山区公路交通安全保障措施模拟评价

以云南小磨路K109+600～K122+024路段上的隧道群、陡坡与混行路段为试验样本路段,应用虚拟视景生成系统建立了路段三维静态与动态模型。在隧道内设置倒伏示警柱、视觉标线与常规标线3种中央隔离设施,在爬坡路段与混行路段上均设置附加车道,对比分析了3种路段上的平均车速与车辆平均横向位置,并评价了3种安全保障措施的效果。分析结果表明:在隧道内,3种中央隔离设施下的平均车速标准差分别为9.74、10.01、10.40 km.h-1,车辆平均横向位置标准差分别为0.54、0.70、0.69 m,说明设置倒伏示警柱后,车辆保持较好车速和横向位置;在爬坡路段上,当交通流量不超过1 000 pcu.h-1时,设置附加车道有利于主线路车辆车速的提高;在混行路段上,当非机动车流量分别为500、800 pcu.h-1时,设置附加车道后,车速增大,车速标准差减小,车辆横向位置变大,说明设置附加车道有利于提高和稳定车速,并可减少与对向车辆的冲突。     

隧道中央隔离设施安全效果的模拟评价研究

以山区公路某隧道群为对象,对用于非分离式隧道中的可倒伏示警柱、视觉标线、常规标线等三种中央隔离设施进行了驾驶模拟对比实验;建立了设置有3种隔离设施的道路虚拟实验场景;利用驾驶模拟系统进行受试者实验,对实验中获取的车辆动态数据进行了统计分析.通过对速度及其标准差、车辆行驶轨迹的横向位置及其标准差的分析结果得出:可倒伏示警柱和视觉标线有利于隧道内的行车安全,除去成本因素,可倒伏示警柱的安全性会更高些.     

强夯在尾矿地基处理中的应用

长深公路遵化(承唐界)至南小营段高速公路LJ-1合同段起讫桩号为K0+000～K6+000,路线全长6.00km。路线周围分布大量铁矿选矿厂,并堆集了多年废矿渣,施工时要采取合理的处理措施,采用对其予以强夯处理的方案,取得了较好的效果,为今后类似工程提供了一定的借鉴。     

破碎稳固旧混凝土路面修筑分离式混凝土加铺层技术

介绍一种水泥混凝土路面快建修复技术。利用冲击压实机,快速破碎并压实稳固旧混凝土路面,就地利用,使其作为嵌锁稳固的新路面基层。铺筑隔离层后浇筑新的水泥混凝土路面加铺层,使混凝土加铺层成为独立的结构受力层。     

关于轴载谱实测及分析方法的探讨

通过轴载称重调查法在实际中的应用,并结合实测调查资料的分析研究成果,对轴载谱分析方法及等代轴载的计算分析进行探讨,可供工程技术人员参考借鉴。     

真空联合堆载预压法在软土路基加固中的应用

以广州南部地区某快速路SD19标K39＋002.03~K40＋590处软土地基加固工程为实例,介绍真空联合堆载预压法的加固原理、施工方案和应用效果,并提出施工中的一些注意事项,其对真空联合堆载预压法在工程中的推广应用大有裨益。     

海上散货减载平台装船机电磁兼容和通讯干扰故障的分析处理

绿华海上散货减载平台位于浙江省舟山市嵊泗县西绿华山石子岙南侧海域,于2009年7月31日全部建成,2009年8月～9月进行减载系统重载试车后投入试运行。     

自动化集装箱码头港外集卡提送箱交互作业模式

针对自动化集装箱码头常规港外集卡提送箱交互作业模式无法很好适应广州港和钦州港两个新建自动化集装箱码头工程特点的问题,在充分剖析自动化集装箱码头现有港外集卡交互作业模式及技术特点的基础上,结合广州港和钦州港两个新建自动化集装箱码头的工程特点,分别提出“边装卸集中交互”和“边装卸U形通道交互” 两种新型港外集卡提送箱交互作业模式,并对工艺平面布置和流程设计要点进行详细阐述。结果表明,新型交互作业模式在提升各自集装箱自动化装卸系统运行效率和降低设备能耗方面都产生了积极效果,可为类似自动化集装箱码头的设计提供参考。     

基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明:相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。