建筑工程施工安全氛围的因子结构模型——基于长沙建筑市场的调查

建筑工程施工安全氛围是建筑安全事故有效的事前预测因素,而施工安全氛围因子结构的不一致一直是建筑安全管理专家争论的焦点.以长沙为采样地区,结合专家访谈设计了建筑工程施工安全氛围的测量问卷,综合运用探索性因子分析和验证性因子分析识别并验证了建筑工程施工安全氛围的因子结构模型,基于该因子结构模型评价了长沙地区的建筑工程施工安全氛围,并结合以往研究成果对该因子结构模型进行讨论.研究结果表明:建筑工程施工安全氛围可用三因子结构模型测度,三因子为项目安全管理承诺、工人安全响应和领班安全承诺;测评发现工人安全响应分值最高,且项目安全管理承诺分值高于领班安全承诺.     

西安某地铁车站洞桩法施工的地表变形规律数值模拟分析

以西安某地铁车站为例,采用PBA(洞桩)法暗挖施工,通过FLAC软件的数值模拟与现场监测相结合的方法研究了车站施工诱发的地表沉降与边桩变形的规律.研究结果表明:①地表沉降曲线沿车站中线对称分布,地表沉降变化的主要影响区域在距车站中线20 m的范围内,最终地表沉降最大值为50.45 mm;车站整体施工中,地表沉降累计变化速率呈现先增加后平缓、再增加最后平缓的现象;②边桩水平位移最大值为16.89mm,位于边桩中上部位置,越接近桩底,边桩水平位移越小;③边桩主要承受轴向压力,应力值随时间经历了"平缓、加速,再平缓、加速增加"的过程;背土侧轴向钢筋为受拉状态,仅在桩底偶尔会出现受压情况;迎土侧、中性面轴向钢筋为受压状态.FLAC软件数值模拟的结果与现场实测的结果基本吻合.     

运营期高速铁路轨道长波不平顺静态测量方法及控制标准

现有高速铁路轨道长波不平顺静态检测主要采用矢距差法或简化矢距差法,存在与检测起点相关、含有里程相位差、基础变形时检测幅值偏大、与车体振动加速度匹配性较差等缺点。利用中点弦测法对轨道长波不平顺进行静态检测,通过对中点弦测法不同测弦长度有效测量波长范围和列车敏感波长分析,采用60 m测弦长度的中点弦测法最适合时速300~350 km运营期高速铁路;利用车辆-轨道动力学仿真分析和最小二乘法拟合相结合方法,提出运营期高速铁路300及350 km·h^-1速度下的轨道长波高低不平顺控制标准,并进行实例验证。结果表明:60 m弦中点弦测法既可保证轨道长波不平顺检测的准确性,又能很好地体现车体振动响应;时速300 km运营期高速铁路轨道长波高低不平顺3级控制标准建议值分别为9,15,21 mm;时速350 km分别为7,11,15 mm。     

基于非线性Drive-shaft模型的车辆传动系统冲击响应

建立了包含线性与非线性项的车辆传动系统非线性Drive-shaft模型, 应用具有耗散项的拉格朗日方程将非线性Drive-shaft模型转换为当量化的两质量模型, 通过将两端扭转角等效到同一端获得了传动系统的冲击响应方程, 应用Routh-Hurwitz准则分析了冲击响应方程的稳定性, 获得了稳定性参数区间。仿真结果表明: 将非线性阻尼分别设置为0和线性阻尼的1/10、-1/10时, 冲击响应首个峰值的绝对值分别为0.153 9、0.101 4、0.371 6, 当非线性阻尼为线性阻尼的1/10时, 冲击响应的首个峰值的绝对值最小, 这说明正的非线性阻尼有利于冲击响应的衰减; 将非线性刚度分别设置为0和线性刚度的1/10、-1/10时, 获得的冲击响应首个峰值的绝对值分别为0.153 9、0.178 8、0.115 9, 当非线性刚度为线性刚度的-1/10时, 冲击响应的首个峰值的绝对值最小, 这说明负的三次方非线性刚度有利于冲击响应的衰减; 在固定非线性刚度为线性刚度的-1/10的基础上, 将代表非线性阻尼的系数分别设置为0.1、0、-0.1, 获得的冲击响应首个峰值的绝对值分别为0.078 4、0.114 2、0.231 6。可见, 当代表非线性阻尼的系数设置为0.1时, 冲击响应的首个峰值的绝对值最小, 这表明在传动系统线性刚度及线性阻尼的基础上, 设计负的非线性刚度及正的非线性阻尼可以提升传动系统抵抗冲击的性能。      

基于AHP-TOPSIS的山区低等级公路路面破损评价方法

以山区低等级公路路面为研究对象,依据不同种类路面的破损危害性不同,拟在公路路面评价中提出路面破损指数概念,对山区低等级公路路面破损程度进行综合评价。所用模型是利用层次分析法(AHP)对不同种类的路面损毁危害性进行赋权,并利用逼近理想解排序法(TOPSIS)计算山区低等级公路路面破损程度与最优情况的贴近度,进而将山区低等级公路路面破损情况转化成区间为[0,1]的路面破损指数,其中路面破损指数越大表示路面的破损程度越高。此模型方法简单,能够运用少量数据对山区低等级公路路面的破损程度进行定量评价,可为山区公路的养护工作提供更准确的数据参照。     

基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。     

基于TAM的通勤者出行方式选择影响因素研究——以天津市为例

本文在TAM中引入感知亲社会变量,通过实证研究,量化分析了态度和低碳相关的五个因素对于通勤者出行行为意向的影响及其内在关系。实证分析结果显示,功能因素、低碳意识、低碳习惯均通过感知有用性、感知易用性和感知亲社会性显著影响通勤者出行行为意向,其中的两个方面占据主导作用,分别是功能因素通过感知有用性和感知易用性对出行行为意向的影响以及低碳意识通过感知亲社会性对出行行为意向的影响;情感因素仅通过感知有用性显著影响行为意向;象征因素仅通过感知亲社会性显著影响行为意向。结论可为交通管理部门有针对性地制定政策措施,引导居民低碳出行,缓解城市交通问题提供参考和启示。     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。