基于评估荷载发生概率的在役混凝土桥梁可靠度分析方法

针对影响桥梁安全性的因素具有较多不定性的特点,应用随机可靠度理论,对在役混凝土桥梁荷载概率模型、抗力概率模型、可靠度评估流程、可靠度计算方法等方面进行了研究。基于可变荷载在评估基准期内的不同取值方式,提出了基于评估荷载发生概率和基于评估基准期荷载极大值的构件可靠度计算方法。从可靠指标的延续性出发,考虑构件抗力随时间变化,提出在役混凝土桥梁可靠度的预测方法。研究结果表明:两种方法可靠指标预测曲线规律是一致的,后者是前者的特例,且比前者偏于安全;预测初期两种方法可靠指标的计算结果与以往方法较为接近,预测后期两种方法可靠指标下降规律与以往方法基本一致。两种方法均偏于安全,对于荷载随时间增长较快的桥梁结构是适用的。     

泰州长江大桥钢塔疲劳计算随机车辆荷载模拟

通过对江阴长江大桥实际行驶车辆的概率统计分析,采用分段多项式曲线拟合方法得到了货车和客车的随机车重概率近似表达式。通过泊松方法建立车辆随机间距的数学模型,将采用数学模型的计算结果与实际观测数据进行了对比分析,表明了建立的数学模型的有效性。基于以上的数学模型和随机过程理论,建立了泰州长江公路大桥钢塔疲劳计算随机车辆荷载模型,以便能够更好的重现公路桥梁实际车辆的统计特性。     

波浪能量在浅化过程中的参数化研究

基于物理模型试验,对近岸随机波浪在传播过程中由于受非线性相互作用而发生的谐波能量变化进行了研究。为了讨论岸底坡度对波浪能量传递的影响,进行了3组不同底坡（β=1/15、1/30、1/45）的试验,对一组基于JONSWAP谱的入射波浪传播过程进行采集分析,获取试验结果。重点考虑了波浪在变浅过程中的主频部分以及高频部分能量的变化特征,并且使用参数化手段对这些能量变化过程进行拟合,得到一组关于这些能量参数与当地水深参数之间的变化关系。通过对不同底坡下得到的拟合结果进行比较,发现波浪主频以及高频部分能量的变化受底坡坡度影响明显,因此,在最终的经验公式中考虑了坡度的影响。     

Rail-truck multimodal freight collaboration: a statistical analysis of freight-shipper perspectives

Due to the effects of congestion, capacity reduction of truck-freight carriers, growing freight transportation demand, and increasing social and environmental concerns, there is a critical need for freight shippers to improve shipping quality and reduce transportation costs. Rail-truck multimodal freight collaboration can potentially address this need. In this study, we explore freight-shipper perspectives relating to the factors that may foster or impede their usage of rail-truck multimodal freight collaboration services, and the correlations of their operational and behavioral characteristics with these factors. The study provides insights to rail and truck carriers on collaboration mechanisms that can address the needs of freight shippers, including adopting synergistic technology to improve in-transit visibility, accommodating non-containerized cargo, improving the transshipment process, designing service quality control strategies, and constructing investment and revenue-sharing plans.     

Real‐time identification of traffic conditions prone to injury and non‐injury crashes on freeways using genetic programming

This study applied the genetic programming (GP) model to identify traffic conditions prone to injury and property‐damage‐only (PDO) crashes in different traffic states on freeways. It was found that the traffic conditions prone to injury and PDO crashes can be classified into a high‐speed and a low‐speed traffic state. The random forest (RF) analyses were conducted to identify the contributing factors to injury and PDO crashes in these two traffic states. Four separate GP models were then developed to link the risks of injury and PDO crashes in two traffic states to the variables selected by the RF. An overall GP model was also developed for the combined dataset. It was found that the separate GP models that considered different traffic states and crash severity provided better predictive performance than the overall model, and the traffic flow variables that affected injury and PDO crashes were quite different across different traffic states. The proposed GP models were also compared with the traditional logistic regression models. The results suggested that the GP models outperformed the logistic regression models in terms of the prediction accuracy. More specifically, the GP models increased the prediction accuracy of injury crashes by 10.7% and 8.0% in the low‐speed and high‐speed traffic states. For PDO crashes, the GP models increased the prediction accuracy by 7.4% and 6.0% in the low‐speed and high‐speed traffic states. Copyright © 2016 John Wiley & Sons, Ltd.     

精细时程积分在载荷识别中的应用

在载荷识别的逆问题研究中引入精细时程积分的理论,给出了基于模态分解形式的载荷识别公式,并构造出矩阵表达形式,能利用结构响应数据通过迭代求解瞬态随机外部激励幅值.数值算例结果表明,该方法能较好地识别外部激励,而且在已知激励位置时,识别结果更加可靠,精度令人满意.相对于频域内识别外部激励的传统解法,也提供了一种在计算量和精度上都令人满意的时域方法.     

带二维装箱约束的客货滚装船配载决策

客货滚装船长期处于人工配载状态,其独特性导致其无法直接采用已有滚装船配载方法.为提高客货滚装港口配载的决策水平,针对配载过程的两阶段和二维装箱特性,以船舱面积利用率最大为目标,构建客货滚装船配载决策模型.为实现大规模求解,设计偏随机密钥混合遗传算法求解,算法由多阶段启发式嵌入偏随机密钥遗传算法构成.多阶段启发式首先通过首层配载、主体配载和补充配载三段启发式完成初始解构造,其次采用横纵倾优化策略调整船舶稳性.算例研究表明,偏随机密钥混合遗传算法表现良好,且在大规模应用实验中鲁棒性较好,可实现客货滚装船的有效配载.     

低限速公路车速选择行为分析与建模

我国限速值低于 60 km/h的公路上超速 50%以下仅给予警告处分,部分低限速公路无交通监控设施,超速现象严重.以北京市郊某限速 40 km/h的公路路段为背景,设计并实施意向偏好调查(Stated Preference Survey,SP调查),通过分析 SP数据,并建立随机效用-后悔混合模型,剖析驾驶人车速选择的影响因素,探索超速行为机理.结果表明,限速标志对车速有一定规范作用,其他车辆平均车速的影响会弱化违法监控设备的效果;性别、驾龄、驾驶车型和接受超速处罚的经历均对车速选择行为有显著影响;驾驶人面对超速带来的收益和损失,遵循后悔最小化原则进行决策.     

基于AFC数据和RF模型的城轨车站服务功能分类

城轨线网上服务不同类型客流车站的分布能反映城市结构特征,本文基于多年的城轨AFC数据,应用随机森林模型(RF),分析了全网车站服务客流类型的时空演变.对于传统RF在选择训练集时过于依靠主观经验的问题,本文首先利用传统随机森林度量车站之间的相似性,再采用Partitioning Around Medoid(PAM)方法对度量结果进行聚类,结果表明无监督随机森林方法拥有更好的准确性;最后采用无监督随机森林对北京市2014-2017年的车站服务客流属性的时空变化情况进行分析,结果显示,北京市近4年来城市职住结构在大的空间尺度上基本保持不变,但城市内部各功能区正经历缓慢变化,而服务于居住与工作混合类客流的车站所处区域将是今后城市结构演变中热点区域.本文的研究结果可以为城市轨道交通与城市结构互动关系的认识提供新视角.     

基于可解释极端随机树模型的 DCT 液压响应预测

为解决传统湿式双离合器变速器 （Dual Clutch Transmission， DCT） 控制策略在硬件误差以及复杂工况下液压响应预测精度不完全可控的问题，提出了一种基于 SHAP 图可解释极端随机树预测模型，使用机器学习方法结合某汽车公司 DCT 实验室采集的真实离合器数据对 DCT 液压响应进行预测。模型利用 SHAP 算法对于重要特征选择的可解释性，筛选并保留对液压响应影响较大的特征，将时间切片和升降压判定作为特征加入训练数据，训练预测模型。结果表明，该模型训练结果的均方误差 MSE 为 0.670 3，可决系数 R2为 1.000 0，并且在测试集上预测值与实际值之间的平均误差为12.99 kPa，远低于设计误差 25 kPa，具有较高的预测精度，特征选择较准确，可以很好地解决传统物理模型无法计算不同工况下液压响应的问题，为下阶段基于数据和物理双驱动的DCT控制策略优化提供较准确的预测结果。