基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律，提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量，对输入的车辆到达数据序列进行切割构建时空相似度矩阵，得到相邻断面之间的时延参数. 基于时延特性建模，将多断面之间的流量信息进行融合，使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析，验证所提方法的有效性和实用性.     

“s”型覆岩空间结构的冲击地压危险区预测

基于微地震监测和覆岩空间结构理论，以山东华丰矿1410工作面为例，分析了“s”型覆岩空间结构的形成，利用理论方法和微地震监测预测并圈定了华丰矿1410工作面发生冲击地压的危险区域，研究了“s”型覆岩空间结构的冲击地压危险区分布规律，为现场预测和控制冲击地压灾害提供了理论基础。     

Interactive travel choices and traffic forecast in a doubly dynamical system with user inertia and information provision

This study models the joint evolution (over calendar time) of travelers’ departure time and mode choices, and the resulting traffic dynamics in a bi-modal transportation system. Specifically, we consider that, when adjusting their departure time and mode choices, travelers can learn from their past travel experiences as well as the traffic forecasts offered by the smart transport information provider/agency. At the same time, the transport agency can learn from historical data in updating traffic forecast from day to day. In other words, this study explicitly models and analyzes the dynamic interactions between transport users and traffic information provider. Besides, the impact of user inertia is taken into account in modeling the traffic dynamics. When exploring the convergence of the proposed model to the dynamic bi-modal commuting equilibrium, we find that appropriate traffic forecast can help the system converge to the user equilibrium. It is also found that user inertia might slow down the convergence speed of the day-to-day evolution model. Extensive sensitivity analysis is conducted to account for the impacts of inaccurate parameters adopted by the transport agency.     

土压平衡盾构施工中泡沫改良砾砂土的试验研究

为了解决土压平衡盾构在砾砂土地层掘进过程中,土体塑流性差、刀盘及螺旋输送机磨损严重和开挖面平衡不易保持等问题,通过自制泡沫发生器发泡,对砾砂土地层的泡沫改良技术进行室内试验研究,分析气液比、含水率和泡沫掺量对塑流性的影响和改良前后土样的渗透系数的变化规律,得出泡沫发生器气液比在30∶1~55∶1、含水率为5%~12.5%、泡沫掺量为20%~40%时,土体具有较好的塑流性,泡沫的"轴承效应"和泡沫剂中表面活性剂的亲水基团与水、砾砂土颗粒形成的氢键是塑流性提高的根本原因;使用泡沫剂改良砾砂土后,渗透系数大幅降低,掺泡沫后在280 min内渗透系数随时间变化较小,能达到10~(-5)cm/s,泡沫剂溶液中高分子化合物的联结和液桥力是土样具有堵水作用的原因。     

Flow Stress Model of Stainless Steel OCr13Ni5Mo at Elevated Temperature

For a more accurate forming calculation and numerical simulation of hydraulic turbine blade,experimental studies on the flow stress of stainless steel OCr13Ni5Mo were carried out upon Gleeble-1500 thermal simulator under different deformation conditions.The results then were analyzed and the effects of all influencing factors were summarized consequently.New mathematic models were conceived.Utilizing the software Matlab,regression coefficients were calculated by the least square method.The model has an eminent capability of curve-fitting performance with impact structure whose correlation coefficient is up to 0.908 0 and the cosine coefficient is 0.995 8.All mathematic models and process parameters can be used in engineering calculations or computer simulations.     

短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

���˹���������������ɢ��������ʵ֤����

国家体育场作为北京奥运会的主会场成功地承担了开闭幕式和田径赛事任务。本文研究了其停车场车辆的交通疏散问题,制定了疏散方案。首先,分析了国家体育场停车场和泊位布局及车辆疏散的具体条件。其次,通过给定环境的场景和参数设定,对具体的奥运场馆停车场车辆的疏散方案进行了仿真和评价。最后,利用奥运会开幕式的车辆疏散实测数据进行了对比分析,在仿真中要员和贵宾车辆的总疏散时间为26min,而奥运会开幕式车辆疏散实测结果表明,全部要员、贵宾疏散完毕,共用时27min,从而验证了车辆疏散方案的准确性和实用性。     

HMI-���п���·��ͨӵ�µ�һ��Ԥ��ָ��

借鉴定性推理中描述参数的相关方法,首先提出了描述城市快速路各车道交通流同态程度的概念——同态度量指数（Homogeneous Measure Index ,HMI),大量对快速路的实证研究得到的HMI指数反应了不同情况下交通流状态的定性差异。通过对北京环路交通拥堵发生与消散过程的观察和分析,本文发现当交通拥堵发生或消散的过程被触发时,不同车道交通流的同态度量指数HMI会发生定性跃迁变化,并且各车道交通流的同态性变化将是一个“同态 非同态同态”的过程,因此可以利用这一性质,将HMI作为一个指标来对城市快速路交通拥堵是否可能发生进行预警。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。