深水桩基工作平台的设计与施工

随着我国桥梁建设技术的不断发展,国内跨江河、跨海峡的大型桥梁建设越来越多,深水基础钻孔桩施工是大跨度桥梁施工的关键技术,而桩基工作平台的设计与施工更是其中的难点,它直接影响到基础施工的成败。对柴阳汉江大桥深水桩基工作平台的设计与施工进行介绍。     

临近既有线深孔桩基爆破施工技术

花家庄邦达铁路专用线工程临近既有水红铁路,桥梁桩基、路基桩板墙施工涉及爆破作业。通过邦达铁路工程施工实践,对临近既有线路桥梁、路基挡护工程涉及深孔桩基爆破施工技术进行总结,为今后同类工程提供参考。     

宁波南站深基坑承压水抽水试验及数值分析

为降低深基坑工程设计与施工风险,对现场实际水文地质情况进行抽水试验,取得准确水文地质参数(承压含水层),建立深基坑降水三维渗流与沉降的数学模型,利用抽水试验期间监测数据对水文地质计算参数进行反演,进而对降水运行期间引起的渗流与地面沉降进行趋势预测。该抽水试验指导进行了基坑突涌性评价和实际工况运行控制,为降水运行提供依据,对类似工程的设计、施工及风险控制具有借鉴意义。     

深孔爆破安全控制技术

在临近建筑的区域进行深孔爆破,其振动和飞石控制是爆破成败的关键。结合工程实践,采取了一些有针对性的措施,效果良好。     

西安地铁车站深基坑变形规律FLAC模拟研究

研究目的:西安是西北黄土地区第一个修建地铁的城市,地铁车站深基坑的开挖平面尺寸大、基坑暴露时间长、基坑变形控制等级高,西安又处于特殊的黄土地区,基坑壁岩土体主要为黄土及黄土状土,上部具有湿陷性,与国内外已开挖建成的地铁车站的城市的地质差异较大,车站深基坑围护设计可借鉴的经验较少。因此,急需开展地铁车站深基坑变形规律研究,为西安地铁其它车站深基坑围护结构设计与优化提供帮助。研究结论:以西安地铁2号线北大街车站深基坑工程为背景,建立了深基坑围护结构施工过程FLAC模拟计算模型,制定了车站深基坑施工监测方案,分析了围护桩的变形、钢支撑轴力变化和锚索受力变化的规律。结果表明,桩体位移是围护结构变形特性的直接反映,而钢支撑和锚索对深基坑变形有明显的限制作用。计算结果和监测结果基本一致。     

上海外滩通道长大深基坑工程对紧邻风貌建筑群的保护技术

上海外滩通道工程明挖区段紧邻风貌建筑群,其长大深基坑工程的变形控制及对周边环境的影响直接关系到风貌建筑群的使用和安全。外滩通道深基坑工程采用地下连续墙围护体系,用封堵墙和加固墙将长大基坑化长为短,提高地下连续墙插入比,槽壁两侧土体采用三轴搅拌桩预加固,坑内加固结合降水措施等,有效控制基坑变形,减少地面沉降和周边建筑变形。通过对保护建筑的专业检测、评估,确定基坑施工的保护标准;坚持信息化施工,对施工全过程的监测及数据分析,为制定和实施深基坑周边风貌建筑群保护措施提供科学依据。     

关于天津大道墩柱的受力特征及钢筋合理性布置的探讨

该文结合空间有限元计算程序Midas FEA的计算结果,对天津大道的独柱花瓶式异型桥墩受力特征进行分析,对墩帽钢筋的合理性布置进行探讨,以期指导设计。     

液固耦合作用对不同截面深水桥墩的自振特性影响研究

介绍了深水桥墩液固耦合模型在ANSYS软件中模型的建立。利用Morison方程提出的附加质量概念考虑动水压力对桥墩作用,采用3种截面积相等的不同类型桥墩,即淹没水深相同时,所受动水压力相等。利用ANSYS建立实体单元与Fluid30单元来分析液固耦合作用对不同类型桥墩的自振特性影响。通过实例分析发现液固耦合对桥墩自振频率的影响是显著的,桥墩完全被水淹没时,其自振频率最大下降了24.2%。进一步研究发现相同截面面积的不同类型的桥墩,在相同水深时,由于其液固耦合接触面沿坐标轴方向上的正投影面积大小不一样,造成桥墩沿该方向上自振频率下降量大不相同。且沿坐标轴方向正截面面积越大,桥墩沿该轴方向上的弯曲自振频率和扭曲自振频率下降越大。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一,愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类,且随着交通大数据的不断充实,基于强化学习的数据驱动方法日益成为新兴发展方向。然而,现有数据驱动类研究主要偏重于决策模型设计,缺乏对智能体结构的探讨;同时,在多路口协同方面多采用分布式策略,忽略了智能体之间信息交互,无法保障区域层面的整体最优性。为此,本文以干线信号为对象,构建一种多智能体混合式协同决策的信号优化方法。首先,针对交通状态的多样性、异构性及数据不均衡性,设计分布训练-分区记忆的单智能体决策模型,并优化状态空间和回报函数,界定单路口控制的最佳方案;其次,融合分布式和集中式学习的模型优势设计多智能体交互方法,在单路口分布式控制的基础上,设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型,实现干线多信号的协同运行。最后,搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比,在支路交通流基本不受影响的前提下,干线停车次数分别降低了14.8%和13.6%,具有更好的控制效果。