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。     

深埋风积沙隧道施工工法及围岩变形特征研究

风积沙作为一种抗剪能力弱、黏聚力低、自稳能力差的土体,隧道开挖时围岩变形难以控制,研究风积沙隧道的围岩变形特征及其适用的施工工法则显得尤为重要。依托蒙华铁路王家湾隧道穿越风积沙段,通过室内试验得到相关参数,采用有限差分法进行数值模拟,对比分析有无水平旋喷桩加固两种工况的围岩变形和塑性区发展,从而得出三台阶法、三台阶临时仰拱法、三台阶七步法、CD法以及双侧壁导坑法5种工法的变形特征和水平旋喷桩的加固效果。研究结果表明,(1)在无水平旋喷桩加固围岩的情况下,双侧壁导坑法最适用于大断面深埋风积沙隧道,但其控制效果仍然不能满足变形要求;(2)采用水平旋喷桩加固后,三台阶加临时仰拱法最适合于大断面深埋风积沙隧道;(3)水平旋喷桩与三台阶加临时仰拱法结合能够有效控制围岩变形;(4)水平旋喷桩能够显著控制上半部分围岩变形大小,并减缓全环围岩变形速率,但对下半部分围岩变形大小控制不明显。     

城市轨道交通地下车站附属结构深基坑围护渗漏风险监理控制

城市轨道交通地下车站附属结构深基坑围护渗漏是比较常见的基坑风险之一,若在基坑施工期间控制不当,容易引发基坑安全事故。通过对某地下车站附属结构深基坑渗漏风险的监理控制,从事前控制、事中控制、事后控制三方面介绍了监控过程,并进行了相应的经验总结。     

深水裸岩大直径超长钻孔桩施工技术

新建广州至珠海铁路复工工程西江特大桥,主桥水中墩处水深,河床基岩裸露、强度高。重点介绍深水裸岩条件下基础大直径超长钻孔桩施工技术,可为类似工程施工提供参考。     

深基坑围护预应力锚索施工技术

北京地铁14号线郭庄子站至大井站区间风井兼轨排井明挖深基坑,最大开挖深度25.5 m,地质复杂,地层自上而下为人工堆积,砂层,卵石层,漂石层,基坑采用全套筒跟进钻孔锚索外支撑支护形式。锚索施工是支护施工的关键,从钻孔注浆,锚索制作安装张拉等方面进行介绍。     

阜六铁路淮河特大桥深水基础围堰方案选型

主要介绍淮河特大桥深水基础钢板桩围堰、钢套箱围堰、混凝土围堰施工方案的优化比选,通过方案优选,确定钢板桩围堰的施工工艺、施工方法及制作过程。     

宁波南站上跨深基坑铁路便桥静态监测技术

宁波南站上跨深基坑铁路便桥结构形式为国内首创,在便桥下深基坑开挖的同时,须保证沿海铁路列车绝对安全平稳的通行,安全监测至关重要。本文根据该工程的现场实际和结构的特点,拟定了桥梁静态监测的具体实施方案、数据分析与处理模式,研究了该桥梁变形的规律,及时提供监测分析意见,为深基坑安全和信息化施工提供指导,为铁路便桥安全运营提供保障。这对今后类似的桥梁施工监测有一定的指导和借鉴意义。     

松动圈理论在冬瓜山采矿巷道支护设计中的应用

基于深部巷道工程由于其复杂的赋存条件和应力环境使得浅部工程的支护技术和方法不能满足深部巷道工程的需要,采用松动圈理论对冬瓜山采矿巷道进行支护设计。通过对松动圈支护理论及松动圈测试进行研究,将不同地方围岩破坏情况(松动圈值)分为松动圈基准值(Lp1)和关键点松动圈值(Lp2),作为支护参数设计的量化指标,对巷道不同地方采取有区别的支护。将其运用于深部采矿巷道支护工程实践,通过现场位移监测验证了松动圈支护技术在深部工程应用中的合理性。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.