高速公路通信网络技术的研究

高速公路通信系统是高速公路现代化管理的支撑系统,而通信网络技术是构建高速公路通信系统的核心。目前应用于高速公路通信领域的网络技术主要有SDH、ATM、WDM、IP、ASON等技术,这几种通信网络技术将是高速公路通信网络融合技术未来交通通信网络的优先发展方向。     

多用户动态交通分配模型的算法研究

阐述了多用户行为下的动态交通分配模型。结合迭代动态网络负荷算法和路径选择算法形成动态交通分配新算法，用以求解动态交通分配模型。采用一个算例对此作具体说明。     

船舶无线传感器网络设计的ZigBee-GPS技术应用

随着海上交通运输业向着智能化、信息化方向发展,船舶无线传感器网络的应用越来越频繁。无线传感器网络是将计算机技术、信息处理技术和传感器相结合的一种新兴技术,能够实现对某区域环境内目标对象的监测、定位和识别功能,并利用传感器网络的信息处理模块,对整体监控区域进行管理。近年来,海上智能交通管理技术成为了一项热门研究对象,对提高海上交通的安全,保障海洋环境等有重要的意义。本文针对船舶交通管理系统的无线传感器网络,对ZigBee无线网络技术进行了系统的介绍,并利用GPS技术和ZigBee无线网络技术对船舶无线传感器网络进行设计。     

关注网络经济与电子商务的革命（第一部分）

千百年来,交通是经济发展的重要因素。哪里有通衢大道,哪里就有繁华的街市和物流。古老的城市依交通线而建,威尼斯、纽约、上海都是国际贸易物流的产物。当虚拟的网络交通兴起之后,它将经世界带来什么?依傍网络于线的新兴“城市”是什么?哪些组织和行业有可能成为网络上的庞然大物,成为网络经济时代的新庞儿?人们注视着网络公司,在这个爆炸式繁殖的群体中寻找未来的成功者。     

船联网VANET网络路由优化研究

在现代交通物流运输方式中,船舶航运占有非常大的份额,是社会生产和商品交流的重要环节。随着互联网与计算机技术的发展,如何改善船舶航运中的交通问题,提高海上航线的利用率,降低海上航运中的安全隐患,保证海上航运的安全性与高效性,成为了当前的研究重点。船联网正是基于这种背景下被开发出来的,船联网与VANET网络可以显著改善船舶的通信能力,促进导航信息、航迹数据等传递。本文重点研究了船联网中VANET网络的路由协议和优化算法,并对VANET网络中的路由数据传输进行了仿真试验。     

多级航道通过能力的数学模型研究

航道承载着具有OD点对的船舶组成的交通流,航道通过能力表示航道的交通承载能力。将多级航道中各港口视为网络模型中的节点,各航段视为网络模型中的连线,考虑与航道通过能力密切相关的航道货流OD结构,建立了以任意起点港和终点港之间货流量为变量,各货流量或货物周转量之和最大为目标函数,航段通过能力、港口设计通过能力及碍航建筑物通过能力为限制条件的OD结构网络模型,来测算多级航道通过能力。     

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。     

城市单向交通双循环网络化设计

目前我囯单向交通多为支路、小巷,分布较分散。文中以唐山市为例,提出单向交通网络化,组织城市主干路与次干路为环路网络框架,形成对称衔接的单向交通双循环网络系统;依据单向交通组织原则,从交通延误小、绕行距离短、路网负荷均衡3个方面作了相应的系统设计,提高网络交叉口通行能力达41.7%,将产生局部交通网络驱动大区域性交通网络畅通效应。另外,还对单向交通绕行问题及交叉口通行能力作了进一步实用性分析。     

基于ST-GCN短时路况预测算法的预警系统

为提升高速公路车速预测的准确性,针对现有车速预测模型存在的时间相关性和空间相关性部分缺失的问题,提出一种基于时空图卷积网络(Spatio-Temporal Graph Convolution Network, ST-GCN)短时路况预测算法的预警系统。该算法综合考虑时间相关性和空间相关性的影响,根据实时和历史的交通数据,通过建立ST-GCN模型分析预测未来某段时间的交通流速度和路况。将预测结果推送给布设在高速公路上的多彩智能情报板,通过多彩智能情报板上显示的信息诱导司乘用户的行为,从而降低事故发生率,提升高速公路通行效率。     

海峡西岸港口群腹地无水港网络的构建

介绍了海峡西岸港口群腹地内各节点城市的经济社会环境,通过分析综合交通网络得出各节点城市与海西主要港口的交通可达性,选取影响无水港选址、建设发展的内外部综合因素为评价指标,运用模糊聚类分析模型,对港口群腹地范围内的"无水港"进行选址并等级划分,期许为构建海峡西岸港口群腹地无水港网络提供理论依据和决策参考。     

沿海港口交通安全和信息管理系统研究

为完善沿海港口交通安全和信息管理能力,提高港口的物流中心地位,通过对现有的船舶交通管理系统(VTS)分析,研究了港口交通安全和信息管理系统(VTIMS)中的船舶动态信息系统、交通安全和信息控制中心、通信网络三大单元的设计结构、功能和核心技术;港口信息平台和通信网络功能的提出为今后港口的物流中心地位的建立奠定了理论基础。     

基于虚拟仪器的船舶监控系统研究

船舶监控系统的研究对船舶安全起着至关重要的作用,有助于提升船舶导航能力和海上交通管理能力。该文提出的基于虚拟仪器的船舶监控系统,应用LabVIEW图形化编程语言开发了AIS信息处理系统,能够实时采集网络最新发布的船舶信息数据,进行信息的解析和存储,同时应用Google Earth显示船舶的位置及路径信息。系统选用Kalman滤波对船舶的航迹进行跟踪优化,结合BP神经网络对船舶航迹进行预测。系统可实现AIS数据采集、解析、存储、显示、分析等多项功能。     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

网络数据融合技术在MITS中的应用研究

探讨了基于传感器网络的数据融合技术在海事智能交通系统(MITS)中的应用问题,为该领域的进一步研究提供一些有价值的思路和见解。基于目前研究遇到的困境,提出将MITS抽象成一个无线传感器网络(WSN),从而可在WSN环境下引入数据融合技术来研究海事智能交通系统中的各种信息处理问题,如船舶的定位与导航以及避碰等;紧接着,总结了现有定位、导航、避碰和船舶安全管理技术研究的现状并分析了存在的主要问题;针对基于GPS的MITS存在的种种弊端,结合各国卫星定位导航系统的建设现状,提出利用MITS内其它元素的信息和多源信息融合技术来实现船舶的相对定位和导航这一新思路;最后,从网络数据融合技术角度出发,具体指出了MITS网络融合系统构建时所必须考虑的一些基本问题,并给出该融合系统的一般性框架。     

基于NGN的舰内一体化网络

网络技术日新月异,传统的电路交换网无论从业务量设计、容量、组网方式还是从交换方式来讲,都已无法适应可以同时提供语音、数据、视频于一体的全开放的网络发展趋势的要求,传统的交换网向基于软交换的下一代网络的演进已势不可挡。采用基于软交换的技术体制,构建基于NGN的舰内一体化网络,实现业务和承载网络分离是通信系统发展的必然趋势。     

基于深度学习的船舶设备信息智能化识别技术

针对船舶设备信息识别问题，提出采用基于深度学习的方法识别船舶设备种类信息。根据船舶设备特点进行图像预处理和图像样本标记，建立卷积神经网络。经训练得到可用于船舶设备信息识别的模型。对模型进行评估，调整网络结构和训练参数，得到准确率达到期望值的船舶设备信息识别模型。经预测和优化得到基于深度学习的船舶设备信息智能化识别模型，可实现船舶设备仓储管理智能化，在较大程度上提升管理效率。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

海上船舶交通监管及服务系统的智能化实践应用

在信息和网络技术高速发展的背景下,为了改善传统船舶交通管理系统在管理、技术和服务理念方面的局限,积极创新和实践船舶交通监控及服务技术的智能化发展理念,使船舶交通管理系统更加智能化、人性化、便捷化,实现船舶交通监管技术的智能化发展。     

基于神经网络的道路通行能力与交通需求匹配度判别研究

交通的供需是否匹配关系到城市和枢纽的发展前景。文中在探讨道路通行能力与需求匹配特性的基础上,用BP神经网络理论建立一种交通匹配预测模型。该模型发挥神经网络的优势,对数据并行处理和分布存储,通过训练、学习产生一个非线性映射,自适应地对数据进行预测。通过相关数据实验证明,该神经网络模型有较高的精度,并有较好的适用性。     

基于广义回归神经网络的船舶交通量预测模型

船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点.在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构.不同类型船舶受各类因素影响的程度不同,根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据,按船舶种类将船舶交通量分为六类,利用GRNN神经网络分别进行预测.预测结果表明GRNN神经网络具有很强的非线性拟合能力,有效解决了天津港船舶交通量预测中的小样本问题,提高了整个预测系统的精度与稳定性.