浅谈现状城市道路改造交通疏解

道路改扩建工程施工存在工期周期长短、投资规模、人员流动等特点的影响,在施工过程中存在一系列的交通安全及市民出行便利问题,因而施工现场的交通疏解就变得尤为重要.结合深圳市桥和路及富桥大道综合整治工程为例,对城市道路改建时的交通疏解方案进行研究,希望解决城市道路改造现场对交通安全和市民出行便利程度等影响方面产生良好的作用.     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

新一代抽拉离心式高机动卫生防疫车的设计研究

为探索新形式下部队病媒生物防治的新需求,针对野外作战的新特点,结合平战时作业的新形势,研发了新一代卫生防疫车。经过总体结构布局,车厢结构优化,采用新型抽拉式车厢和上装模块化消杀防疫设备,以及大功率硅发电机和蓄电池组的组合供电模式,配备了消杀设备双操作模式。经过第三方评测,主要设备功能完善,性能稳定、可靠,满足技术指标要求,有利于提升中国移动医疗卫生装备的科技水平。     

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。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

复杂地质条件下PHC桩可打性与实际沉桩全程动测对比分析

针对复杂地质条件下经常出现基桩难以入土至设计高程等异常情况影响施工的问题,研究了基桩可打性和沉桩过程质量控制方法。基于坦桑尼亚达累斯萨拉姆港改扩建工程,采用对典型地质钻孔处桩基进行GRLWEAP可打性和沉桩过程高应变全程动测对比分析的方法,得出结论:利用全程动测结果可以对可打性分析中的土层参数进行更符合实际的修正。研究结果表明:参考类似土层参数修正值进行调整后的GRLWEAP可打性分析和高应变全程动测不仅能为PHC桩沉桩施工提供理论支持,还能实时监控沉桩过程以进行质量控制。     

列车网络控制系统时延特性研究

针对列车网络控制系统在列车运行中产生的时延问题,通过搭建列车网络控制系统时延测试模拟平台,研究列车通信过程中控制系统的时延特性。根据时延特性分析出TCN网络各子系统的时延影响因素。重点研究任务周期与源端口特征周期对网络控制系统时延的影响。利用TCN网络分析仪测出系统时延,结合所得数据归纳出系统时延的变化规律。通过分析任务周期与特征周期的匹配关系对系统时延的影响,获得减少时延抖动的方法,达到减小网络控制系统时延的目的。     

LKJ列控系统在巴基斯坦铁路的应用

巴基斯坦铁道部计划对铁路信号系统分阶段升级改造并配备相应的列控系统,以改变其信号系统不规范、铁路事故多发的局面。我国企业主导了巴基斯坦铁路Lodhran—Shahdara段信号系统升级改造工程,装备的LKJ列控系统经定制化设计,采用应答器技术,在系统运维、管理、操作等方面进行简化设计,在保证列车运行安全的同时,降低了使用、维护人员的劳动强度,以及临时限速控制和管理流程的复杂度,从而降低了管理过程风险和人为干扰风险,具有成本低、可靠性高、人工介入少等技术特点,适宜巴基斯坦等发展中国家作为中低速铁路的列车超速防护控制系统应用。重点对LKJ列控系统在巴基斯坦应用的需求背景、设计方案、运用模式、临时限速控制等进行阐述,为相关工程提供借鉴。     

海南环岛高铁列控系统实施方案特殊处理

新建海南西环线建成后与海南东环线共同构成了全球首条环岛高速铁路,以海南环岛高铁为例,对环形高速铁路列控系统中信号安全数据网、临时限速、轨道电路载频转换以及应答器报文的特殊处理进行介绍,说明海南环岛高铁列控系统的特殊性。海南环岛高铁的开通运营,也意味着环岛高铁列控系统实施方案的特殊处理得到工程实践检验。