中国和美国道路交通事故数据对比研究

采集了中美两国近十年的道路交通事故数据,通过对比分析发现我国交通事故死亡人数指标一直占居世界前列,在近三年才趋于下降态势,而美国道路交通安全的各项指标在世界范围内均处于最佳状况,交通事故死亡率指标在近十年基本一直处于稳定下降水平。究其原因在于美国成立了专门的道路交通事故研究机构,从不同角度对道路事故数据进行全面交叉分析,且及时将分析结果反馈运用于事故预测的各个方面,进而达到预防减灾的目的。该研究可为我国道路交通安全提供一定的参考和借鉴。     

山岭隧道涌水量预测方法分类及相关因素分析

准确预测隧道涌水量能有效减少隧道病害,保护生态环境,科学指导隧道的设计与施工,而如何正确选择和应用预测方法,是准确预测的前提条件。通过广泛调研,在总结分析各类涌水量预测方法的原理和适用范围基础上,以六盘山隧道某断面为例,深入探讨了围岩渗透系数、洞室尺寸、地下水位净高变化、注浆圈厚度、注浆水平和衬砌抗渗等级等因素对隧道涌水量的影响,重点指出各类解析方法的局限性和适用条件,突出了注浆水平在实际工程中的作用,并建议山岭公路隧道衬砌抗渗等级不宜小于S8。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

北京地铁4号线盾构施工地表沉降的曲线拟合分析及预测

本文以北京地铁4号线盾构施工项目为例,对隧道盾构法施工引起地表沉降进行分析研究。提出地表沉降的预测公式,并对实测数据进行曲线拟合分析及预测。     

基于Peck公式的藏区公路隧道施工地面沉降预测

在隧道施工中结合现场地表下沉量测实测数据,利用Peck公式进行地表沉降计算,反分析法确定沉降槽曲线最大沉降量和沉降槽宽度及关键参数,并对拟合参数进行了检验。比较修正了沉降槽宽度计算经验公式,给出青藏高原东南部地区Peck公式中沉降槽宽度系数的初步建议值,验证了适合我国藏区具体地质条件与施工手段的公路隧道地表沉降预测模型。研究表明:Peck公式适用于青藏高原地区公路山岭隧道施工地面沉降预测,隧道进口浅埋段施工引起的地表沉降曲线基本符合高斯分布规律,进口段埋深较浅地表沉降槽宽度越大,埋深越大沉降槽宽度越小。     

都市区城市轨道交通客流预测的相关问题探讨

当前我国都市区正处于快速形成过程中,并且大多采用交通引导开发(Transit-Oriented Development,简称TOD)的土地利用与城市发展模式,在规模、功能、用地与空间结构,以及与公共交通系统的相互作用上有别于一般意义上的城市,有其特殊性.在分析都市区城市轨道交通客流形成特点的基础上,对都市区城市轨道交通客流预测的相关问题进行了探讨,给出了相应的方法.通过我国南方某沿海都市区城市轨道交通客流预测的实例,对提出的方法进行了应用与检验.     

CD电力有限公司XZ输变电工程投资成本控制

首先分析影响工程建设全过程投资成本的主要因素及存在问题,在此基础上重点分析CD电力有限公司XZ输变电工程在施工阶段成本控制中存在问题及产生的原因,提出改进措施.     

智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略。基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路径,并使智能汽车在满足多项动力学约束时准确跟踪参考路径,通过搭建CarSim/Simulink联合仿真平台,结合广东省2006—2018年交通事故数据库选取对交叉口人车碰撞有显著影响的因素,设计仿真场景进行仿真分析。结果表明：智能汽车能在多个初始点完成对参考路径的跟踪,控制器对不同速度和附着条件有较高的鲁棒性,高速低附着场景中,智能汽车横向加速度小于0.4 g、质心侧偏角小于2°、前轮侧偏角小于2.5°,各约束量满足舒适性和平稳性条件;4个典型交叉口场景中,智能汽车以不同速度直行或转弯通过交叉口,均能识别横穿行人中存在碰撞风险的行人实现主动转向避撞。     

农村汽车市场发展趋势预测

一、影响未来五年中国农村汽车市场前景的主要因素 一是农民收入水平。近几年来,随着中央对农业扶持力度的加大,工业反哺农业,农民收入这一瓶颈有望取得突破。中央财政用于支持农业发展的各项开支显著增加,还为农民减轻了近千亿的税收负担。     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。