路面输入模型的研究

借鉴DieterAmmon的路面相干函数模型,通过实测的路面信号验证该相干函数模型的可行性,应用遗传算法求解左右轮输人间的传递函数,建立四轮随机路面输入模型。最后对生成路面功率谱密度进行验证,结果表明所构建的路面文件满足相关要求。     

南京交通主枢纽汽车客运南站建设

为满足铁路客运、公路客运、城市轨道交通、公交车、出租车、社会车辆等多种交通运输方式为一体的"无缝"、"连续"、"零换乘"的要求,该文以南京交通主枢纽南站的南京汽车客运南站建设为实例,通过对场站建设、综合管理和信息化服务系统建设,以及管理组织机构建设的阐述,介绍了汽车客运南站的组成和建设,为实现现代综合运输体系创造了条件。     

螺旋桨无空泡噪声的研究

文中建立了一套时域范围内螺旋桨无空泡噪声的预报方法：将基于速度势的非定常面元法计算的螺旋桨表面压力分布作为无空泡噪声计算的输入量,采用声学FW-H方程的Farassat公式获得声压的时间历程,再通过离散傅里叶变换得出噪声的频谱图.通过对计算结果的比较和分析,得出螺旋桨在无空泡状态下,厚度噪声要比载荷噪声小得多,可忽略不计.载荷噪声和厚度噪声具有明显的指向性,载荷噪声声压级在桨轴方向最大,在桨盘面方向最小.     

基于熵权法的城市轨道线路客流适应性研究——以武汉市城市轨道规划线路为例

城市轨道线路客流是影响线路规模、投资和运营等的重要因素,选取轨道线路客流特征指标,建立了基于熵权法的城市轨道线路客流适应性分析模型,并以武汉市城市轨道规划线路为例,分析不同线路对客流的适应性程度.结果表明,该模型对轨道线路的客流适应性具有较好的识别性,并对安排线路建设时序具有参考价值.     

城市轨道交通对周边房地产价格影响分析

随着我国城市轨道交通建设的兴起,其对周边房地产价格产生显著影响.通过中美代表性城市上海、北京、深圳以及旧金山的实际案例研究,来分析这种影响.研究从时间和空间的角度,采用类比的方法,定量地分析不同国家的轨道交通对于周边房价的影响,归纳出在不同城市形态下轨道交通对于周边房地产价格影响.同时,提出类比分析法的适用性,以便从城市规划的角度来指导交通规划及设施建设.     

Time-series forecasting using autoregression enhanced k-nearest neighbors method

This study proposes two metrics using the nearest neighbors method to improve the accuracy of time-series forecasting. These two metrics can be treated as a hybrid forecasting approach to combine linear and non-linear forecasting techniques. One metric redefines the distance in k-nearest neighbors based on the coefficients of autoregression (AR) in time series. Meanwhile, an improvement to Kulesh’s adaptive metrics in the nearest neighbors is also presented. To evaluate the performance of the two proposed metrics, three types of time-series data, namely deterministic synthetic data, chaotic time-series data and real time-series data, are predicted. Experimental results show the superiority of the proposed AR-enhanced k-nearest neighbors methods to the traditional k-nearest neighbors metric and Kulesh’s adaptive metrics.