摘要:随着低空经济有关政策的出台，无人机配送作为提升物流行业新质生产力的重要推力，已经得到了广泛关注。由于单架无人机在续航能力和载重能力上的限制，学者们在无人机配送模式和系统上进行了大量的研究和探索。文章旨在总结无人机配送现有研究进展并探索未来可能的研究方向，从无人机物流配送问题类型、模式与优化调度方法3个角度进行文献回顾。根据提供的服务将无人机物流配送问题分为只取货或只送货、同时取送货、点到点取送货 3种类型；根据无人机是不是唯一的取送货工具，将无人机交付模式分为无人机配送、无人机与其他车辆协同配送两类；介绍无人机物流配送常见的优化目标，并梳理求解无人机物流配送问题的单目标优化方法与多目标优化方法。

摘要:为解决地铁车辆段试车线区域上盖建筑振动超标的问题，对某地铁车辆段试车线进行钢弹簧浮置板减振改造，对改造前后的环境振动进行现场实测和有限元仿真，分析振源及上盖的振动传递规律。结果表明：车辆在试车线行车时，车速对源强主频的影响会影响到各楼层楼板的振动水平，卧室测点在车速60 km/h的工况下振动较大，而客厅测点在车速40 km/h的工况下振动较大。振动随测点与振源距离的增大呈先减小后增大再减小的趋势。钢弹簧浮置板减振可能会导致噪声放大，改造后振源各测点振动均降低了10.00 dB以上，但距轨道中心7.5 m测点的噪声增加了0.96 dB。对比观察发现随试车线区域上盖建筑层高的变化，减振改造前后各分频振级振动加速度级最大频段出现了前移，由减振改造前的25~40 Hz变为了20~ 25 Hz，这与振源处激励频率的改变有关。相比于普通碎石道床，钢弹簧浮置板道床能大幅减少振动，使此车辆段试车线区域上盖建筑振动满足相应规范要求。

摘要:为探讨钢筋混凝土墩柱在冲击作用下的动力响应，基于两自由度质量-弹簧-阻尼模型，结合OpenSees计算平台，在明确钢筋混凝土墩柱等效抗力-位移曲线的基础上，提出了融合材料非线性和冲击应变率效应的钢筋混凝土墩柱冲击简化分析方法，通过与钢筋混凝土墩柱落锤冲击试验进行对比，验证了两自由度简化分析方法的有效性。在此基础上，探讨了撞击速度、 撞击质量、轴压比和纵筋率等敏感参数对钢筋混凝土墩柱落锤冲击响应的影响。结果表明：提出的简化分析方法计算的冲击力峰值与试验值误差为4.30%，跨中位移峰值误差为2.16%；随着撞击速度和撞击质量的增加，墩柱构件冲击力峰值和跨中位移峰值逐渐增大，但撞击速度和撞击质量的增加会导致构件跨中位移峰值出现时间滞后的特征；随着轴压比与纵筋率的增大，墩柱构件冲击力峰值逐渐增大，而跨中位移峰值表现出逐渐减小的趋势，并且纵筋率变化对冲击力时程曲线中二次冲击影响显著大于轴压比变化的影响。

摘要:为揭示管棚支护对软岩隧道掌子面稳定性的加固机理，评价管棚支护对软岩隧道掌子面稳定性的加固效果，运用数值模拟方法对比分析有无管棚支护的软岩隧道掌子面的破坏模式。基于数值模拟结果，提出了一种新的考虑管棚支护和土拱效应的抛物线拱-对数螺旋掌子面破坏模型，通过极限分析上限法和强度折减法推导了管棚支护下掌子面安全系数的计算方法，并且探讨了围岩参数和管棚支护参数对掌子面稳定性的影响。研究结果表明，无管棚支护掌子面发生破坏时，上方围岩形成一大一小两个塌落拱；管棚支护条件下，掌子面破坏向拱顶发展受到限制，防止了未支护段上方局部塌落拱的形成，并使未支护段上方围岩的位移方向由竖直向下改为向掌子面挤出；隧道掌子面稳定性安全系数随围岩内摩擦角、黏聚力、管棚尺寸的增大而增大，随单次开挖长度、管棚间距的增大而减小，管棚尺寸过大对于增强掌子面稳定性缺乏经济性。

摘要:为探究分时票价诱导策略能否引入I型大城市地铁运营中用以缓解节假日带来的车站客流严重拥挤问题，以南昌地铁受访者调查数据为代表分析I型大城市地铁乘客出行时间选择行为。采用SP调查法，设计场景对受访者在出行时间改变长度、票价与拥挤水平3种方案变量影响下的出行时间选择偏好进行数据收集，分别用条件Logit模型和混合Logit模型对效用函数的变量系数进行估计。结果表明：出行时间改变长度对出行时间选择行为的影响显著且存在负效用；票价下降水平对出行时间选择行为的影响显著且存在正效用；票价较出行时间改变长度和拥挤水平对出行时间选择行为的影响程度更大，受访者整体更愿意选择高峰前时段出发。该研究可为I型大城市缓解节假日地铁客流拥挤提供决策参考。

摘要:山地城市商圈环道因交叉口多、流量波动等特征易发生拥堵。为缓解拥堵问题，提出商圈环道出入口信号协同控制方法。基于高空视频、卡口数据及互联网数据提取道路与交通特性；以商圈环道通过的车辆数最大、各进环通道车辆排队长度最小、各出环通道下游交叉口车辆排队长度最小为控制目标，以信号控制参数、进出环通道排队长度以及环道整体区段密度等为约束条件，构建基于多目标优化的山地城市商圈环道出入口信号协同控制优化模型。从操作算子、种群规模配置两方面改进NSGA-Ⅱ算法，并搭建MATLAB-VISSIM平台开展联合仿真。以重庆市观音桥商圈环道为例，验证结果表明：优化方案使早高峰环道通行能力提升8.9%，进环通道总排队长度减少31.7%，出环通道总排队长度减少15.0%。该方法兼顾商圈环道整体协同效益，为高峰时段缓解区域路网拥堵提供指导。

摘要:为实现对航班正常率的精准预测，根据航班延误原因进行数据统计，构建了包含起飞机场、目的地机场、流控信息、航路航线性质的航班正常预测指标体系，提出了基于 SMOTE算法的 XGBoost分类预测模型（SM-XGBoost模型）和基于 SMOTE 算法的LightGBM分类预测模型（SM-LightGBM模型），并以华东地区主要机场实际数据为基础，对所提模型的有效性和先进性进行了验证。结果表明：SM-XGBoost模型和SM-LightGBM模型在预测准确度和误差上明显优于决策树和随机森林模型； 在训练集和测试集稳定性上，SM-LightGBM模型优于SM-XGBoost模型，对测试集的预测准确率最高达88.2%。该方法为类似复杂系统事件预测提供了一种新的分析思路。

摘要:文章以广州终端区与珠海终端区为例，运用复杂网络方法，分别构建广州终端区航线网络模型与珠海终端区航线网络模型。通过节点度、度分布、介数中心性、聚集系数、网络直径和平均路径长度等指标对网络的拓扑结构进行详细分析。在此基础上，利用度中心性、介数中心性和KBKNR算法识别节点重要程度，并设计随机攻击和蓄意攻击两种情景，以网络效率和网络连通度作为表征指标评估航线网络的抗毁性。实验结果表明：在随机攻击下，珠海终端区航线网络相较于广州终端区航线网络表现出更强的抗毁性；在蓄意攻击下，广州终端区航线网络的抗毁性更强；此外，相较于介数排序攻击和KBKNR排序攻击，度排序攻击更容易导致网络崩溃，应优先将度中心性高的节点作为关键节点进行保护。

摘要:充分挖掘地铁网络相关站点间客流的空间关联性对地铁客流预测精度的提升有积极作用。由于地铁各站点之间的空间相关性难以学习并传递，捕捉并量化客流数据的空间规律十分困难。提出一种改进的图卷积门控循环神经网络地铁客流预测模型，通过整合多元时空数据提升模型处理不同数据类型的能力，采用基于Tent混沌映射和莱维飞行扰动策略的蜘蛛黄蜂优化算法动态调整模型结构参数，以优化门控循环神经网络的隐层结构。实验结果表明，在工作日模型的预测精度明显高于周末，相较于周末，工作日的均方根误差、平均绝对误差、平均绝对百分误差分别降低了13个百分点、12个百分点、0.08个百分点。参数优化门控循环神经网络的隐层结构可以获得更好的收敛效果，预测精确度更高。

摘要:高铁对城市绿色技术创新的影响是高铁对区域创新影响研究中的一个重要研究方向，为研究高铁对城市绿色技术创新 “量质齐升”的影响。通过建立多期双重差分（DID）模型，基于长三角地区41座城市2004—2019年的面板数据，对高铁开通如何影响城市绿色技术创新进行探讨。研究显示：高铁开通能有效提升长三角地区城市绿色技术创新“量质齐升”；通过机制检验，高铁开通能通过加强经济集聚和风险投资来影响城市绿色技术创新；高铁开通具有城市规模异质性和地区异质性，高铁开通对大城市和中小城市影响显著，高铁开通对江苏省的影响显著高于浙江省和安徽省。研究系统阐述了长三角地区高铁开通与城市绿色技术创新“量质齐升”的联系，通过稳健性检验后结论依然成立。

摘要:深度学习在振动信号识别中具有准确率高、精确率高的优势，但是车轮多边形标签数据难以大量获取，无法满足常规神经网络模型的训练需求。现有解决少样本问题的方法是将时域数据转化为频域数据，然而这种方法在时频域转换时会致使部分数据特征丢失。针对此问题，提出一种基于1DResAE网络模型的车轮多边形检测方法。该模型可在不进行振动信号时频域转换的情况下，通过对时域信号的无监督学习、特征提取和监督学习完成对列车车轮多边形的检测。通过融合一维卷积、残差网络和自编码器，形成了可提取和学习复杂的一维振动信号特征的一维深度神经网络；根据自编码器中编码器所提取和学习的特征，分类器利用少量标签数据进行监督学习，完成列车车轮多边形的模式识别。通过小比例轮轨对滚实验台采集的数据进行实验验证表明：该方法的检测精确率为98.971%，误差小且分类效果突出。对于车轮多边形检测任务，1DResAE能够有效检测出车轮多边形的阶数，具有一定的实用性。

摘要:利用蜣螂优化（DBO）改进的BP神经网络计算T形圆管节点应力集中系数（SCF），实现了SCF快速准确求解。首先，对轴力作用下的T形圆管节点进行有限元参数化建模，与试验数据对比，验证模型的可靠程度；其次，建立不同几何尺寸条件下的T形圆管节点冠点和鞍点的SCF数据集，分析无量纲几何参数对应力集中系数的影响；最后，采用DBO改进的BP神经网络对不同几何参数节点SCF数据集进行回归预测。结果表明，改进后的BP神经网络模型的预测性能优于未改进BP神经网络。相较于SCF参数方程，采用DBO改进的BP神经网络预测更高效、更准确。

摘要:针对现有路面裂缝检测模型在识别精度和推理速度方面的不足，提出一种改进的网络模型YOLOv8-Crack。该模型在 YOLOv8n的基础上进行了多项改进：引入NWD损失函数，降低对目标框长宽比的依赖，从而提升对不规则形状裂缝的检测能力；采用Slimneck轻量化结构，显著降低模型参数量和计算复杂度，加快推理速度；嵌入CA模块，增强关键特征信息的提取能力。在RDD2022开源数据集上的实验结果表明，与YOLOv8n相比，YOLOv8-Crack模型的精确率，召回率，平均精度分别提高了1.8%，3.7%，2.6%；参数量和计算量分别降低了6.7%和11.0%。