软弱地层浅埋大跨隧道跳仓法拆撑空间效应研究北大核心CSCD

对于在软弱、破碎、富水地层中采用双侧壁导坑法修筑的暗挖大跨隧道,跳仓法施工依赖于初期支护的“棚护效应”维持拆撑后大跨结构的稳定性,常常面临拆撑步距小、风险高、效率低、代价大的困境,一旦拆撑方案采取不当,极易造成塌方安全事故。针对这一问题,以青岛地铁4号线错埠岭站为依托工程,通过理论分析与数值计算相结合的手段,论证了拆撑后初期支护“空间棚护效应”主要由“横向成拱效应”和“纵向成梁效应”组成,二者共同维持大跨结构的安全性与稳定性;同时确定了合理、安全、高效、快速的拆撑分区长度与隔仓分区长度,分别为L=9 m、S=18 m,并顺利通过了现场施工的检验。结果表明:软弱地层大跨隧道采用“隔二拆一、先内部后洞口”的拆撑方案是切实可行的,可为后续工程提供借鉴与指导。     

上海市出租汽车出行时空分布规律研究

为测定大样本视角下出租汽车出行时空规律,采用探索性空间数据分析（ESDA）技术进行相关研究。从上海市出租汽车调度系统的GPS数据提取单个运营日9921辆出租汽车的OD样本,按街道和时段统计出租汽车OD的时空发生量,定义并计算各区域各时段的载客空间密度指标,运用ESDA技术分时段计算、分析全局和局部莫伦值（Moran＇s I）。全局分析结果表明,上海市出租汽车出行在全局分布上具有较强的空间正自相关性,这与城市中心商业区高度集中的活动分布有关。局部分析结果表明,上海市出租汽车出行分布呈＂句＂字形聚集结构。全局结构和局部结构在时间序列上变化较小,表明上海市出租汽车出行分布的时空结构明显且稳定。     

预应力混凝土门架式桥墩设计

介绍了一种新型预应力混凝土门架式桥墩的设计,分别运用桥梁博士、MIDAS/Civil等有限元软件对桥墩进行了平面分析和空间分析,计算结果满足现行规范要求,可以为以后的工程设计提供参考。     

社区步行通达性对独栋住宅房价的效益评估--美国德克萨斯州奥斯丁市空间特征分析

通过分析美国德克萨斯州奥斯丁市2010—2012年独栋住宅的销售价格,以街道智慧步行指数(Street Smart Walk Score)和人行道密度(Sidewalk Density)作为衡量指标,研究社区步行通达性对房价的影响。使用Cliff-Ord空间特征模型(即广义空间模型,General Spatial Model,或者SAC)控制空间自相关影响。结果表明：在依赖小汽车的社区通过增加设施可达性来提升步行通达性的举措并不能提高房价;增加人行道也只能最小限度地提高房价。投资社区便利设施和人行道对适宜步行社区的房价提升效果比依赖小汽车的社区显著。     

中承式3跨连续梁拱组合式桥梁的分析和试验研究

以一座典型的具有中央分隔带的中承式3跨(20m 60m 20m)连续梁拱组合式桥梁为背景,提出了弹性支撑连续梁计算其荷载横向分布的方法,并对其静动力性能进行了空间有限元分析和试验研究,结果表明:理论计算值与试验结果基本吻合,所提出的荷载横向分布的计算方法能较好地预测其内力分布。     

不同整体式转向梯形机构分析方法的对比研究

介绍了一种整体式转向梯形机构的空间运动学分析方法，并利用该方法计算了某轻型货车的前轴内、外轮转角关系，计算结果与实测的该车前轴内、外轮转角关系曲线吻合较好。应用不同的整体式转向梯形机构的平面分析方法对同一辆货车进行了分析，对所得分析结果与试验结果进行比较，结果表明我国目前采用较多的汽车设计教材中介绍的转向梯形分析方法误差较大。     

基于微观仿真的远引掉头选址规划方法

为了在保障行车安全的前提下,提高远引掉头交通运行效率,分析了远引掉头措施的适用条件,定义了典型应用环境,提出了借鉴国外相关规范以及结合临近路口配时设计的远引掉头选址规划优化方法,并将规划方法放入典型应用环境中,采用微观仿真软件进行评价。仿真结果表明:两种选址规划方法下的远引掉头措施都优于直接左转,其中规范法使平均延误减少了约3.8s,结合配时设计的方法使平均延误减少了约6.8s。可见,在遵循规范的基础上,对临近路口配时进行优化,既保证了行车安全性,又能显著提高交通运行效率。     

微观仿真模型的建立及数据分析

在评价由道路系统以及交通量的改变而引起的交通行为特征变化时,交通微观仿真模型正迅速地成为首选的工具。交通微观仿真模型与传统分配模型在建立、产生结果和报告等方面存在某些共性,但也有很多不同之处。从对数据要求的讨论到模型的建立,介绍了应用微观仿真模型的全过程,并探讨了如何使用微观仿真模型对不同设计方案进行评价,进而分析各方案所产生的效果。     

Estimating Missing Traffic Volume Using Low Multilinear Rank Tensor Completion

Traffic volume data have been collected and used for various purposes in some aspects of intelligent transportation systems (ITS) applications. However, the unavoidable detector malfunction can cause data to be missing. It is often necessary to develop an effective approach to recover the missing data. In most previous methods, temporal correlation is explored to reconstruct missing traffic volume. In this article, a new missing traffic volume estimation approach based on tensor completion is proposed by exploring traffic spatial–temporal information. The tensor model is utilized to represent traffic volume, which allows for exploring the multicorrelation of traffic volume in spatial and temporal information simultaneously. In order to estimate the missing traffic volume represented by the tensor model, a novel tensor completion algorithm, called low multilinear rank tensor completion, is proposed to reconstruct the missing entries. The proposed approach is evaluated on the PeMS database. Experimental results demonstrate that the proposed method is more effective than the state-of-art methods, especially when the ratio of missing data is high.