未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

一体化网络中支持寻呼的移动性管理机制

一体化网络是一种基于身份信息和位置信息分离的网络体系结构,能够有效支持主机的移动性.但随着用户数量的增多,信令开销可能成为制约网络发展的瓶颈之一.为了有效地减少移动过程中的信令开销,本文在一体化网络体系结构的基础上,提出了一种支持寻呼的移动性管理机制.此外,本文还建立了解析模型,导出了信令开销的计算公式,并分析了不同系统参数对信令花费的影响.性能分析结果表明,寻呼机制能够减少信令开销,从而增强了网络的性能.     

某变宽箱梁桥的梁格法分析

以某枢纽匝道变宽桥为例,采用有限元软件MIDAS/Civil进行梁格法分析,对该桥的梁格划分及截面特性的计算进行了详细说明,并对该桥的支座反力、位移进行了分析,得出该桥采用梁格法模拟的合理性,为以后同类型桥梁的设计提供了借鉴和参考。     

关于《钢质内河船舶建造规范》(2009)总纵强度问题的探讨

本文简要阐述了影响船舶总纵强度的主要因素,并对《钢质内河船舶建造规范》（2009）中将船舯剖面处的最小剖面模数表示成型深D的表达形式提出了自己的见解,并指出了总纵弯矩与中剖面最小剖面模数计算公式中的不协调。     

新型隧道结构纵向连接筋对支护性能影响研究

隧道工程中,纵向连接筋多为焊接或者插入式连接,但纵向连接筋对隧道支护性能影响尚不明确,没有相关试验分析。基于此问题,按照初支二衬联拱隧道新型支护体系,设计采用不同纵向连接筋形式初期支护构件,采用MTS大型拟动力加载系统进行室内加载试验,对采用纵向连接筋构件的力学特性进行研究,得到如下结论:(1)纵向连接筋在初期支护中稳定型钢、参与结构受力,加强隧道支护承载能力及抗变形能力,提升隧道整体性、稳定性;(2)纵向连接筋插入式连接在提升构件承载力及抗变形能力要优于焊接连接,该影响主要体现在加载后期;(3)该试验对比了几种不同纵向连接筋构件受力及变形情况,根据试验结果可确定纵向连接筋最优设置形式,为实际工程提供参考。     

BIM与GIS融合技术在航道整治工程中的应用

针对航道整治工程中BIM技术无法管理条带状工程、难以表达工程周边地理信息等难点,通过梳理BIM与GIS数据特点,研究探索BIM与GIS融合技术,提出了通过格式转换、坐标转换和数据关联实现BIM与GIS融合的方法。将研究成果应用在蕲春水道航道整治工程,验证了BIM与GIS融合方法的可行性,实现了BIM与GIS数据一体化浏览、显示、管理、分析等功能,解决了BIM无法管理大范围工程、无法反映工程周边环境的不足,为BIM与GIS技术在航道整治工程中的应用提供了技术支撑。     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.     

基于大数据的大学校园停车系统规划 ——以大连理工大学凌水主校区为例

为解决大学校园停车系统混乱以及用于相关规划的基础数据样本量小、精度不高、时效性 差等问题,应用大学校园停车调查数据、各出入口车辆记录数据以及各院系教职工信息数据进行多源大数据分析,提出了一种基于大数据的大学校园停车系统规划方法。以大连理工大学凌水主 校区收集到的数据为例,首先从静态角度利用各出入口车辆记录数据和校园停车调查数据获取校园整体停车需求,进而利用各院系教职工信息数据分析各部门的停车需求。然后,从动态角度考虑停车位的周转问题,利用各出入口车辆记录数据分析校园出入车辆停车时段分布状况。最后,根据多源大数据分析所得校园停车系统现状,得出相应的校园停车系统规划结果。研究结果表 明：基于大数据的大学校园停车系统规划方法可有效解决传统方法中基础数据样本量小、精度不高、时效性差等问题,提高了规划结果的实用性和科学性。