航空安全短文本信息主题分析

为充分发挥中文航空安全短文本信息在由数据驱动的安全管理中的作用，提出基于语义角色标注和依存句法分析以及K-means++算法的中文航空安全信息核心内容获取和主题分析方法。以2017-2020年“偏离姿态/高度”事件类型信息为样本进行实例分析，结果表明，利用语义角色标注和依存句法分析可获取样本的核心内容，即飞行机组操作特征，通过K-means++聚类可挖掘核心内容中潜在的主题，即违规、遗漏、动作目标差错、动作幅度差错、动作时间差错和注意力分配六个主题，通过社会网络对主题进行展示和分析可发现动作目标差错、违规和注意力分配三个主题处于核心地位，尤其违反交叉检查程序是实际安全管理工作的重点，是减少偏离姿态/高度事件的核心环节。     

珠江水系完成港口货物吞吐量18.79亿吨

2021年,珠江水系克服疫情常态化的不利因素影响,港口吞吐量各项主要指标都取得一定增长,全港完成货物吞吐量18.79亿吨、外贸货物吞吐量5.27亿吨、集装箱吞吐量6843万TEU,与2020年相比,分别增长3.3%、9.4%、4.7%;与疫情前(2019年)相比,年平均增长5.2%、6.4%、2.1%。     

2022年8月全国港口吞吐量运行综述

8月,受疫情反弹、极端天气、需求不旺等因素影响,货物、集装箱吞吐量增速有所回落。受去年同期低基数影响,旅客吞吐量较快增长,但与疫情前同期相比仍处于低位。一、货物吞吐量8月,全国港口完成货物吞吐量13.2亿t,同比下降1.8%,其中:沿海港口完成8.5亿t、下降0.7%,内河港口完成4.7亿t、下降3.8%;完成外贸货物吞吐量3.8亿t、下降6.1%,完成内贸货物吞吐量9.4亿t、增长0.04%。     

考虑驾驶行为异质性的城市快速路合流区仿真模型

为研究城市快速路合流区车辆运行规律，基于车辆自然轨迹数据，提出考虑驾驶行为异质性的合流区元胞自动机仿真模型。模型将合流区分为上游区域、合流区域及下游区域，3个区域由11条路段组成。首先，利用Kalman滤波算法对自然轨迹数据进行降噪处理；然后，计算每辆车驾驶行为特征参数并进行K-means聚类分析，结合聚类效果评价指标Silhouette系数将驾驶行为分为：保守-谨慎型、激进-谨慎型、保守-轻率型及激进-轻率型这4种类型；最后，依据分类结果， 建立考虑加速度、随机慢化概率异质性的跟驰模型和考虑换道安全间距、换道决策的多级异质性换道模型。在各空间占有率的情境下，基于Matlab进行数值仿真，统计同质驾驶行为和异质驾驶 行为条件下，合流区域车道的流量、密度、速度、时空位置及换道频率等参数。仿真结果表明：在空间占有率为10%~20%时，同质交通流相比异质交通流更容易产生局部交通拥堵和交通流失效情境，并且同质交通流量峰值比异质交通量小27.1%；随着空间占有率的增加，同质车辆和异质车辆驾驶频率均呈现增加-稳定-下降的趋势，而异质驾驶行为换道频率的极大值比同质交通流高 20.74%。     

对亚甲基苯醌类衍生物的合成研究

以2,6-二叔丁基苯酚和芳基甲醛为原料,甲苯为溶剂,哌啶为碱制备对亚甲基苯醌类衍生物,使用质谱(MS)、核磁共振光谱(~1H NMR)对所得化合物进行结构表征.通过单因素试验得出了制备此类化合物的最佳工艺条件:n(2,6-二叔丁基苯酚)∶n(苯甲醛)=1.2∶1,溶剂为甲苯,反应时间为12 h,反应温度为110℃.     

《船舶技术法规体系框架(2020)》发布 加快我国船舶技术法规结构化发展步伐

近日,交通运输部海事局发布《船舶技术法规体系框架(2020)》重新划分船舶技术法规的适用范围,全面涵盖船舶、海上设施、船运货物集装箱以及船用产品全生命周期,构建起船舶、海上设施、船运货物集装箱以及船用产品技术法规体系框架,推动我国船舶技术法规体系实现结构化发展,以充分发挥船舶技术法规在推进造船业和航运业健康有序发展中的指导、规范、引领和保障作用,促进我国水上运输安全、便捷、高效、绿色、经济发展。     

基于联合调度优化模型的共享汽车分析

共享汽车行业曾在几年前广为繁荣,但由于其所具有的重模式、高成本、难以盈利等弊端,造成企业难以持续融资,行业难以持续繁荣的困境。如今,随着汽车车型更新换代日益迅速,加之疫情影响经济发展,消费者更倾向于轻便的用车模式,使得具有“分时租赁”特点的共享汽车获得很大发展机遇。本文综合利用Excel、Python软件,先以经纬度为横纵目标对附件数据进行离群值剔除与可视化展示,并将其在空间上划分成25个区域,从而更准确地研究其空间特征;其次,使用Matlab软件构建DBSCAN聚类算法模型,将不同区域共享汽车的实际密度情况以热力图形式在地图上可视展现,得出共享汽车分布主要集中在经度34.78377、纬度32.0556等区域附近,这些区域大多集中位于城市中心,人口密度相对高,共享汽车使用频率高的结论,同时编程得出不同型号车辆在整体区域信息的出现频率次数表,进行不同维度变化分析,得到共享汽车使用集中在早午晚高峰期,该时间段内人流量大,用车需求量高,汽车使用频率高的结论。