新工科背景下土木工程专业毕业设计教学模式改革与实践

近年来,为适应建筑工业化发展需求,华南理工大学对土木工程专业房建方向的毕业设计进行了一系列改革,包括调整毕业设计目标、选题、设计内容、实施手段、进度安排、成果提交等。为保障毕业设计改革的顺利进行,采取了一些卓有成效的措施,如采用PDCA循环制定了毕业设计改革的实施路径,使得毕业设计工作能逐年持续改进;引入装配式混凝土结构设计、基于BIM的预制构件深化设计、碰撞分析、施工过程模拟和计量计价等内容,改变了传统的以现浇混凝土框架结构设计为单一设计内容的状态;通过多维校企合作、线上和线下相结合的指导模式以及优秀学生助教,解决了装配式结构领域师资不足和软件使用方面的问题;通过赛教结合,提升了教师指导水平,测算了学生的实践能力。论文还探讨了传统手算内容与电算内容的取舍、现浇构件与预制构件设计内容的设定、设计难度和工作量的把握等问题,提出对于任务设置和进度安排必须基于预测结果,对于不同能力层次的学生可设置必做和选做内容适应其发展阶段。改革后,毕业设计总体工作量和难度有所增大,设计内容更符合工程实际,学生的软件应用技能有较大提高,学生对预制构件的细部构造、生产和施工过程等有了更深的理解。上述改革取得了良好的效果,为智能建造专业建设提供了良好的基础和借鉴。

考虑空间溢出效应的高速公路交通事故随机参数频次模型

为提高高速公路事故频次模型参数估计的准确性,本文以精细的事故记录、道路属性、交通流状态和天气条件数据为样本,首先,构建传统的事故频次模型并对比拟合效果,选择效果最佳的泊松-对数正态分布模型作为优化的基础模型;之后,为挖掘更多的影响高速公路事故频次的空间效应,在加入条件自回归先验的基础上,本文考虑相邻路段的空间溢出效应,建立一个带有空间溢出协变量的模型分析空间溢出效应对路段事故频次的影响。同时,为描绘数据的异质性对路段事故频次的影响,进一步构建一个随机参数模型。结果表明,空间溢出效应显著有效,考虑空间自相关和空间溢出效应的随机参数模型的拟合优度相较于对照模型明显提升。根据最优模型的参数估计结果进行风险因素甄别,其中,“ln(MADT)”“ln(路段长度)”“1类车”“4类车”“降水”等普通变量以及“1类车S“”圆曲线长S”等空间溢出协变量与事故频次显著相关。

考虑出行成本不确定性的路网交通疏散策略

为提高应急管理水平,考虑突发事件影响下的交通出行成本不确定性,对城市交通疏散问题进行研究。首先,根据交通疏散问题的时空特性创建时空耦合网络图,并且结合行程时间成本和冲突风险成本,提出了城市交通路网出行成本的量化方法。进一步考虑路段资源权重上限的影响,通过增加边际约束,构建基于预算不确定集的先验疏散策略的鲁棒优化模型,以最小化路网疏散过程的总交通出行成本。然后运用模型重构技术,将搭建的鲁棒模型转化为混合整数线性规划模型,并设计改进的拉格朗日松弛方法进行解耦求解。最后以SiouxFalls网络进行算例分析,数值结果表明,随着不确定集和模型规模的增大,行程时间成本和冲突风险成本的增速分别提高约29.13%和236.46%,模型预算参数控制在一定的区间,能够较好地权衡解的鲁棒性与最优性。通过南京部分区域路网案例测试验证所述方法在更大规模网络算例的适用性,研究结果表明:相比于传统拉格朗日松弛方法,所提出的改良方法可以在较少的迭代次数内得到高质量的可行解。研究结果可以为应急指挥部门制定可靠的交通疏散策略提供思路。

轨道交通户外站台门与列车间隙背景灯带图像分割算法研究

轨道交通在发车前需要清空站台与列车间隙,否则异物入侵会对乘客与列车运行造成安全隐患,基于背景灯带的异物入侵检测需要对灯带在图像中进行图像分割、提取、识别。针对在户外站台场景下,复杂背景和日光等因素为背景灯带提取带来困难的问题,提出一种无监督的图像分割算法。首先通过卷积神经网络进行特征提取,然后将特征图输入到后续分类器中对所有像素进行类别输出。在训练过程中,使用的损失函数从三方面进行设计:考虑特征相似度和空间连续约束、基于深度支持向量描述以及基于几何与光度增强。算法能够实现单样本无监督对神经网络参数进行调优。通过对某城轨站台真实数据采集及实验结果表明,本文提出的方法在与训练样本不同光照条件、拍摄角度条件下,对背景灯带进行分割的F1分数为78.47%;在性能优于其他方法的同时,耗时最多能减少97.1%;算法为基于背景灯带的异物检测方案提供一种行之有效的图像分割方法,为后续的异物自动检测提供基础。

基于动态生成对抗网络的路网缺失交通数据修复

针对智能交通系统数据采集过程中发生的数据缺失问题,本文提出一种基于动态生成对抗网络(dynamic generative adversarial network,D-GAN)的路网交通数据修复方法。该方法首先依据交通数据的时空特性与设定的缺失类型和缺失比例来构造各种缺失交通数据矩阵,然后基于博弈思想迭代训练由2个全连接神经网络构成的生成对抗网络。引入一种新颖的动态自适应机制,研究能在模型计算过程中自动识别生成器与判别器的最佳迭代次数,最终生成完整的交通数据矩阵并修复缺失值。采用加州PeMS和广州交通速度数据集来完成D-GAN模型的构建,并使用多种评价指标评估D-GAN的修复性能。实验结果表明:相对于非随机缺失模式,D-GAN对随机缺失模式的修复精度更高;随着缺失率增加,D-GAN的修复精度加速下降。但在各种缺失条件下,D-GAN模型的修复性能要优于现有模型(例如BGCP、prophet-RF和GAIN)。

广厦大学图书馆钢桁架悬挂体系结构设计

广厦大学图书馆采用钢筋混凝土框架-剪力墙结构体系,为满足建筑功能要求,在屋顶设置悬臂钢桁架,悬臂钢桁架端部设置钢吊柱,吊柱与各层楼面钢梁相连,形成悬挂体系。采用YJK和MIDAS Gen软件,对比分析了小震作用及风荷载作用下结构的内力弹性响应、静力弹塑性分析。考虑钢桁架上下弦楼板协同作用,并指定施工顺序进行施工模拟分析,采用ANSYS有限元分析软件对销轴节点进行验算。结果表明:大震作用下,结构具有较高的承载力和较好的延性,结构具有安全性和合理性;销轴节点具有良好的受力性能,应力水平均符合要求;悬挑位置采用钢-混凝土组合楼盖可以缩短工期,提高建筑装配率。

轨道交通TOD综合开发的困境与进阶——以南京市为例

为减轻轨道交通建设投融资和运营补亏压力,提高轨道交通TOD综合开发质量,在梳理南京轨道交通TOD综合开发历程的基础上,剖析当前轨道交通TOD综合开发主要面临实施细则缺失、用地收储滞后、规划统筹不足、融资模式单一、轨道建设与综合开发时序错配等困境,提出完善轨道交通TOD综合开发的政策机制体系、加快用地开发潜力评估及收储、制定全市TOD发展战略和综合开发规划设计指引、建立多元轨道交通建设和综合开发投融资机制、明确综合开发全流程推进路径及分期实施时序等对策,助推南京轨道交通TOD综合开发向更高水平进阶发展。

珠三角地区建筑工程类人才需求调研——以华南理工大学毕业生就业为视角

当前建筑业增加值占国内生产总值的比重达6.86%,建筑业持续多年成为国民经济支柱产业。担负着为建筑业培养中高层管理和技术骨干后备人员重任的985高校,对用人单位和毕业生开展调研,可以适时了解用人单位的需求和意见反馈,了解学生就业趋势,从而以市场需求为方向提高建筑工程类人才培养的质量。

“双一流”大学创新型人才培养的实践研究——以上海交通大学为例

培养出更多的创新型人才是"双一流"建设的重要内容,是高等教育内涵式发展的主要体现。高校要开展创新人才培养,必须有一个从上到下的顶层设计和全方位多角度完整的支撑体系。上海交通大学在创新型人才培养方面先行先试,取得了丰硕的成果。其校内外雄厚的师资支持和高水平科研参与的普及,优质生源、创新潜质人才的提前挖掘与储备支持,重点高校、优势学科的资源优势支持,全校不同层面组织机构的协同配合与人员支撑等方面给其他高校带来了重要的启示与影响。

基于微观交通仿真的城市内涝对道路交通的影响评估研究进展

在城市洪涝灾害频发和内涝下交通问题突出的背景下,针对城市内涝对道路交通的影响评估问题,梳理了国内外研究成果,对城市内涝模拟原理以及常用的城市雨洪模型的特点进行了分析,总结归纳了城市内涝对道路交通的影响评估方法,论述了微观交通仿真模型的构建和应用,提出了城市内涝对道路交通影响评估可优化的方向。指出在现有软件缺失和条件有限的情况下,基于积水深度与行车速度的关系式将城市雨洪模型和微观交通仿真模型进行集成,用于分析内涝下交通问题是较为有效的手段;城市内涝对道路交通的影响十分显著,通常反映在道路(损失、性能和结构)、交通工具(行驶速度和安全性)和驾驶员(心理和生理变化)3方面,以及道路交通工具驾驶员的综合影响。

基于改进GRU模型的高速公路短时交通量预测

为了提高短时交通流的预测精度,采用灰狼算法(grey wolf optimizer,GWO)优化门控循环单元(gate recurrent unit,GRU)神经网络参数,构建基于超参数自适应寻优的高速公路短时交通流量预测模型,提取交通流的时变特征,准确预测短时交通流量。选取高速公路出口匝道交通数据作为实验数据输入,基于TensorFlow为后端的Keras完成GWO-GRU模型框架的搭建,并与支持向量回归算法(support vector regression,SVR)、K近邻算法(k-nearest neighbor,KNN)、长短期记忆神经网络(long-short term memory,LSTM)、门控循环单元(GRU)模型进行对比分析。实验结果表明,在3种不同时间间隔的高速公路匝道交通数据集的预测中,改进后的GRU模型具有较好的预测性能,其平均绝对误差(mean absolute error,MAE)比次优模型分别减小了9.22%、8.54%、8.03%。

轨道交通站台门与列车间隙异物的四目定位方法研究

针对长130~460 m的轨道交通站台间隙内异物无盲区检测及定位问题,提出一种基于机器视觉的四目异物检测与定位方法。该方法通过在间隙中设置2条等长平行的条形背景参考物及4台微型超长定焦相机,构建了无需改变镜头焦距、基线长度的宽范围三角测距模型,并通过同时测量四目中背景参考物被物体遮挡后的剩余长度推算物体位置。实际运行结果表明,在城际动车地下站台(0~174 m),无车时定位平均误差0.854 m,列车在站时定位平均误差3.26 m,且异物定位精度不受其位置远近和环境照度影响,可定位到车门位置。该方法低成本实现了远距离、宽范围的异物无盲区检测及单异物高精度定位,适合地铁、城际和高铁站台间隙内的0~460 m距离内的异物检测及定位,可有效提升异物处理效率,同时也为传统双目测距提供了一个全新的实现思路。

基于GA-tBP模型的城市道路交通量预测

针对城市道路交通量时间差异性强的问题,提出了一种使用遗传算法(genetic algorithm,GA)优化BP(back propagation)神经网络并考虑时间特性的模型(GA-tBP)预测道路交通量。从月、周、日3个维度统计分析了历史交通量数据存在的差异,得出影响城市道路交通量的时间因素。以江西省南昌市赣江中大道交通量为例,对未来24 h内每5 min交通量进行预测,对比分析了不同模型在预测精度和学习能力等方面的表现。研究结果表明,同不考虑时间特性的模型及其他传统预测模型相比较,GA-tBP模型的预测效果最好,其均方误差(mean squared error, MSE)及平均绝对误差(mean absolute error, MAE)分别为14.87 veh/5 min和2.44 veh/5 min,故该模型具有可行性和有效性。

考虑空间相关性和交通环境影响的宏观事故建模

为准确分析宏观尺度下各项因素对发生交通事故的影响,从人口岗位等社会经济特征、交通环境和城市重要设施分布等角度出发,基于深圳市61.4万警情事故和892个交通分析小区建立带空间自回归误差项的空间自回归模型(SARAR),采用广义空间二段最小二乘法进行模型参数估计后,计算出各要素的空间溢出效应。模型结果表明:人口数量、岗位数量、区域面积、学校数量、主次干道长度和主次干道衔接不足均会显著增加本区域和周边区域内的交通事故数量;拥堵路段长度与交通事故的发生不存在显著关系。拟合优度对比结果发现,SARAR模型优于OLS、SAR和SEM模型,是分析宏观尺度下区域安全水平的有效方法。

基于多通道Transformer的交通量预测方法

目前,我国高速公路拥堵程度居高不下,而交通流预测作为实现智能交通系统的重要一环,若能对其实现高精度的预测,那么将能够高效地管理交通,从而缓解拥堵。针对该问题,提出了一种考虑时空关联的多通道交通流预测方法(MCST-Transformer)。首先,将Transformer结构用于不同数据的内在规律提取,然后引入空间关联模块对不同数据间的关联特征进行挖掘,最后,借助通道注意力整合优化全局信息。采用广东省高速公路数据,实现了两小时内92个收费站的高精度流量预测。结果表明:MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型,在120 min预测跨度下,相比贝叶斯回归,MAPE降低了5.1%;对比Seq2Seq-Att以及Seq2Seq这些深度学习算法,所提方法的总体MAPE也能降低0.5%,说明通过多通道的方式能够区分不同数据的特性,进而更好地预测。

华南理工大学国际校区E3图书馆结构设计

作为华南理工大学广州国际校区二期工程标志性建筑,E3图书馆整体呈倒梯形,建筑主屋面高度27.30m,属超限结构。建筑3层及以上中庭位置开设大洞,仅通过3、4层南北两侧连廊楼板和屋顶天窗跨度为33.6m的大跨度Z字形钢梁连接。通过5个结构方案比选,选用沿幕墙边布置斜柱的框架结构。斜柱倾斜角度约为29°,与东、西、南侧外周边悬挑2.8~8.4m的内框架形成空腹桁架。斜柱在竖向荷载下产生水平分量,通过楼板应力分析对楼板进行加强。按照设定的性能目标,对结构进行弹性计算、中震验算并采用Perform-3D软件进行了罕遇地震作用下的弹塑性动力时程分析,根据分析结果,采取了有针对性的加强措施。

基于FTA-BN的综合交通枢纽中地铁车站安全风险评价

以综合交通枢纽中的地铁车站安全为研究目标,综合考虑综合交通枢纽中特殊的客流组成和乘客特征,以踩踏、火灾、水灾、公共卫生和大面积滞留5类易发风险事故作为研究对象,基于FTA-BN方法对其影响因素进行分析,识别其风险因素,建立相应的事故树模型,转化为贝叶斯网络模型进行风险评价;引入三角模糊数处理专家自然语言,得到贝叶斯网络中的先验概率和条件概率分布,然后通过贝叶斯网络模型进行网络推理计算和敏感性分析,找出地铁车站中的薄弱部分,制定相应的风险管控措施,从而提高枢纽中地铁车站对于紧急事件的应对能力。以广州南站地铁车站为例进行快速评价,结果表明:广州南站在公共卫生安全方面存在一定危险,发生概率为42.98%,且较易发生大面积滞留事件,可能性为30.40%。

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型(Seq2Seq-Att);然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明:文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法(ADASYN-XGBoost)。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法(adaptive synthetic oversampling method,ADASYN)来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明:与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。

基于关键本征模态函数的道路交通信号控制时段划分方法

交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分。通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明:(1)相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;(2)非工作日车均延误减少6.80%,停车延误减少5.87%,工作日车均延误和停车延误变化不大。