基于卷积神经网络-长短期记忆的施工期盾构管片上浮过程预测模型

为了实现施工期盾构管片上浮过程的智能预测，采用动力水准仪对施工期盾构管片上浮过程进行自动化监测并建立了基于卷积神经网络?长短期记忆（CNN-LSTM）深度学习算法的管片上浮过程智能预测模型。结果表明：管片上浮阶段呈现出“阶梯状”，即管片上浮主要发生在盾构掘进期间，且掘进状态的上浮量最大，占峰值的75.24 %~98.29 %；CNN-LSTM模型对施工期盾构管片上浮过程具有较好的预测效果，在训练集上的均方误差MSE、平均绝对误差MAE和决定系数R2分别为0.038 7、0.148 2和0.999 3，在测试集上为0.030 7、0.138 9和0.801 9；相较于反向传播（BP）模型，CNN-LSTM模型在训练集与测试集上的性能均有所提升，且测试集的提升更明显，最高可达89.71 %。研究结果可为盾构管片上浮的现场实测及预防处治提供新思路。     

基于眼动指标的公路隧道洞口景观设计舒适性及 安全性评价

基于云南省板仑隧道洞口景观设计方案，选取洞门线型、洞门颜色、洞口绿化及洞门肌理4个主要影响因素，采用正交试验设计方法，建立9种模型方案。利用自主研发的驾驶模拟试验系统及眼动仪设备开展驾驶模拟试验，选取瞳孔直径和视线偏离时间作为评价指标。结果表明：4个因素对行车舒适性及安全性的影响排序为洞门肌理>洞口绿化>洞门颜色>洞门线型；模型5（绿色端墙、壁画装饰、城墙式、洞口一般绿化）和模型9（灰色端墙、壁画装饰、曲线型、洞口精致绿化）的景观设计方案出现了驾驶分心现象，存在驾驶安全隐患。基于试验结果，从美学角度对隧道洞口景观设计提出了优化建议。     

公路隧道洞口景观构景元素分析

为了明确景观在隧道工程领域的研究和应用现状,对洞口景观构景元素进行了系统梳理,分析了构景元素的具体表现形式并提出了相应的设计建议。结果表明：隧道洞门类型决定了洞口景观设计的整体风格,借助洞门装饰、肌理、颜色、亮度、线型等元素的整体表现发挥洞门外观的构景效果;经过暗化和柔化处理的洞门墙面,可以减少对光线的反射,降低洞口亮度,减缓洞门压迫感;洞口绿化通过生态防护和栽植绿化达到生态修复和美化环境的目的,借助植物自身的吸光能力和低反射率对洞口进行减光处理,营造舒适的行车环境,是目前公路隧道景观设计的主流;洞口铭牌、小品建筑、彩色路面等诱导系统具有信息导向作用,通过造型、色彩、位置及风格的合理设置能够正确发挥视线诱导功能,提高驾驶人注意力;考虑地域文化以及与周围环境协调性的洞口景观设计可以缓解驾驶人心理紧张感,提高安全性和舒适性。     

泥质砂岩地层盾构隧道管片连续上浮规律与分析

为了得到施工期盾构隧道管片的连续上浮规律,基于连通器原理设计一套管片竖向位移连续监测装置,依托华东某泥质砂岩地层盾构隧道进行现场实测研究。研究结果表明：管片在脱出盾尾前12 h内呈现出“阶梯状”上浮的规律,即上浮主要发生在盾构掘进期间,而在待机期间管片上浮趋势逐渐减缓,直至停止上浮。最大上浮速率可达0.2 cm/min,主要发生在掘进期间,最大下降速率为0.15 cm/min。管片上浮增量与时间仅呈中等相关或弱相关的关系,而与所处的位置呈强相关或极强相关的关系。掘进期间,上浮增量累计占比为76.9%,是待机期间的3.3倍。