高铁站功能区布局优化模型研究

为使高铁站功能区的布局更加科学合理,论文以旅客在高铁站房内的平均走行时间最少和高铁站建造成本最低为目标,综合考虑功能区的面积、长宽比例、功能区禁止重叠、流线等约束条件,构建基于多目标混合规划的高铁站功能区布局优化模型,通过算例验证了模型的有效性。该方法得出的结论可以为高铁站功能区布局的规划设计提供参考。     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

江淮气旋大风预报研究

江淮气旋大风预报研究的结果表明：气旋大风的预报实际上就是冷空气南下造成地面加压与气旋东移造成地面降压，这两个因素所造成气压梯度发展变化地以预报。还介绍用天气学原理建立的大风预报模式，以及用数理统计方法判别有无强风的预报，经过历史拟合和试报，在预报气旋大风中有一定的准确性。     

基于对流效应的寒区路堤块石层临界高度研究

为了研究块石路堤降温效应与块石层高度之间的关系,基于多孔介质自然对流理论和热传导理论引入了表征寒区块石路堤自然对流降温效应的自然对流指数,利用热传导温度分布函数获得了路堤自然对流指数随块石层高度变化的近似公式。分析表明:自然对流指数最小值对应于路堤块石层的最小高度,而其最大值对应于路堤块石层的最大高度。另外介绍了一种利用自然对流指数近似公式估算路堤块石层临界高度的方法,并具体给出了算例,最后进行了数值验算。结果表明:通过自然对流指数确定的临界高度可为寒区工程的路堤设计提供参考。     

黄铜管焊缝高温短时退火组织的研究

用光镜对单相黄铜管焊后和冷变形后的焊缝在高温短时退火后的组织进行了研究。结果表明，焊后不经过冷变形的焊缝，退火后组织为粗大的、并垂直于焊缝的条形晶粒和粗大的等轴晶粒；经过冷变形后，焊缝的不同原始组织在退火后都将发生再结晶，影响管坯表面质量的铸造组织消失，组织细化，文中对试验结果进行了分析．     

200km/h客货共线单线隧道内接触网设计探讨

通过对遂渝线单线隧道内接触网悬挂的介绍,探讨了以新的设计方式进行速度200 km/h客货共线隧道内接触网平面设计的方法,并通过遂渝线情况的研究,对下一步的设计提出了建议。     

混合编程在隧道地层变形时空统一预测中的应用

通过Java与MATLAB的混合编程,可以充分发挥它们各自的优势,使计算效率与开发效率得到统一。通过具体混合编程实例以及在盾构隧道地层变形时空统一预测中的运用,结果表明此混合编程技术功能强大,实现简单。     

城市轨道交通大小交路模式列车开行方案的优化

列车开行方案是城市轨道交通运输组织的基础.大小交路模式列车开行方案规定各时间段内各交路上开行列车对数.分析大小交路模式乘客出行成本和企业运营成本的计算方法,以乘客出行成本及运输企业运营成本最小化为目标,以列车追踪间隔时间、乘客需求和最大可用车底数量为约束,构建城市轨道交通大小交路模式列车开行方案双目标混合整数非线性规划模型.采用理想点法将原模型转化为单目标模型,借助Lingo11.0求解.通过算例验证模型的合理性,并对折返站和小交路区段客流比重进行成本的灵敏度分析,结果表明:小交路折返站的选取对成本影响显著,且小交路区段客流比重越高,开行大小交路模式越有利于降低运输成本.     

铁路站房地源热泵系统工程热平衡分析

结合具体工程,根据某车站空调采暖系统设计工况及该工程地埋管换热特性测试报告,采用地源热泵系统作为冷热源。考虑地源热泵系统的冷热平衡需要,分析采用地源热泵+锅炉辅助系统及太阳能地源热泵耦合系统两种不同热平衡方案用于铁路站房,计算各自需要的热泵机组容量及室外埋管换热器具体设计规模。详细介绍两种系统的冷热平衡方式,并对各自特点及工程运用进行论述,提出在具体工程中因地制宜,应根据不同情况,采用合适的系统热平衡方式。     

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。