网络清分模型的验证与修正方法

由于客流调查的局限性、网络乘客出行行为的差异性等因素的影响,需要进一步研究清分模型及客流分布计算结果的准确性及模型中的相关参数.介绍了城市轨道交通现有客票收入清分模型.依托上海轨道交通AFC(自动售检票)系统提供的基础数据,对清分模型参数进行灵敏度分析,提出了提高现有清分准确度的方法和手段.     

重载铁路隧道基底病害微型桩加固技术研究

结合我国重载铁路隧道基底病害特点,提出了一种隧道基底微型桩加固技术。同时,利用大型有限元软件ANSYS建立隧道基底微型桩加固分析模型,采用30 t列车动压应力实测值模拟重载列车竖向动荷载,着重分析了30 t重载列车通过隧道基底病害区段时微型桩的加固效果,结合某隧道现场测试与混凝土检测结果以及新旧混凝土结合面强度统计分析结果,提出了基底采用微型桩加固基底混凝土厚度要求,为今后采用该法进行基底加固提供借鉴。     

桩板墙作文挡的河堤路跨汛期施工技术

茅台酒厂河堤路侵河近水地段下挡桩板墙墙板设计埋深在河床冲刷线下,采用上下分阶逆序施工技术,汛期前完成抗滑桩及上阶墙板,汛期过后再进行下阶墙板施作,在做好下阶桩间防冲刷防护的情况下,可确保汛期道路工程的正常施工。针对其施工关键技术,介绍了先上后下分阶施作桩间墙板的工艺关键、技术难点及措施重点。实践表明,采用上下分阶逆序施工技术,较好地解决了河堤路跨汛期不中断施工的问题,缩短了建设工期,为尽早进场进行新厂建设提供了交通保障。     

滑坡发展中的锚索抗滑桩施工技术

在豫西山区三淅高速公路施工中,因连续降雨及上部施工改变原有地貌造成古滑坡复活,引起桥梁基础产生滑移,为治理滑坡采用了大截面锚索抗滑桩对正在发展中的滑坡体进行加固治理;并就大截面锚索抗滑桩的主要施工工艺技术和治理效果进行了阐述,为以后类似地质病害的处理提供了一定的借鉴。     

某海湾大桥下部结构施工工艺分析

以某公路海湾大桥设计文件与施工实际情况为背景,对大桥下部结构中复合钢管桩和海上预制墩台安装施工工艺进行了分析研究,并根据现场实施效果,提出改进建议及注意事项,相关施工工艺可供类似工程参考。     

客流仿真模拟在城市轨道交通车站改造中的应用简

通过在重庆轨道交通3号线观音桥站改造设计过程中引入客流仿真模拟技术,对车站改造前后的客流密度分布、出入口疏散时间等进行仿真模拟,论证了观音桥站增建1个小站厅及2个出入口后,站内客流拥挤程度降低,出入口整体疏散时间减少,车站疏散能力明显提高。     

城市轨道交通标准车站公共区布局模式研究

首先对研究对象进行定义和界定,通过分析占比较大的标准车站公共区常规布置模式存在问题,从客流特征和人类行为心理影响因素出发,得出影响公共区布局优劣的关键因素,在于增加有效进站点选择和提高服务水平,并提出针对较大客流、较小客流及较大进站客流这3种客流特征所对应的车站空间布局模式解决方案,从规模、空间、功能、结构等方面分析其主要布局特征和优劣。尤其是针对目前国内地铁愈加普遍的安检要求,从运营安全出发,分析应具有的公共区布局特征。通过分析,明确地铁标准车站通用标准设计应具有的基本属性。     

城市轨道交通换乘站站台宽度计算中客流取值的修正方法

针对现有城市轨道交通换乘站站台宽度计算中客流取值存在的问题,基于换乘站客流冲击性特征,给出城市轨道交通换乘站的换乘客流冲击系数的定义。在此基础上,根据换乘站的不同换乘线路行车间隔的差异性,提出城市轨道交通两线或多线换乘站的换乘客流冲击系数计算方法;并结合原始客流预测值,提出城市轨道交通换乘站站台宽度计算中客流取值的修正方法。最后,以已运营换乘站为对象进行案例研究,说明修正方法的合理性。     

地铁枢纽站三线同厅换乘设计

以大连站轨道交通枢纽换乘设计为例,通过对枢纽站客流特性分析,研究匹配大客流车站建筑布置,提出适合三线同厅换乘的设计原则,以此探究交叉干扰最小的单循环流线,进而优化换乘路径上空间组织方式,有效地控制三线之间的换乘距离,在满足高效便捷乘降的同时,保证换乘大厅的安全疏散。结合静态功能评价方法,分析站内设施服务能力,从而优化其布置形式,力求使地铁枢纽站能体现大客流公共交通建筑的特点,提高轨道交通枢纽站的服务水平。     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。