一种评价新思维：ESE 评价理论与方法——城市轨道交通可持续发展状态评价

目前城市轨道交通可持续发展评价体系,采用简单的分层加权汇总方法,未考虑同层指标间的相互影响以及下层指标对上层指标的一对多影响,不能系统、全面、准确地反映实际可持续发展情况。针对这一问题,本文提出了一种评价新思维——ESE 评价理论与方法,即通过数据具有 ESE(经济-社会-环境)三性影响这一新认识,构建了一个 ESE 空间直角坐标系,并以此表征城市轨道交通所有业务场景。在此 ESE 三维立体空间中,城市轨道交通的可持续发展状态被分成“八种四类”,同时对可持续发展程度进行了量化计算,并实现了立体的可视化表达。     

市域(郊)铁路轨道曲线超高设置研究

针对市域(郊)铁路曲线超高相关规范标准不统一、各超高允许值之间优先考虑原则不明确的情况,对其合理设置进行研究。通过对比分析不同规范曲线超高的设置要求及实例分析,提出兼顾《铁路轨道设计规范》及《市域(郊)铁路设计规范》等行业标准的最大及最小设计超高值、一般及困难情况下的欠超高及过超高允许值、超高顺坡率允许值,以及不同超高设计允许值之间的优先考虑原则,为新建市域(郊)铁路的曲线超高设计提供指导,对行业相关标准规范的完善提供参考。     

活性粉末混凝土(RPC)配合比设计试验研究

活性粉末混凝土(RPC)是一种新型水泥基复合材料,具有高强度、高韧性、高耐久性、高经济性及稳定性等特点,其性能相较于普通混凝土和高强混凝土更具优越性。目前国内RPC混凝土只用于一些小型构件,如铁路人行道步板、市政下水井盖等,在大型构件领域尚属空白。本次针对RPC混凝土应用于桥梁工程进行试验研究,在基本配合比基础上,根据试验结果不断优化调整,得出满足工程要求的活性粉末混凝土(RPC)配合比;基于RPC混凝土养护温度、龄期、外加剂掺量、水胶比、砂胶比、硅灰掺量和钢纤维掺量等因素对活性粉末混凝土强度影响规律进行研究,以期为活性粉末混凝土应用提供参考。     

基于BIM和AI技术的铁路桥梁智能布跨研究

针对我国铁路桥梁占比高、标准构件应用范围广、孔跨布置作业繁重的特点,将建筑信息模型（BIM,Building Information Modeling）与人工智能（AI,Artificial Intelligence）技术相结合,进行桥梁智能布跨研究。文章根据桥梁布跨原则,基于信息集,选用Q-Learning算法对Bentley平台二次开发,形成了一套完整的可视化桥梁布跨方案。验证结果表明,该方案可应用于一般铁路桥梁设计中,并从设计层提高BIM数据应用深度与广度,提高桥梁布跨工作效率与质量。     

铁路客票系统MaaS+智能服务体系研究

经过20多年的技术更迭,中国铁路客票发售和预订系统（简称：铁路客票系统）已成为全球最大的综合性票务系统。为支撑铁路客票系统联程联运业务,助力现代综合交通运输体系发展,亟需借鉴出行即服务（MaaS,Mobility as a Service）实践的先进经验,开展MaaS+智能服务体系研究。文章围绕资源配置最优化、信息共享标准化、联运产品体系化、出行服务一体化、联运保障协同化等业务,在MaaS服务平台的基础上,设计铁路客票系统Maas+智能服务模式,构建铁路客票系统Maas+智能服务体系架构。研究成果对于巩固和提升铁路在综合交通运输体系中的骨干作用,加快实现交通强国战略目标具有重要意义。     

智能高速铁路信号系统一体化技术发展方向探讨

为使高速铁路信号系统更好地满足新形势下智能高速铁路的建设及运营维护需求,更好地与智能高速铁路技术体系架构相协调,文章分析我国高速铁路主要信号系统的智能化、一体化现状,并在此基础上梳理《智能高速铁路1.0技术体系架构》中智能建造、智能装备、智能运营中与信号系统相关的内容,对我国高速铁路主要信号系统智能化、一体化技术发展方向进行探讨,提出体系架构标准的发展建议,以期为信号系统一体化方案更好地与智能高铁技术体系架构融合发展提供借鉴。     

铁道车辆高/低电平信号智能发生器设计

铁路车辆时常需对电气设备模拟输入高/低电平信号,以实现对车辆的调试.高/低电平信号常规的模拟输入方法是直接将DC110 V电源+极接入控制系统中,当高/低电平信号较多时,该方法则非常繁琐,且安全性差.为了提高测试效率,设计了一款铁道车辆高/低电平信号智能发生器,可以有效提高地铁车辆试验的安全性及效率.     

一种基于交通态势算法的交通预警系统设计

为实时监控高速公路的交通状况,设计并实现一种基于交通态势算法的交通预警系统,该系统主要由态势计算、异常拥堵预警和交通迁徙计算等3个模块组成。采用Van-Aerde模型表征交通流的状态和变化规律,得到密度、速度和流量之间的关系;综合考虑交通预测的时空性,采用基于图卷积网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)单元的时间图进化网络(GCN-LSTM)模型对未来交通流异常拥堵情况进行预警。试验结果表明,该预警系统能通过实时计算当前交通流的密度、速度和流量评估交通状态,并确定密度和速度阈值,警示当前道路在该阈值附近时通行效率高,帮助改善交通状况;相比传统的基于神经网络方法和机器学习方法的预警系统,该预警系统在预测精度方面表现良好,能有效降低误报率,且具有一定的鲁棒性。     

一种融合ST-GCN算法的高速公路节假日流量预测模型

为高效准确地预测节假日期间高速公路重要路段的交通流量,提出一种融合时空图卷积网络(Spatio-Temporal Graph Convolutional Network, ST-GCN)的高速公路节假日流量预测模型。该模型采用平均速度、交通流量等重要的交通指标作为交通状态评价体系要素,对节假日期间高速公路的交通态势进行综合预测;融合ST-GCN算法模型,综合考虑时空特性,得到准确度较高的预测结果。以宁夏回族自治区高速公路的节假日交通信息为研究对象,对该模型的有效性进行验证,结果表明,该模型相比其他常用预测模型准确度更高,具有更好的稳定性和鲁棒性,预测结果可供高速公路的管理和运营参考。     

考虑周期性的城市道路车流量预测模型

为提升城市车流量预测结果的准确性,基于某条道路的车流量数据,引入车流量的周期性特征,建立考虑周期性的差分自回归移动平均(Autoregressive Integrated Moving Average, ARIMA)模型。将该模型与不考虑周期性的ARIMA模型相对比,结果发现：不考虑周期性的ARIMA模型的拟合效果较差,模型中忽略了道路车流量可能存在的周期性规律;考虑周期性的ARIMA模型的拟合优度相比原模型有很大提升,能达到0.573,且预测的4 d车流量变化趋势与实际车流量较为吻合。由此可知,在建模时引入车流量的周期性特征,能提升车流量预测结果的准确性,从而为交通管理提供更可靠的数据。