空气湿度对地铁车轮磨耗的影响及机理研究

车轮磨耗影响着地铁的运营安全和运营成本。目前,关于车轮磨耗的研究多集中于轴重、轮轨接触状态等因素的影响,考虑空气湿度影响的研究较少。通过对某城市地铁进行了长期监测,对每月的车轮平均磨耗量及空气相对湿度进行了统计分析,得出了车轮磨耗量随空气湿度增加而降低的规律;并结合已有试验数据,对这一规律进行了验证。对空气湿度影响车轮磨耗的机理进行了探讨,发现在气温未达到露点温度时,湿度主要影响轮轨接触表面的粗糙度、硬度以及氧化膜的形成;在气温达到露点温度之后,轮轨表面将会形成水膜,这将会降低轮轨间摩擦系数,降低车轮的磨耗量。     

北京地铁4号线客流特征分析

对北京轨道AFC数据库(交通卡刷卡原始数据)进行提炼分析,并进行模型分配。以轨道交通4号线为例进行客流特征分析,论述客流在时间、空间、断面以及站点上的不均衡特征,以及换乘站的换乘客流特征,为轨道运营管理及客流疏导提供支持。     

对地铁应急预案管理的初探

随着大城市轨道交通网络的形成,应对突发事件的快速、准确反应已经关系到全路网运行的安全性和可靠性.正是在这种大背景下,对地铁应急预案编制的出发点、管理流程进行初步的研究.     

客运专线列车运行方式分析

客运专线采用了一系列新技术设备,动车组列车运行速度高,与既有线相比,客运专线的行车组织方式有其独有的特点。介绍了我国客运专线采用的列车运行控制系统及动车组列车的控车模式,从列车调度员直接指挥行车作业、设置临时限速、调度命令作为行车凭证等方面论述了调度集中的行车组织方式,阐述了跨线运输的概念,分析了动车组列车和普通旅客列车跨线运行的范围和技术条件,并针对目前执行的客运专线技术管理办法提出了建议。     

强风区铁路风沙防治工程最大输沙量与携沙风荷载计算方法

针对强风区铁路风沙流灾害防治工程,开展最大输沙量和强风携沙风荷载2个最关键工程计算问题的研究。结合现场踏勘资料与测试数据,分析风向、风力和持续时间3个影响因素对最大输沙量矢量合成与计算的控制影响,基于优势强风流理论,归纳给出信风型、季风型和对流型3种典型工程风型的输沙量计算方法,并且为准确采集沙样数据,专门设计出能随主风向自动转动的野外自动风导向积沙仪。基于现场测试数据,根据相似准则与量纲和谐原理,推导强风区携沙风单位体积沙砾颗粒流体平均飞跃速度计算公式,用于强风区携沙风冲击荷载计算,计算结果符合工程实际,满足工程计算要求。     

双层车辆段施工组织管理研究

深圳地铁龙岗线横岗车辆段是国内首创双层结构,采用接触轨和滑触线供电模式的车辆段。段内运营生产组织有别于其他车辆段,设备设施的施工组织也需面对新的情况。对横岗车辆段的运营施工组织管理进行研究和优化,提升车辆段运作安全和效能,保障运营服务质量。     

广州地铁新线车站的票务筹备组织

新线车站的票务筹备工作是保障地铁车站高水平开通的关键环节,从票务设备、票务规章、员工票务培训、票务备品物资、票务联调演练、开通前票务评估6个方面开展广州地铁新线车站的票务筹备组织工作,确保开通后车站票务工作安全、顺畅、有序。     

我国首次采用的高架车场及综合维修基地一武汉市轨道交通1号线一期工程石乔 口路车场

武汉市轨道交通1号线一期工程的硚口路车场及综合维修基地是我国目前城市轨道交通车场设计中首次采用的高架车场。设计人员在建筑、结构、工艺等的设计中克服了没有相适应的设计规范和用地面积狭小等特殊环境产生的困难,提出了较合理的布局、在列车荷载作用下房屋结构的荷载计算办法、减振降噪措施,以及对车场轨道布置采取的对策。     

基于PumpLinx的鱼雷齿轮泵内部流场及流量特性的仿真分析

为研究转速与流体介质对齿轮泵性能的影响,运用PumpLinx软件对齿轮泵内部流场及其流量进行瞬态仿真分析,并与试验数据进行对比,分析转速与流体介质对齿轮泵内部压力场及输出特性的影响。数值结果表明:齿轮泵平均流量与试验数据吻合较好,入口流量随时间呈锯齿状波动,出口流量则呈波浪状的较小波动,而且流量脉动率随转速的增大而减小;齿轮泵内压力从低压腔呈阶梯状向高压腔过渡,且入口易因超低压而出现空化现象,导致其压力脉动率高于出口。此外,流体介质为水时的流量脉动率略低于油。研究结果为降低鱼雷齿轮泵的振动和噪声等危害提供了理论指导。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。