层状岩体隧道变形特征及非对称支护研究

层状岩体隧道开挖后,围岩的变形破坏具有明显的非对称特征.文中以郑万(郑州—万州)高速铁路罗家山隧道为工程背景,对比分析台阶法和全断面法开挖时,有无支护条件下隧道拱顶沉降、仰拱隆起及水平收敛的变化规律;提出3种锚杆非对称支护方案并对其支护效果进行分析,得出最优方案.结果表明,不同工况下围岩的变形特征具有一致性,拱顶与仰拱...     

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。     

粗集料表面纹理的分形评定及沥青混合料性能试验

采用激光轮廓仪测量了7种不同粗集料的表面纹理曲线, 应用结构函数法分析了粗集料表面纹理的分形特性, 采用特征粗糙度综合表征了粗集料表面纹理的粗糙度、形状和坡度特性, 并考察了特征粗糙度对沥青混合料性能的影响。分析结果表明: 粗集料表面纹理在一定范围内具有分形特性, 其特征粗糙度与沥青混合料动稳定度和冻融劈裂强度比具有显著的线性相关性; 随粗集料表面纹理特征粗糙度的增加, 沥青混合料高温抗变形能力、抗水损害能力和低温抗裂性能逐渐增强。     

中国公路货运枢纽规模分布的分形特征

为了定量描述中国公路货运枢纽体系结构现状, 将公路货运量作为货运枢纽的规模参数, 推导了分维数的计算公式, 选取1997~2007年的货运量统计数据, 计算了200个公路货运枢纽规模分布的分维数。数据拟合发现: 1997~1999年公路货运枢纽的规模分布具有双分形特征, 2000~2007年的规模分布呈单分形结构, 且分维数介于1.464 6~1.570 1间, 公路货运枢纽体系的规模分布与城镇体系基本一致。分析结果表明: 中国公路货运枢纽体系规模分布从双分形到单分形的演化显示其发育较好, 需加强大型公路货运枢纽建设, 以进一步优化公路货运枢纽体系结构。     

连续长大下坡路段交通事故特征分析

在对连续长大下坡路段交通事故数据和道路设计参数调查的基础上, 分析了连续长大下坡路段的交通安全状况, 讨论了急弯陡坡、连续陡坡和连续缓坡3种线形组合形式路段的交通事故特征和事故原因。结合典型长大下坡路段的交通事故数据, 运用数理统计与回归分析方法, 研究了交通事故与道路纵断面参数之间的关系。分析结果表明: 在连续长大下坡路段地点坡度为3%~4%时, 事故率最高; 事故率与事故发生地点前2 km以上路段平均坡度呈显著的指数关系, 所建立回归模型的判定系数高于0.84。     

基于特征融合的多层次多模态目标检测

针对复杂环境下自动驾驶汽车环境感知的鲁棒性较低和小目标难以识别的问题,本文提出一种基于特征融合的多层次多模态融合方法.首先将图像与点云两种模态信息映射到同一维度,提取针对不同大小目标的层级特征,在此基础上进行多模态的多层次特征融合;并设计6次对比实验验证网络各模块的有效性.采用Waymo数据集结合蔚来汽车实车数据进行训...     

北京市郊铁路城市副中心线客流特征分析与思考

北京市郊铁路主要利用既有及规划铁路资源,服务中心城区、副中心与多点新城、城镇组团和跨界地区之间的快速通勤联系及旅游出行.近年来,城市副中心线客流量呈现不断增长趋势,但相较于地铁客流仍存在较大差距,具有较大提升空间.文章基于北京市副中心线的客流特征及相关影响因素分析,提出客流量提升建议,相关建议可为国内其他城市市郊铁路的...     

含输入时延与通信时延的车辆队列PID控制系统稳定性

针对含输入时延与通信时延的车辆队列PID控制系统,分析了其内部稳定性和队列稳定性,研究了内部稳定的充要条件,求解了完整、精确的时延边界;在内部稳定性分析中,考虑输入时延与通信时延影响下车辆队列PID控制系统为中立型双时延系统的特点,结合Rekasius代换和劳斯表,提出了关于中立算子的系统强稳定充要条件;在此基础上,为了便于PID参数的快速选取,推导了一种形式更为简练的系统强稳定充分条件;在强稳定条件下,基于特征根聚类法求解了系统完整、精确的时延边界;针对具有奇数辆跟随车的车辆队列,推导了无关车辆队列规模的输入时延上界;在队列稳定性分析中,为了保证干扰和误差沿车辆队列向后传播不发散,分析了车间误差传递函数,给出了双时延影响下队列稳定的充分条件。仿真结果表明：在含输入时延与通信时延的分布式PID控制器作用下,车辆队列控制系统可同时保证内部稳定和队列稳定;车间状态误差可在15 s内快速减小并趋近于零;在所有车辆恒速行驶时,车间保持50 m期望安全距离;在领航车以0.5 m·s^-2加速和0.8 m·s^-2减速时,跟随车的速度和加速度随领航车变化,并在领航车速度稳定时一致;车辆队列在不同行驶工况下,由领航车加、减速引起的车间位置误差小于0.2 m,且沿车辆队列向后传播不发散。     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明：相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。     

基于车辆排序的异质性货车队列低能耗配置方法

考虑了燃油车和电动车动力系统差异以及货车车型对队列运营节能效果的影响,基于货车物理能耗模型和车形节能关系矩阵,建立了不同类型货车队列的能耗表征模型;为了不损失队列运营效率,构建了货车队列运营节能模型;以队列运营节能效益最大为目标,以不同类型货车数量、队列长度、队列排序位置要求为约束,建立了异质性货车队列低能耗配置优化模型,优化了队列规模和各个队列内部的车辆排序;基于数值试验,量化分析了异质性队列节能情况,解析了队列行驶工况、节能系数、不同车型比例对能耗的影响规律。研究结果表明：相较于独立行驶,12、18辆车试验的异质性货车队列运营节能率分别为6.5%、6.6%;相较于同质性队列,12、18辆车试验的异质性队列节能率分别增大了4.6%和4.8%;异质性货车队列配置情况不随行驶工况的变化而变化,但相较于匀速行驶状态,加速状态下节能率相对较低,约为3.6%;就车型排列规律而言,首先应依据“钟形”规律排布燃油车,其次应按照“钟形”规律插入电动车,使电动车帮助燃油车减少能耗,最后应优先配置队列前方位置;队列运营节能率随着速度的提升而增大,弹性系数为0.05,表明了队列技术在高速公路场景下可带来较为可观的效益;随着电动车比例的不断增大,队列节能率略有增加;节能系数对队列节能率影响最大,弹性系数为1.2。